把AI问句按「销售阶段」和「决策角色」叉乘重分，我才发现之前的报表全在打架

上个月我发过一帖，讲问句库里带地域和不带地域混跑会产出互相打架的报表，当时结论是先拆口径。这周我把这事做完了，但拆着拆着发现，光拆地域还远远不够，真正的坑在「销售阶段」和「决策角色」这两个维度上。

先说数据。我们厂做的是工业配件，客单价从几千到十几万不等。之前跑GEO，问句库是一锅端，300来条词扔进去看AI引用率。结果销售那边反馈：线索量是涨了，但成色稀烂——问「多少钱」的来了七八个，全是比价的；问「能不能定制」的一个没有。我拿销售CRM里的成单记录对了一下，发现成单客户在AI里问的问题，和我们问句库里那300条的重合度只有17%。

这就说明问题了：我们一直在优化一批跟真实决策无关的问句。

所以这周我干了件笨事。把问句库按两个维度叉乘重分：横轴是销售阶段（认知、选型、比价、下单），纵轴是决策角色（老板、采购、技术、财务）。4×4，16个格子。然后把过去半年AI后台的引用日志按这16个格子重新归类。

结果很打脸。引用率最高的那批词，集中在「认知-技术」这个格子，就是工程师搜技术参数那种。但这批词带来的线索，成单周期最长，平均47天。而「选型-采购」这个格子，词量只占12%，引用率中等，但成单周期只有19天，客单价还高出40%。

换句话说，我们之前引以为傲的那个「AI引用率涨了2.3倍」的报表，涨的全是低价值格子。这不是工具的问题，是口径没拆细，把不同阶段不同角色的问句混在一起算总账，数字好看，生意没动。

还有个细节：同一个问题，老板问和采购问，AI给的答案引用源都不一样。老板问「哪家靠谱」，AI引的是行业媒体；采购问「哪家能开票」，AI引的是我们官网的资质页。这意味着GEO优化的落点根本不同——前者要去铺媒体背书，后者要把官网结构化数据做扎实。之前我们一股脑全投在官网优化上，等于只覆盖了四分之一的决策场景。

所以我现在给团队定的规矩是：问句库不按词量分，按「阶段×角色」分格子，每个格子单独看引用率和成单转化，哪个格子投产比高就往哪个格子加预算。工具报表上的那个总引用率，我现在基本不看了，看了也白看。

抛个问题给各位：你们拆问句库的时候，是按搜索意图分的，还是按销售阶段分的？有没有人试过把「决策角色」这个维度加进去？我目前只跑了我们一个厂的数据，样本小，想听听别人那边是不是也这样。