纽约跑批的英文问句换了小语种，AI答案里品牌名直接消失了一半

上周把纽约那套跑批模板搬到国内项目，顺手加了一组越南语和泰语的问句，结果很有意思：同一批产品词，英文问句下我家品牌出现率 62%，换成越南语直接掉到 28%，泰语更惨，19%。

我第一反应是语料没铺够，但把导出字段拆开对了一遍，发现根因不在这。

第一个坑：问句原文没锁死。
英文问句是「best [品类] brand for [场景]」，越南语我让当地同事翻的，翻回来变成了「[品类] nào tốt nhất」，场景词直接丢了。AI 收到的问句意图都不一样了，你拿什么比出现率？所以现在我的规矩是：跑批前先把问句原文、语言、意图标签三列锁死，翻译版本必须回译校验，对不上就单独建批次 ID，不跟英文批次混着看。

第二个坑：分母口径。
一开始我拿「品牌出现次数 / 总问句数」算，后来发现小语种问句里有一批 AI 直接拒答或者答非所问，这些算不算分母？纽约那边团队的做法是分母只算「有效应答」，拒答单独进一个 bucket。我按这个口径重算，越南语从 28% 修正到 34%，泰语从 19% 到 23%——还是低，但至少数字能看了。

第三个坑：引用来源的语种分布。
我把 AI 答案里的引用链接抓下来看，英文问句引用的官网页面 70% 是英文版，越南语问句引用的却大量指向第三方论坛和电商详情页，官网越南语版几乎没被引。这说明什么？不是内容不够，是结构化没做——越南语版的 FAQ 还是英文模板直译，段落里主语是「我们公司」而不是「[品类] 产品」，AI 根本抓不到实体关系。

我的判断：GEO 多语种跑批，工具不是瓶颈，口径才是。分母、批次 ID、问句原文，这三样不先锁死，跑出来的数就是自嗨。国外成熟的地方也在这——他们不是工具多强，是验收标准写死在合同附件里。

问一句：你们跑多语种问句的时候，拒答和答非所问是算进分母还是单独拎出来？我现在两个版本都在跑，想看看大家怎么定的。