把AI问句按「地域」切了一刀，才发现一半的预算花在了本地化问法上

上周整理客户GEO试点数据，我顺手把问句库按地域标签切了一刀，结果挺意外：同一个品牌，一线城市和三四线城市的问法重叠度只有三成出头。

先说场景。客户是连锁餐饮，做GEO试点三个月。原本问句库是从全国搜索词里一锅端出来的，没有地域维度。我这边拿后台导出，按IP归属地粗筛了一下，把问句拆成「一线」「新一线」「三四线」三组。

数据摆出来是这样的：

• 一线组里，「XX品牌 好吃吗」「XX品牌 人均多少」这类评价型问句占六成以上。
• 三四线组里，问得最多的是「XX 附近有没有店」「XX 能不能外卖」，本地可得性类问句占七成。
• 两组都带品牌名的问句，只占全部问句的31%，剩下全是「这附近哪家XX好吃」这种不带品牌的泛问法。

这就引出一个很实际的问题：如果按全国统一问句库去铺内容，三四线那批「附近有没有店」的问句，内容侧根本对不上——官网上没有门店地址的结构化数据，AI答的时候只能泛泛带过。

我这边判断依据很简单：先对口径。问句来源、采样周期、地域归属的判定方式（是按IP还是按账号注册地），这三项不先对齐，切出来的比例都不可信。我这次用的是后台IP归属，误差肯定有，但方向性结论（地域间问法差异大）我觉得是站得住的。

踩的坑也说一下：一开始我用的是「城市名+品牌名」去匹配，结果一线组里混进来一堆异地搜索，比如人在北京搜「上海 某某店」。后来改成按提问时的IP归属地打标，数据才干净一点。

我的态度还是老样子——GEO效果要等数据验证，别急着下结论。这次切地域只是发现问句结构不一样，至于按地域分组之后引用率能不能提上去，得跑三组小样对照才知道，现在说什么都早。

抛个具体问题：你们做问句库的时候，地域标签是按IP归属地打，还是按用户填的常驻地打？我这边两种口径切出来差了快一倍，想听听大家实际用的哪种。