海外GEO问句库直接翻译就翻车，我加了层「方言映射」才把引用率拉回来

上周帮一个做本地生活的客户复盘，他们从纽约团队直接搬了一套英文问句库，翻译成中文就跑，结果AI引用率卡在12%上不去。我翻了两边日志，发现根本不是模型问题，是问句本身就不对——海外用户搜“best brunch near me”，国内用户实际打的是“附近有啥好吃的早午餐”，甚至“周末睡到自然醒去哪吃”。这中间的gap不是翻译能解决的，得做方言和行业黑话的映射。

我的做法是：先把英文问句按场景拆成意图标签，比如“near me”对应“附近/周边/离家近”，“best”对应“排行/推荐/不踩雷”。然后从客服聊天记录里捞真实问句，按城市方言做同义替换，比如广州的“边度有好食”、成都的“哪家巴适”。这一步别指望AI自动生成，得人工过一遍，因为方言词进问句库后，AI抓取时的语义匹配权重会变。

具体踩坑细节：一开始我直接把方言词塞进原问句，结果AI把“巴适”理解成品牌名，推荐了一堆无关内容。后来改成“问句+括号注释”的格式，比如“成都哪家火锅巴适（指味道好、正宗）”，引用率才回到正常水平。另外timestamp一定要写进合同——我要求客户每周同步一次问句库版本号，否则审计时根本说不清是哪批问句影响了推荐。

数据上，加了方言映射后，这个客户在本地生活类目的AI引用率从12%提到19%，但线索质量没降，因为问句更贴近真实搜索意图。对比纽约团队的同批数据，他们的问句库更新频率是两周一次，国内我建议压到一周，因为方言词衰减快，比如“绝绝子”这种半年就过时了。

判断依据就一条：看AI回答里有没有出现“根据用户搜索习惯”这类话术，如果有，说明它抓到了本地化问句；如果没有，大概率还在用泛化词。

最后抛个问题：你们做方言映射时，是人工标还是用模型生成候选再人工筛？我试过用模型生成，准确率不到六成，想看看有没有更高效的解法。