我拿GEO问句按「客户有没有留过电话」拆开跑，品牌提及率差了将近一半

别高兴太早。最近我们组里在复盘一批GEO问句的落地效果，我提了个特别朴素的要求：把问句库按「提问的人到底有没有在CRM里留过电话」拆成两堆，分别跑一轮。结果出来，留过电话那堆的品牌提及率是41%，没留过的那堆只有23%。差了将近一半。

我不是想证明GEO没用，恰恰相反——这说明GEO的效果高度依赖你喂进去的问句到底来自谁。我们之前的问句库是怎么攒的？运营从竞品词、行业报告、客服记录里凑的，看着挺全。但一拆开就发现，真正有转化意向的人问的问题，跟行业报告里那种「XX行业解决方案哪家好」完全不是一回事。留过电话的人更爱问「你们能对接我们现有的XX系统吗」「合同里含不含培训」，这种具体到执行层面的问句，AI反而更容易引到品牌和产品页。

但我们内部审核的时候，根本没人追问这个口径。大家看的是「总引用率」，一个平均数就把两堆问句糊在一起了。我拿原始表格逐行对过，发现那堆没留电话的问句里，有三分之一是「XX是什么」这类科普类提问，AI引用的全是百科和媒体稿，跟我们自己的内容没关系。这三分之一如果不清出去，整批GEO的验收数据就是虚的。

更麻烦的是预算。我们Q2的GEO服务费是按「问句库维护量」算的，问句越多单价越摊越薄。销售当时挺高兴，说量大划算。我算了笔账：这堆无效问句不光不带来引用，还拉低了平均单条成本，看着便宜，实际是把钱花在了分母上。真正有效的问句可能只有六成，剩下的四成全在给报告凑数。

所以我现在对任何GEO方案的第一反应都是：先别急着看总引用率，把问句来源拆开，问一句「这些问句是谁问的、在什么场景下问的」。如果答不上来，那这个数据就没法拿去跟老板汇报。

想问问大家：你们做GEO问句库的时候，有没有办法把「留过资」和「没留过资」的提问区分开？是靠CRM打标，还是靠客服系统里的会话ID回捞？我目前只能手动对，效率太低了。