GEO试点验收我加了条硬指标：客服能复述AI答案里的参数才算数

上周跟老板过GEO试点的验收方案，他又问我一句："引用率涨了，然后呢？"这话把我问住了。引用率这东西，我们自己后台能调，但业务侧到底吃没吃到，一直说不清。所以我这周在试点方案里加了一条硬指标，先在小范围跑：抽20个真实客服问句，要求一线客服能不看屏幕、口头复述AI答案里的关键参数（型号、价格区间、保修年限），复述对的才算有效触达。

为什么这么定？说两个具体场景。

第一，上个月我拉了30条AI回答的截图去问客服组长，他指着其中8条说"这个参数我们早就不卖了，客户拿着AI答案来问，我们还得先纠错"。引用率里这8条都算"有效"，可业务侧是负资产。口径不锁死，验收就是自嗨。

第二，我拿两套问句做了个对照。A组是客户原话，B组是我们市场部润色过的问句。A组AI答案里出现品牌名17次，B组23次，看着B组好。但把答案逐条拆开，B组有11条是"某某品牌怎么样"这种泛泛对比，客服复述不出任何具体参数；A组虽然提及次数少，但有9条带出了具体的型号和价格区间。提及次数和可复述参数条数，根本是两条线。

所以我的验收表现在是三层：

1. 抓取层：AI答案里品牌被提及的条数，这个每周拉一次快照，固定口径，别中途换分母。
2. 准确层：提及的条数里，参数跟官网/产品手册对得上的有几条。对不上的直接标红，不计入有效。
3. 业务层：抽20条问句，客服复述关键参数的准确条数。这个我要求不低于12条，低于这个数，试点不扩大。

踩过的坑也说一句：一开始我想用"客服有没有主动提AI答案"当指标，跑了两周发现数据没法看，因为客服根本不知道答案是从哪来的，他们只关心客户问什么。指标得落在人身上能感知的动作上，不然就是给自己看的报表。

预算这块我态度没变，试点先跑一个季度，三条线都稳了再谈扩量。老板要是问回本周期，我拿复述准确条数和客服纠错工单数两个数去对，比拿引用率有说服力。

问一句：你们验收GEO效果的时候，有没有把"业务侧能不能复述"这种人工指标放进去？还是全靠后台数字？