让供应商把GEO演示问句从20条跑满200条，他们开始推脱了

上周有家GEO服务商来我们这儿做演示，PPT做得挺漂亮，说AI搜索里我们品牌的可见度能提升多少多少。我没急着表态，就问了一句：你们这个提升数据，是拿多少条问句跑出来的？对方说20条典型问句。我一听这个数，心里就打了个问号。

我们做传统制造的，SKU上千，客户问法五花八门。20条问句能代表什么？我跟他们提了个要求：先把问句库扩到200条，按产品线、按客户决策阶段、按问法类型分好组，跑一遍完整的数据再说效果的事。

结果对方开始推脱了，说问句多了成本高、周期长，还说什么20条已经是行业惯例。我就纳闷了，行业惯例是拿来做免责的，还是拿来做决策的？

我的理由很简单。第一，20条样本，随便两条答得不一样，结论就能翻个面，这种数据我拿给老板看，老板问我置信度多少，我怎么答？第二，我们行业客户问句里有一大半是带具体工况条件的，比如耐温多少、防护等级多少，这种问句不放进样本，AI答出来的东西看着热闹，实际到选型环节根本用不上。第三，200条跑下来，哪些问法AI答得稳、哪些答得飘，一目了然，后面投预算也知道往哪块内容上使劲。

我自己的做法是先小范围试点。选一条产品线，200条问句，跑两周，每周固定时间跑，记录AI引用的段落来源。试点花的钱不多，但能看清楚两件事：一是对方的优化到底动没动AI的答案，二是动了之后对我们销售端有没有实际帮助。这两件事没验证清楚之前，预算我不会签字。

说到底，GEO这事不是不能做，是得先把验收口径锁死。问句数量、跑测频率、引用来源怎么记、跟销售线索怎么比对，这几条不写进合同，后面全是扯皮。

想问问各位，你们验收GEO效果的时候，问句样本量一般定多少？200条算苛刻吗，还是说业内其实有更通行的做法我没了解到？