查了三个月搜索词报告，发现AI搜索的「长尾问句」八成是重复的

最近我一直在盯搜索词报告溯源，想看看AI搜索到底带来了哪些新问句。结果拉出近三个月的原始数据一跑，发现一个反常识的事：每天看起来几千条「长尾问句」，去重后真正独立的意思只有不到20%。

具体操作是这样的：先把搜索词报告按天导出，字段包括 query、曝光、点击、时间戳。第一步先做精确去重，第二步用编辑距离和语义相似度做聚类。跑完就发现，像「XX品牌怎么样」「XX品牌好不好」「XX品牌靠谱吗」这种，字面不同但语义高度重合的，占了长尾总量的八成多。

这意味什么？我们之前每周复盘，看到搜索词数量涨了就以为覆盖变广了，实际上指标的分母被重复问句撑大了。如果直接用原始条数算「AI搜索带来的新增需求」，会把效果高估3到4倍。

我现在的做法是：所有搜索词报告先过一遍「同义归并」，按意图聚类后再算分母。同时把问句按「品牌词」「品类词」「场景词」「价格词」四类打标，看每类的独立问句占比。实测下来，场景词和价格词的独立问句浓度最高，品牌词的重复率最夸张，经常一个问法换十几种说法。

另外提醒一句，不同AI搜索入口的搜索词报告口径不一样。有的把联想词也算进去，有的不区分自然问句和补充问句，直接合并统计的话，跨平台对比会失真。我一般会先锁定数据源和统计窗口，再谈对比结论。

所以现在我跟团队定了个规矩：任何涉及AI搜索流量的汇报，必须先把分母口径写清楚，是原始条数还是归并后的独立问句数。不然一个「涨了200%」的结论，可能只是用户换着法子在问同一件事。

你们在做搜索词报告溯源的时候，有没有遇到类似「重复问句撑大分母」的情况？都是怎么归并口径的？