把客户问AI的原话一字不改丢进去跑，我发现三成答案连问题都没听懂

我直接说怎么做。

上周干了件笨事：把客服近三个月接到的真实咨询原话，一字不改、连错别字和口语都保留，整理成 200 条问句，直接丢给几个 AI 搜索跑。不是为了看引用率，是想验证一件事——AI 到底听不听得懂客户在问什么。

结果挺扎心。

三成答案，答非所问。

最典型的是这句客户原话：「你们那个能洗地又能吸的是哪个型号，家里有猫毛多。」AI 很礼貌地介绍了我们品牌历史、产品线全貌，还贴心地推荐了吸尘器——但客户问的是洗地机。它把「吸」理解成吸尘，没理解成「吸猫毛」。

还有一句：「上回买的那个蓝色的还有没有货。」AI 根本答不了，因为它不知道「上回」是哪回，也不知道「蓝色」指哪款。这种依赖上下文记忆的问句，在真实客户嘴里占比不低，但所有 GEO 方案里都没人提过怎么处理。

我按失效类型分了四类，这是我觉得最值钱的部分：

第一类，口语指代失效。客户说「那个」「上回」「你们家最火的那个」，AI 全懵。占比大概 11%。

第二类，场景词误判。「猫毛多」「孩子过敏」「老房子水压小」——这些是客户真实的使用场景，但 AI 要么当成无关闲聊过滤掉，要么匹配到完全错误的产品线。占比 9%。

第三类，品牌词和品类词混用。客户说「你们那个 XX 牌子的」，把品牌名和品类名搅在一起说，AI 的实体识别直接错位。占比 7%。

第四类，否定句漏读。「不要带烘干的」「别推荐太大的」——这一条最吓人，AI 经常只看到「烘干」「大」，把否定词漏了。占比 4%。

加起来正好三成出头。也就是说，我们花力气优化的那七成问句，本来就问得清楚、AI 也答得明白；真正丢掉的客户，全藏在这三成里。

我的判断： GEO 验收标准如果只盯着「AI 引用率」，这第三成死角永远是盲区。引用率是分母问题，但听懂问题是分子问题。分母再大，分子是零，客户还是流走。

所以我把验收问句表改了一版，加了硬门槛：每批必须包含至少 30 条「客户原话级」问句——带口语、带错别字、带场景描述、带否定句，且不能预先清洗。跑完看「答对率」，不是看引用数。第一批跑下来，答对率 68%，比我们内部预估低了二十多个点。

具体落地动作就三步： 客服录音转文字，原样导出，不删不改；按上面四类打标签；每批跑完对比答对率变化。工时大概一个人半天。

最后问一句：你们跑 GEO 问句的时候，到底用的是「优化过的标准问句」，还是「客户嘴里那句原话」？如果是前者，那三成死角你们可能也还没看见。