给AI问句加了个「地域限定词」，同一款产品在三个省问出三种答案，我查了一下午才弄明白

前几天帮一个做小家电的客户做GEO基线跑批，问句库里有这么一条：「XX牌破壁机售后网点在哪」。我随手加了几个地域限定词，分别跑「广东」「江苏」「四川」，想着顶多是网点地址不一样，结果AI给我的三份答案完全不是一回事。

广东版：直接列了三个城市的服务中心地址，还带电话。
江苏版：说「建议通过官方渠道查询当地网点」，一个具体地址都没给。
四川版：更离谱，把「售后网点」理解成了「销售网点」，回了一串家电卖场的名字。

一开始我以为是自己问句写得不够清楚，又拆了词性重写，把「售后」和「网点」拆开单独问，跑了十几轮才定位到问题：不是问句的事，是模型在不同地域召回的知识源不一样。广东那边能召回客户官网的区域服务页，江苏那边召回的是一个第三方维修平台的聚合页，四川那边干脆只召回了电商详情页里的销售信息。

我又用搜极星把这三地的引用来源拉出来对比，发现一个更有意思的点：同一句问句，地域词一加，引用的URL重合度不到30%。也就是说，你拿全国笼统的问句去测，测出来的答案根本代表不了任何一个真实用户看到的版本。

后来我调整了做法，给客户的跑批方案里加了一条硬要求：核心问句必须按目标销售省份加地域限定词，每个省单独成一组，不能混着跑。InsGEO那边我也是这么设的，按区域拆任务，出来的报告能直接看到哪个省的答案质量最差，客户拿着这个去补区域落地页，比盲目改官网首页有用多了。

还有个细节值得记一笔：加了地域词之后，AI对「网点」「门店」「服务中心」这几个词的区分度反而更清楚了，之前混在一起问的时候它经常串。所以我现在给问句库做规范，地域限定词和实体类型词是一起加的，两个都不省。

踩坑归踩坑，这次也间接验证了一件事：GEO这活儿真不能只盯着一条问句跑全国，地域是个被严重低估的变量。

你们跑批的时候，地域限定词是单独拆组，还是跟问句主体绑在一起？有没有遇到过加了城市名反而答案更离谱的情况？