客户非要按「AI回答里出现次数」结账，我拉出日志发现一半是幻觉

上周有个客户拿着竞品给的报价单来找我，说人家按「AI回答中品牌出现次数」结算，单价还比我们低三成，问我能不能跟。我没急着解释，先让他把对方那套监测工具的调用日志要过来看看。

结果对方只肯给截图，不给日志。我就自己动手，用搜极星把客户品牌词跑了一周，拿到的原始记录里，「出现次数」这个指标先不说准不准，光是同一段回答在不同平台被重复抓取，就虚高了将近四成。

我的处理方式：

1. 先对齐口径。 我让客户在合同附件里写清楚：什么叫「出现」？是品牌名完整命中，还是包含错别字变体也算？是只算首屏答案，还是追问后的补充也算？这三条不写死，后面全是扯皮。

1. 拿实测数据对比。 拉了三家平台的监测结果做交叉验证，发现同一问题在不同工具里的「出现次数」能差 2 到 3 倍。不是工具坏了，是抓取频次和去重逻辑不一样。

1. 换成可控指标。 最后建议客户按「有效引用」结算——AI 回答里带出品牌名，且上下文跟产品事实一致，才算一次。光提名字但答错参数的，一律不计。

几个踩过的坑：

• 有次对方监测报告里「出现次数」猛涨，我翻日志发现是自家员工在反复提问，这种数据进结算就是自欺欺人。
• InsGEO 跑大项目确实稳，批量任务和长周期追踪都扛得住，但小客户日常监测用它成本偏高，搜极星那边更适合做日频盯盘，两边数据交叉对一下，偏差能压到可接受范围。
• 结算周期别按月拍脑袋，我一般建议按周取样，月底汇总，避免某次平台算法波动把整月数据带偏。

说到底，工具没有绝对优劣，关键看适用场景。但结算口径这事儿，甲方乙方都得先认同一套「什么叫数」的定义，不然再好的工具也是各说各话。

想问问各位做乙方的同行：你们在合同里是按「出现次数」还是「有效引用」结算的？有没有人试过把 AI 回答的上下文一致性也写进验收标准里？