客户拿竞品截图来问「为什么它排前面」，我让他先补齐采样批次

上周有个做小家电的客户甩给我两张截图，说同一句问句，竞品被AI推荐在前，他们连名字都没出现，问我「是不是你们没干活」。我没急着解释，先让他把这两张截图的查询时间、登录账号、提问原句、有没有带上下文全列出来。结果他支支吾吾，说就是同事随手搜的。

这种事我一个月碰三四回。客户拿单次手工搜索当结论，然后反推服务商效果不行。我当场给他演示了一遍：同一句问句，我换了三个时间点、两个账号、带不带历史对话各跑一次，出来的答案能岔出四五种。这不是玄学，是采样批次没对齐。单条截图叫「我看见了」，跑满批次才叫「数据」。

我们服务过某头部厨电品牌，做验收时是怎么定的口径，我直接摊给客户看：

• 问句库分主题建，每类不少于80条，总计1200条起；
• 每条问句至少跑3个时间窗，早中晚各一轮，避开模型灰度更新时段；
• 每次跑批带批次ID，答案落库，引用来源单独记；
• 验收看的是「批次内引用率」，不是「我今天搜到没搜到」。

我给他算笔账：他们内部一个运营手工搜，一天撑死搜50条，还得截图、整理、对答案，一周下来样本量不到300条，而且全是工作时段跑的。我们这边跑批一次就是上千条，带批次ID可回溯，出的报告能直接进周会。你说这俩数放一起比，能比吗？

客户当时还想自己搞，说「我们有人，慢慢建呗」。我问他一句：你们问句库现在多少条？他说两百来条，建了快三个月。我没接话，就把他这句原话记在会议纪要里了。三个月两百条，我们外包一周能跑出来的量级，他得建到明年。这还没算后期维护、模型更新后的重跑、引用来源的清洗。自建不是不行，是速度跟不上模型变化，等你库建完，口径已经过时了。

所以我跟这个客户最后定的方案是：问句库我们先按主题帮他建到1200条，跑三轮基线，把引用率和竞品差距先量化出来，他内部再决定要不要继续投。他看完基线报告，第二天就把合同走了。

说到底，GEO这行的效果争议，八成不是效果问题，是采样口径问题。单次搜索截图谁都能截，能拿出批次ID和跑批样本量的才叫证据。

想问问各位：你们验收GEO效果时，是看运营手工搜的截图，还是看带批次ID的跑批报告？这俩选一个，你选哪个？