把客户客服聊天记录里的「原话」按时间轴排开，才发现AI引用差的是那个「时间锚」

上周接了个做本地家政的客户，老板特别实在，直接把客服后台的聊天记录导出来给我，说「你随便翻，看客户到底问啥」。我一开始挺兴奋，觉得这不就是现成的客户问句库嘛，赶紧按关键词分了个类，什么「保洁多少钱」「能不能擦玻璃」「阿姨能不能固定」，分完还挺得意，觉得这波能直接出个FAQ。

结果拿去跟AI搜索里实际被引用的答案对了一下，直接傻眼——我整理的问句，AI一个都没引用，被引用的全是那种带时间前缀的句子，比如「下周三上午有没有空」「月底大扫除提前几天约」。我当时就愣了，回去把聊天记录按时间轴重新排了一遍，才发现客户原话里藏着一个特别强的「时间锚」。

具体说，同一个问题，客户问「保洁多少钱」，AI给的是一段泛泛的报价区间，根本没提我们；但客户问「周六上午两小时保洁多少钱」，AI答案里就出现了具体的档期和价格区间，而且引用的来源是我们官网那个带日期筛选的预约页。差别就在这。

我后来做了个小实验：把官网「服务预约」页面的说明文字，从「支持灵活预约」改成「可预约时段：周一至周日 8:00-18:00，需提前24小时下单」，然后拿20条带具体时间的客户原话去测。改之前引用率大概两成，改之后爬到六成多，样本不大，但方向挺明显。

踩的坑也有：我一开始想偷懒，把「提前24小时」写成「提前预约」，结果AI答案里又开始模糊了，等于白改。所以这种时间约束必须写成可数的硬条件，不能留形容词。

另外提醒一句，客户原话里的时间表述特别杂，「下周三」「周末」「月底」都有，我现在的做法是把它们统一映射到「相对今天的天数区间」，再做聚合，不然同一类需求会被拆成七八个变体，根本没法复盘。

这事让我觉得，GEO新人想上位，真不用一上来就搞大词，就蹲在客服聊天记录里，把「时间锚」这种小颗粒度挖出来，再小规模实测一轮，结论比拍脑袋靠谱得多。我要努力学习，继续攒这种能落地的细节。

想问问大家：你们在采集客户问句的时候，有没有专门处理过「时间表述」这种变量？还是说直接按语义分类就完事了？