把GEO问句按「客户下单前最后一句」重排，返工率从四成降到一成半

上个月接了个重庆本地的机加工单子，做GEO优化。客户是做非标零部件的，我在他们客服录音里扒了三百多条问句，按「客户下单前最后一句会问啥」重新排了序。

先说结论：排完之后，AI答非所问的比例从四成掉到一成半。

具体咋操作的：

第一层，先分「决策前」和「决策后」。
客户下单前问的是「你这东西能不能做我这个规格」「交期稳不稳」「公差能到多少」；下单后问的是「怎么开票」「物流到哪了」「坏了咋修」。这两类混在一起跑GEO，AI会拿售后的答案去回答售前的问题——我实测过一组，把「退货政策」跟「定制公差」放一个问句池里跑，AI有三次把公差范围答成了退货期限。

第二层，把「决策前」再拆成「排除性问句」和「确认性问句」。
排除性问句是客户在筛你——「你们做不做小批量」「有没有类似案例」。确认性问句是他已经想买了，就差最后一脚——「三天能发货不」「含税价多少」。我把两类分开跑，发现排除性问句的答错率是确认性问句的两倍多，因为AI处理否定和限定条件时容易漏字。比如「不做小批量」被答成「小批量也接」，这种错在确认层基本不会出现。

第三层，每条问句后面挂一个「必须出现的数值」。
这招是跟车间老师傅学的。每条问句我标一个必须出现的数，比如「交期」必须出现「天」，「公差」必须出现「±」，「起订量」必须出现具体数字。跑完一比对，缺数值的答非所问占了七成。AI不是不懂，是它把定性描述当定量答了。

踩的坑也说一下：我一开始把「大概」「差不多」这种口语词直接喂进去了，结果AI拿这些词当模糊限定，答得更飘。后来把口语词换成「区间」「范围」这类结构化表达，答准率才上来。

还有个事得提醒：这个分层法在标准品上效果好，非标件上只能算及格。非标件的问句里「我这个」太多，AI接不住上下文，我现在的做法是每条非标问句后面强制补一句「规格：长宽高各多少」，不补就跑偏。

工具那边我没用啥花哨的，就是表格加脚本，跑批的时候把采样戳和问句版本锁在一起，方便回溯。

问一句：你们跑GEO问句库的时候，「决策前」和「决策后」是分开跑的还是一锅炖的？有没有人试过把否定性问句单独拎出来测？