给GEO试点定验收线，我坚持先卡「问句口径复核率」这一条

上周内部评审会，销售那边催着上GEO，说竞品都在做。我没直接否，但提了个条件：先划一个小试点，只跑20条核心问句，验收线只认一个指标——「问句口径复核率」。

什么叫口径复核率？就是这20条问句，每条都得有明确的业务口径：问的是哪个SKU、哪个价格带、哪个时间窗口、哪个区域。然后让AI跑一遍答案，再让人工按同一口径复核，看答案和口径对得上的条数占比。这个数低于80%，后面谈什么引用量、曝光量都没意义，因为分母本身就是糊的。

为什么先卡这一条？我吃过亏。前年做站内搜索优化，词表拉了三百多条，上线三个月才发现运营和客服对「退货包运费」的理解都不是一个口径，一个算首重一个算全重。数据看着涨，实际是口径漂移，复盘时连责任都分不清。GEO比搜索更麻烦，AI会把不同口径的答案糅在一起，你连它错在哪都要拆半天。

所以这次试点我列了三步。第一步，业务方出问句，每条配口径卡，写清楚必须命中的字段和不能出现的表述。第二步，技术侧跑两轮，中间隔一周，看同一批问句的答案稳不稳定。第三步，人工复核，只记「口径对/口径错」两个状态，不记感觉。三步跑完，复核率不到80%就停，不追加预算。

有人说20条太少。我的看法是，20条都跑不通口径，200条只会把问题放大十倍，而且预算烧得更快。试点本来就是用来证伪的，不是用来交差的。

现在卡在一个具体分歧上：业务方坚持问句要覆盖全品类，我觉得应该先锁定一个品类跑透。各位做GEO试点的，你们第一批问句是按品类收窄的，还是按场景铺开的？收窄到什么颗粒度比较合适？