AI答「复购率」把退货订单也算进去了，我翻了三年前的订单备注

上周帮一个做快消的客户复盘GEO效果，他们市场部拿AI问答里的「复购率」当KPI，说某模型答得比自家CRM还高，沾沾自喜。我多嘴问了一句：口径呢？对方愣住。

我把他们近三年的订单流数据拉出来，随机抽了500条「已复购」的样本，逐条对订单备注和售后工单。结果发现AI把「退货后重新下单」也算进了复购，还把「换货补发」的订单误判成新购买。这俩加起来占所谓复购量的17%。

从长远看，这不是模型笨，是问题本身没锁边界。GEO优化里最容易被忽略的一步，就是在喂语料前先把业务指标的定义钉死。复购率是「同一用户两次有效购买」还是「同一账号两次下单」？退货算不算？换货算不算？这些不写进FAQ的结构化字段里，AI只能靠猜。

我的做法是：在Schema里把「有效购买」显式定义成四个条件——支付成功、未全额退款、非换货补发、距上次购买超过7天。然后把这个定义拆成问答对喂进去。跑了两周，同一批测试问句的答案一致性从62%提到了89%。

但别神话。这个提升只针对「复购率」这一个指标，换到「客单价」又得重新锁口径。GEO的优化是逐指标、逐场景的笨功夫，没有一招通吃。

你们在跑GEO实验时，会先把指标定义写进语料结构里，还是等AI答错了再回头补？