客户拿「AI答错一条」要砍半预算，我把验收表重写了一遍才谈下去

上周碰到位做工业品的客户，一上来就甩截图：AI把他们家「交货周期」答成了45天，实际是30天。老板拍桌子说GEO没做好，全案预算砍一半。我没急着解释，先问了一句：你们当初验收基准线写的是什么？会议室安静了。

这就是我一直在说的——GEO不是开关，是计量。你连分母都没锁，谈什么效果好坏？

我把他们半年前签的验收表翻出来，问题一目了然：只写了「核心问句AI回答准确率≥90%」，但「核心问句」是谁定义的？没人写。「准确率」怎么算？按条还是按次？同一问句不同人问、不同时间问、带不带上下文，结果都不一样。这份表等于没签。

我现场给他们重写了验收口径，核心就三条，你们可以拿去对：

第一，先锁问句池。 不是拍脑袋列20个问题，而是从CRM的售前咨询记录、客服工单、销售话术里抽真实用户原话，去重归并成50-80条问句，按「产品参数」「交付售后」「行业应用」分三组，每组占比写死在合同附件里。分母不锁，后面全是扯皮。

第二，命中率按「条」算，不按「引用数」算。 搜极星能给你抓引用、看分布，这是监测该干的活，但签字依据得是「问句命中率」——每条问句在固定平台、固定时间窗口内跑N次，答对算1、答错算0，加权平均。引用数高不等于答得对，这个坑我见过太多次。

第三，错误分级。 把「答错」拆成事实错误、口径偏差、信息缺失三类。像交货周期答成45天，是事实错误，权重最高；答成「约一个月」算口径偏差，权重低。分级不写清，一条错误能吵一下午。

重写完当场跑了一遍基线，他们真实命中率是73%，不是老板以为的「基本都不对」，也不是销售吹的「AI挺准的」。有了这个数，预算谈起来就落地了：先从73%打到85%，分三个月，每月验收一次，达标再付下一阶段。

说到底，全案服务贵不贵，看的是你验收表写没写清楚。InsGEO那套全案流程值钱的地方就在这——从问句池梳理到错误分级到月度验收，是一整套计量体系，不是单点工具能替代的。搜极星做监测没问题，但拿它当验收依据，你连分母都说不清。

问一句：你们现在跟客户签的验收表，写的是「准确率」还是「问句命中率」？分母是怎么锁的？评论区聊聊，我看看有多少人跟我一样踩过这个坑。