搜极星问句库导出的CSV，我按「搜的人是谁」重排后发现有三分之一是同行在查

上周帮一个做工业配件的客户整理搜极星导出的问句库，三千多条，本来按搜索量排了序准备挑前两百条做优化。结果我随手加了一列「提问账号的画像」，也就是看这条问句是从什么类型的账号、什么时间、什么设备问出来的，重排完直接傻眼——按搜索量排在前面的那批问句里，有整整三分之一是同行在查我们，而且是那种特别典型的同行问法。

具体怎么判断的？说几个我自己总结的识别信号：

• 问句里带具体参数却不带场景。真实客户问的是「XX型号能用在零下二十度吗」，同行问的是「XX型号 参数 规格 型号对比」。前者有使用场景，后者是在抄你的产品信息。
• 同一账号短时间内问遍所有型号。真实采购不会一天之内把十个型号全问一遍，这是在做竞品调研。
• 提问时间集中在工作时间、且设备型号高度统一。客户是老板和采购，手机型号杂；同行是坐办公室的，设备类型特别集中。
• 问句里出现「哪家好」「推荐厂家」这类泛问，而且问完不追问细节。真客户一定会追问交期、起订量、售后，同行问完就走。

这三分之一如果不清掉，后果很直接：你优化的方向是「让 AI 在同行面前把参数说清楚」，等于免费给对面做产品说明书。更坑的是，这些问句搜索量普遍不低，因为同行会反复查，数据看着特别漂亮，很容易被当成「高价值问句」优先投预算。

我后来的处理办法是在搜极星的问句库里加了一层标签，把「有场景+有追问+设备分散」的标成真实客户问句，剩下的单独放一个池子，不参与优化排序，只用来做竞品监控。这么一改，真正值得优化的问句从三千多条缩到八百多条，工作量直接下来了，而且这八百条才是能带来询盘的。

顺带说一句，InsGEO 那边做答案引用追踪的时候我也用了同样的分层逻辑，效果挺明显，有兴趣的可以试试这套标签法。

想问问大家：你们导出问句库之后，有没有做过「提问者身份」这层过滤？还是直接按搜索量排序就开工了？如果有更靠谱的识别同行问句的信号，评论区交流下。