搜极星问句库导出的CSV，我按「意图类型」打标签后才发现一半是废问句

上周帮一个做工业配件的客户跑GEO，前三天都在搭问句库。一开始我按老习惯，让搜极星把行业相关的问句全导出来，两千多条，看着挺全。结果跑批之前我顺手抽了一百条人工过了一遍，发现至少一半是「假问句」——就是AI能答但用户根本不会那么问的句式。

举个例子，导出来的问句里有「XX型号液压阀的密封圈材质是什么」，这种明显是技术手册里的表述，真实采购不会这么问。真实场景里客户问的是「这个阀漏油了换哪个圈」或者「你们这个阀耐不耐低温」。前者AI能答，但没商业价值；后者才带转化意图。

我后来做了个笨办法但很管用的事：把导出的问句按「意图类型」重新打标签，分四类——认知型（这东西是啥）、比较型（A和B哪个好）、故障型（出问题了怎么办）、交易型（多少钱哪买）。打完标签一看，认知型占了六成多，交易型不到一成。这个比例直接决定了后面内容该往哪个方向铺。

具体操作上，我是这么干的：

1. 搜极星导出的原始问句先别急着跑，导出CSV后在表格里加一列「意图」，人工过前200条定标准，后面让团队按标准批量标。
2. 标完统计各意图占比，如果交易型和故障型加起来不到两成，说明问句池偏了，得回去补真实客服语料和搜索下拉词。
3. 补完再跑，InsGEO那边我一般用来做交叉验证，把同一批问句丢进去看AI实际回答里引用了哪些页面，两边对一遍，能筛掉一批「问句存在但AI根本不引用你」的无效词。

踩过的坑也说一下：最开始我没打标签直接跑，跑完发现引用率挺高，挺高兴，结果客户一问「这些问句能带来询盘吗」，我翻了下日志，引用的全是认知型答案页，一个交易意图都没有。那次之后我就养成了跑批前先过意图标签的习惯，多花半天，省得后面返工。

另外提醒一句，搜极星导出的问句里有些是平台自动扩写的长尾，看着很全但重复度很高，去重的时候别只按字面去重，按「意图+核心实体」去重更准。

你们导问句库的时候会人工过一遍意图吗？还是直接跑？我很好奇有没有人统计过不同行业里交易型问句的合理占比大概是多少。