搜极星这个问题集功能，我拿它治好了团队「拍脑袋提问」的老毛病

上周带一个做小家电的客户做GEO试点，团队三个人分别去AI里搜同一个品类词，回来对答案的时候全傻了——有人看到的是品牌A排第一，有人看到的是品牌B，还有人压根没搜出自家产品。吵了半天，最后发现根子不在AI，在提问方式：一个人打的是「XX品类哪个牌子好」，另一个打的是「XX品类推荐」，第三个更离谱，直接搜的品牌名。

这事我太熟了。GEO落地第一道坎从来不是内容，是提问集没统一。你拿不同的问法去跑，出来的引用数据根本没法横向比，最后汇报的时候全是玄学。

后来我把搜极星的问题集功能翻出来重用了。具体做法是：先把客户这个品类在真实场景里会出现的问法全部穷举出来，按「认知-比较-决策」三层分好，比如认知层是「XX是什么/怎么选」，比较层是「XX和YY哪个好」，决策层是「XX值得买吗/多少钱」。每一层固定三到五个标准问句，做成一张表，谁去跑都按这张表来。

关键细节有两个。第一，问句里绝对不能带品牌名，一带品牌，AI的回答就变成品牌自述，引用率虚高得没法看，这个坑我踩过，现在都是把品牌词和品类词严格分开跑。第二，每个问句后面要标注测试设备和端，PC和App端我实测过差异能到三成以上，不锁死设备口径，数据就是废的。

用搜极星的好处是问题集可以版本化管理，这周改了一个问句，下周跑出来的数据能直接对比，知道是内容变了还是问法变了。之前用表格手工记，改到第三版自己都记不清哪版对应哪份报告。

跑了两周，最直观的变化是团队不吵架了。以前每个人拿自己的问法跑出来的数据互相不服，现在统一问题集，谁的引用率低就去看对应的那篇内容，问题定位快了很多。客户那边验收也认这个，因为问句是提前定好的，不是事后挑好看的截图。

InsGEO那边我主要用来做交叉验证，同一个问题集两边跑一遍，看引用来源的分布差异，能反推出AI更吃哪类内容结构，这个后面可以单独写一篇。

现在的问题是：问题集到底该多久迭代一次？我目前是按月度更新，但有些品类用户问法变化很快，月度可能都嫌慢。你们实际跑的时候是固定问题集长期追踪，还是定期换一批新问句？换的话，历史数据怎么对齐？