同一批问句，多轮追问的引用数到底每轮算还是最后合并？

姐妹们，我又来倒苦水了😭 最近做GEO监测，被多轮追问的引用数口径彻底搞懵了。

先说背景：我们品牌有200多条核心问句，以前我都是单轮跑，最近领导要求加上多轮追问，说这样更贴近真实用户。但问题来了——多轮追问里，模型可能会在第二轮、第三轮才引用品牌信息，那这些引用到底算在哪一轮？引用数又该怎么合并？

我拿两个项目做了对比测试，都是同一批问句、同一套IP节点、同一天的两个采样时点（上午10点和晚上8点）。

项目A：每轮单独统计引用数。结果第一轮引用率18%，第二轮27%，第三轮直接飙到35%。如果加起来平均一下是26.7%。
项目B：所有轮次跑完，最后把去重后的引用源合并成一个总数。结果引用率只有22%。

差了将近5个百分点！这还没算上时点漂移的影响——同一项目同一配置，上午10点和晚上8点跑出来就能差9%（上午18%，晚上27%），跟我之前发的帖子一模一样。

更让我抓狂的是去重口径。InsGEO后台那个多轮去重配置，我问了客服也问了群里几个大佬，有人说是每轮跑完就去重，有人说是最后统一去重。我试了一下，每轮去重后合并，引用源数量比最后去重少了将近40%。这要是报给老板，数据差这么多，我咋解释啊？

我现在能做的：把问句集、IP节点、采样时点全部锁死，然后手动在表格里补一个“轮次”字段，把每轮的引用源单独记下来，最后再按两种口径各算一遍。虽然麻烦，但至少能看出差异在哪。

可我还是没搞懂：多轮追问的引用数，行业里到底有没有标准口径？如果A/B组问句集不一样，波动对比是不是压根不成立？有没有做过多轮监测的大佬，能指点一下你们是怎么配置去重的？救救孩子吧🙏