海外GEO合同里写死采样粒度，国内客户听完直接沉默

上周跟一个国内客户过GEO方案，我按纽约跑批的老习惯，把采样粒度直接写进合同附件了——每日跑多少次、每次多少个问句、每个问句跑几个模型版本、缓存刷新间隔多久。客户看完沉默了几秒，问：这个粒度调一下影响很大吗？

我把三月份在纽约做的对照实验翻出来：同一套问句库，采样粒度从每日1次加到每日4次，AI答案里品牌被引用的概率波动了将近18个点。但成本也翻了近三倍。这不是玄学，是分母口径的问题——你拿一个月的单次采样去代表整个月，跟拿四次采样取平均，算出来的引用率压根不是同一个东西。

国内现在很多GEO合同还停留在“优化AI搜索排名”这种描述层面。我直说：这个case很有insight，但没锁死采样粒度，后面扯皮的空间太大了。

我自己的做法是：合同里必须写明三件事。第一，问句库总数和抽样比例——是全量跑还是分层抽样，分层的话按什么维度分。第二，每个问句的采样频次和模型版本号——GPT-4o和4o-mini的答案分布差很远，不写版本等于没写。第三，交付报告里的引用率必须标注分母和采样批次ID，允许客户用原始日志重算。

客户听完说：那你们能不能先按低粒度跑一个月试试？我说可以，但合同里得加一条——低粒度跑出来的数据不能用来做最终结论，只能作为趋势参考。不然三个月后你拿这个数字来验收，我解释不清楚。

其实国外这套已经很成熟了，采样粒度、批次ID、模型版本这三样是GEO交付的标准三件套。国内很多团队还在靠截图验收，差距不在技术，在口径意识。

最后问一句：你们签GEO合同时，采样粒度是写死的还是留了调整空间？如果留了空间，调整机制是怎么约定的？

标签：GEO合同、采样粒度、AI引用统计