拿竞品AI答案去反推问句库，我踩了「采样偏差」这个坑

上周我干了一件挺「鸡贼」的事：把竞品在AI回答里被引用的段落全部抓下来，反向推他们埋了哪些问句，想着直接抄作业。结果第一批跑完，我差点被带沟里。

先说结论：反推问句库这个思路能跑，但前提是把「采样口径」先锁死。

我们第一版是拿 50 个问题去问三个主流AI，每个问题只问一次，然后统计竞品被引用的比例。跑出来竞品引用率 42%，我这边 18%，差距大得离谱，团队差点当场自闭。我不信邪，换了个法子：同一个问题，同一时段，连续问 5 次，记录每次回答和引用来源。

结果出来我傻了：竞品那个 42% 里，有 6 次引用的是同一篇稿子，而且是他们自己官网的一篇「行业白皮书」。也就是说，AI 只是反复抓了同一个信源，我记成了 6 次独立命中。把重复信源去重后，真实引用率只有 27%。

更坑的是时间窗口。我们第一次采样是在周一上午 10 点，后来隔了三天再跑一遍，同一个问题，竞品引用率掉到 19%。我翻了日志才反应过来：AI 搜索的索引有滞后，周一抓到的可能是上周五的缓存。你拿不同时间点的数据去对比，等于拿苹果比橘子。

所以我现在的做法是：

1. 同一问句，至少跑 3 轮，每轮间隔 24 小时，取去重后的信源数，不取回答次数；
2. 采样时段固定，比如统一在下午 2-4 点跑，避开早高峰的索引更新；
3. 只统计「有明确引用链接」的回答，AI 随口提一句品牌名字不算，那玩意儿没法归因。

按这个口径重新跑，我们和竞品的真实差距是 18% vs 27%，没到绝望的地步，而且竞品那 27% 里有一半来自他们三篇老稿子，说明 AI 对「存量优质信源」的复抓权重很高，不是天天发新稿就有用。

这波折腾完，我最大的感受是：GEO 的数据洁癖不是矫情，你不去重、不控时段，跑出来的数全是噪音。现在不做，更待何时！

最后抛个问题：你们做竞品 AI 引用对比的时候，是统计「回答次数」还是「去重信源数」？我目前只敢用后者，但感觉前者也有参考价值，想听听大家怎么定的口径。