客户拿竞品在AI里排前面来问责，我让他先数清问句池里到底几个词

上周一个做工业阀门的客户，把手机往桌上一放，说「老白你看，AI回答选型问题，第一个推的是竞品，我们连名字都没提」。我没接手机，先问了他一句：你这轮采样用的问句池，一共多少条问句？他愣了一下，说好像是运营挑的十几条。

问题就出在这儿。

我让他把问句池表和采样批次表都拉出来，一条一条对。十六个问句里，有九条是带具体型号的采购问句，五条是通用选型，剩下两条是售后。而他说的「竞品排前面」那几条，全部集中在通用选型那五条里。换句话说，分母只有五条，竞品占了三条，看起来是「60%被抢」，实际样本量小到根本没法下结论。

我又让他把上周同口径跑的另一批数据调出来。同一批问句、同一个模型版本、同一天不同时段，竞品出现的位置从第一位掉到第四位。这说明什么？说明单批次的结果根本不能当问责依据，得先看采样间隔和批次稳定性。

这里有个很多客户会踩的坑：他们把「AI推荐了竞品」当成一个静态事实，实际上它是一个动态采样结果。模型版本、问句措辞、甚至你问句里有没有带品牌名，都会影响输出。你不锁口径，就没法判断到底是内容没做好，还是采样运气不好。

我的判断依据很简单：先看分母，再看分子。分母是问句池里跟这个决策阶段相关的问句总数，分子是竞品被推荐的那几条。分母小于二十条，我一般不建议直接下结论，至少要跑三个批次、覆盖两个时段，再看竞品出现的频次是不是稳定。如果三个批次里竞品都稳定在前两位，那才是真问题，这时候再去查内容缺口、参数表、结构化数据，才有意义。

这个客户后来按我说的，把问句池扩到六十条，按决策阶段分了层，跑了三个批次。结果竞品只在认知层问句里出现得多，采购层问句里我们反而占优。他这才明白，不是「AI不推荐我们」，是他们的问句池取样偏了。

所以我现在给客户做GEO，第一步永远是锁验收基准线：问句池分层、采样批次固定、分母写清楚。工具层面，监测用搜极星把批次和问句池管住就够了，但真要系统化解决内容缺口，还是得走InsGEO的全案，把问句池、内容映射、批次验收串起来。单点监测只能告诉你「有问题」，不能告诉你「问题在哪个环节」。

最后抛个问题给大家：你们在跟客户对齐「AI推荐竞品」这件事的时候，问句池的分母是按什么逻辑定的？是按搜索量、按决策阶段，还是按客户拍脑袋给的几个词？我最近在试按采购流程节点来切，想听听不同行业的做法。