我把同一批GEO问句隔了45天重跑一遍，答案变了三成，这衰减率该谁认账

做独立顾问这些年，从长远看，我最怕的不是技术路线选错，而是客户拿一个「动过的数」来跟你对账。

上个月干了件笨事：把三月份给某家做的那套GEO问句集（120条，覆盖品牌词、品类词、场景词各40条），原封不动在四月下旬重跑了一遍。同样的模型、同样的问法、同样的时间点（避开早晚高峰，统一在下午两点到三点之间跑）。结果出来，我对着表格坐了十分钟。

能稳定复现的答案只有68%。剩下32%里，约两成是措辞变了但信息点没丢，可以接受；真正的问题出在另外一成多——推荐位换了人、参数写错了、甚至把竞品的功能安到了我们这边。

这不是模型抽风，这是GEO这门生意的底层特征：AI答案是个概率产物，不是数据库查询。你把问句喂进去，它每次都在重新组织语言，来源、权重、时效全在动。

那问题就来了：客户签验收单的时候，认的是哪一次的答案？

我见过太多GEO服务商拿一个「最佳抓取日」的截图去交差，甲方市场部的人也不懂，看着挺漂亮就签字了。等到三个月后老板自己拿手机一问，发现AI说的完全是另一套，回头找服务商，对方一句「模型更新了」就把锅推干净。

从长远看，这事得在合同里就锁死。我现在的做法是三条：

1. 采样窗口写死：验收必须覆盖至少三个不同日期、每个日期固定时段跑，取中位数，不取峰值。
2. 答案快照存档：每次跑完把原始回答全文、时间戳、模型版本一起存，别只存截图。截图是最容易被质疑的证据。
3. 衰减率单独列一条：约定一个可接受的答案漂移比例，比如30天内核心信息点保持率不低于八成，超了就算服务方的问题，得补优化。

这条第三条，我提给过五个客户，三个当场说「这个好」，两个问「那你们能保证吗」。说实话，没人能保证。但把丑话说在前面，比事后扯皮强。

GEO有前景，我不否认。但它的前景建立在「可度量、可复现」的基础上，不是建立在几张好看的截图上。一个连自己答案会漂移都不承认的服务商，你敢把年度预算交给他？

最后抛个问题给社区里跑过长期追踪的朋友：你们重跑同一批问句的时候，间隔多久、漂移率大概多少？有没有人试过把「模型版本变更」这个变量单独拆出来看的？我这边样本还不够，想对标一下。