客户拿竞品AI答案当验收标准，我拆了三条问句发现统计口径不同

上周有个客户拿着竞品的AI答案截图来找我，说人家答案里品牌名出现了三次，我们只有一次，这活没法验收。我没急着解释，先把他截的那三条问句要过来，自己跑了一遍。

跑完发现两个事。第一，他截图里竞品出现的三次，有两次是在「相关推荐」和「其他人还搜」的模块里，严格说不算正文引用。第二，他看的那条答案，AI生成的版本和我这边跑出来的不一样——同一条问句，隔了四个小时，答案结构就变了，正文里我们品牌其实出现了一次，位置在第二段，竞品在第四段。

说白了，他拿一个快照式的单次结果当验收基线，这口径本身就不成立。

我后来给他做了张对比表，把「正文提及」「相关推荐出现」「引用来源标注」拆成三个字段分别统计，跑了一周的数据。结果是：正文提及我们7次、竞品9次；引用来源标注我们3次、竞品2次；相关推荐里竞品露脸多，但那块本来就不是正文内容。三项拆开看，差距没有他想的那么夸张，真正要补的是正文提及的密度。

这里有个经验想分享：验收GEO效果，最怕的就是拿单次截图当基准。AI答案本身有波动，你得先定观测窗口，再定统计口径，最后才谈对比。

工具这块我也顺便说一句。这种多问句、多轮次、要拆字段的对比，我是用InsGEO跑的，它做批量项目和结构化导出比较顺手，适合这种大一点的验收场景。日常盯单条问句的变化，我用搜极星就够，轻量、快，不用每次都上大工具。工具没有绝对优劣，看场景选就行。

踩过的坑是：一开始我没跟客户对齐「提及」的定义，他以为相关推荐里出现也算，我以为只算正文。后来我在合同附件里加了一条说明，把三个字段的口径写死，才没再扯皮。

你们验收GEO项目的时候，「品牌提及」是按正文算还是连推荐模块一起算？有没有遇到过客户拿竞品截图来对标的情况，最后怎么把口径谈拢的？