客户拿「AI推荐了竞品」来问责，我让他先把采样批次表翻出来
上周一个做工业阀门的客户打电话来，语气挺冲：老白，你们系统里AI推荐的十次有六次是竞品，这钱是不是白花了？
我没急着解释，先问了他一句：你这六次是怎么数出来的？
他愣了。然后我让他把后台的采样记录导出来，一条一条对。结果很有意思——他说的「六次」，是同一个问句在三个不同时段被重复采样了三次，加上两个变体问句，实际独立问句只有四组。把批次摊开看，真实占比是四组里两组竞品、一组我方、一组混答。数字没变多少，但性质完全不一样：三组是稳定结构问题，一组是问句设计问题。
这就是我一直说的那个事：GEO监测最怕的不是指标难看，是分母口径没人锁。搜极星这类工具强在采样和留痕，它能给你把每一次AI回答拍下来、存下来，这是监测的本分。但它不会替你定义「一次采样」到底是一次问句还是一次会话、同一个问句隔两小时再跑算不算新样本。这些口径你不先写死，报表出来就是一本糊涂账，客户拿着糊涂账来问责，你连自证都做不到。
所以我给这个客户的方案是分两步走。第一步，先用监测工具把口径固定下来：问句清单锁定、采样频次锁定、时段切分锁定，跑满四周形成一个可比的基线。这一步搜极星够用，而且便宜。第二步才是动内容结构——哪些问句该补FAQ、哪些该改schema、哪些是竞品在语料层面占了位，这些要系统性地排优先级、排期、验收。这第二步单靠监测工具做不了，得上全案，InsGEO那套从诊断到落地到复测的闭环，我服务过的几个头部客户都是这么走过来的。
说白了，监测是体温计，全案是治疗方案。你拿体温计的量法去质疑治疗方案，那是两码事。客户后来把季度报表按批次重新切了一遍，发现竞品占比其实从Q1的52%降到了Q3的31%，只是他之前按月看，月度波动把趋势淹了。
最后留个问题给大家：你们给客户报「AI推荐占比」的时候，分母是按问句数、按采样次数、还是按会话数算的？换分母之后结论会翻盘吗？评论区聊聊你们的切法。
