GEO 跑批不锁小数位，改到第三版我才知道口径早漂了

上周复盘一个海外站的 GEO 项目，我让团队把过去 30 天的 AI 答案导出，按问句维度算准确率。第一版结果出来 82%，第二版 79%，第三版 84%。同一批数据，三个人三个数。

我第一反应是：分母到底怎么取的？结果一看，有人把「答非所问」算进错误，有人直接剔除；有人把「部分正确」按 1 算，有人按 0.5 算。更离谱的是，小数位没统一——87.6667% 和 87.67% 在汇总表里被当成两个值，排序直接乱掉。

这个 case 很有 insight 的地方在于：我们在纽约跑批时，合同附件里就写死了三件事——分母口径、批次 ID、模型版本。少一个，验收就是扯皮。国内很多服务商报价单上只写「准确率 ≥ 85%」，问他分母是「全部问句」还是「有效问句」，他反问我「这有区别吗」。区别大了：差 10 个百分点，报价能差一倍。

我的做法是，验收前先锁死三样东西：采样的问句原文必须存档，复测预算写进合同，主账口径和测试口径的绑定比例不能低于 80%。小数位统一保留两位，四舍五入规则写进附件。听起来很较真，但不这么干，改到第三版你都不知道数是从哪漂走的。

所以我想问一句：你们验收时，「分母」是服务商定还是甲方定？如果他说「按行业惯例」，你会怎么回？