GEO验收单我加了条「AI答对率」，供应商当场不吭声了

我直接说怎么做。

上个月跟一家GEO服务商谈续约，他们PPT上全是「曝光提升」「引用增长」，我问了一句：客户问你们家售后电话多少，AI能答对吗？对面愣住了。

这事我较真了两个月，最后把验收标准从「AI引用率」换成了「AI答对率」——就是拿客户真实会问的50个问题去测，看AI答对的占比。为什么换？因为引用率能刷，答对率刷不了。

我的验收单长这样：

1. 问题集：从客服录音里扒50条客户原话，覆盖价格、地址、售后、竞品对比四类，不自己编。
2. 判定口径：答案里关键信息（数字、名称、政策）全对才算过，错一个字算错。这条最难扯，供应商总想按「部分相关」给分，我直接堵死。
3. 批次留证：每轮测试录屏+截图，标日期和模型版本，不然下次对不上账。

踩过的坑：

第一轮测完，答对率31%。供应商说是模型的问题，跟我没关系。我没接话，自己把官网「门店列表」从一张图改成了表格，字段拆成城市、地址、营业时间、电话。两周后同一批问题再测，答对率跳到58%。证据摆那儿，谁的问题不用争。

第二个坑是口径。客服说的「换货」和「退货」在AI那儿被当成一回事，我顺着日志查，发现语料里字段名混着写，一个叫return_policy，一个叫exchange_rule，模型直接合并理解。改命名规则又花了一周。

判断依据就一条：客户真会问的问题，AI答不对，GEO做得再热闹也是白干。

现在每批语料上线前，我都先跑一遍这50题，答对率不到60%不放行。

问一句：你们验收GEO的时候，是看引用数还是看AI答对客户问题的比例？这个口径怎么跟供应商谈拢的，求个实操经验。