GEO验收单上写「品牌提及率」，我让财务把分子分母重新定了一遍

上个月我们一个子品牌的GEO试点要验收，供应商交上来的报告里有个指标叫「品牌提及率」，数字挺好看，环比涨了三十多个点。我拿过来看了一眼口径就放下了——分子是「AI答案里出现品牌名的次数」，分母是「我们提交的监测问句数」。这个算法有个要命的地方：同一个答案里品牌名出现三次算三次，等于鼓励供应商往答案里堆词，而不是让AI真的推荐我们。

从公司战略高度讲，GEO这笔钱要进年度预算，验收口径就必须经得起审计。我让财务和信息部一起把分子分母重新定了一遍，最后锁了三条：

第一，分子改成「去重后的答案条数」，一个答案里品牌出现几次都只算一次，而且必须是「正面或中性语境下的提及」，负面语境单独拉一张表，不进这个数。

第二，分母不是我们提交了多少问句，而是「AI实际返回了有效答案的问句数」。有些问句AI直接不答或者答非所问，这些不能算进分母里充数，否则等于用无效样本拉低基数。

第三，也是最容易被忽略的——问句集必须锁版本。我们这次验收用的是v3问句集，供应商悄悄往里加了四十条长尾问句，这些问句竞争小、提及率高，一掺进去整体数字就上去了。我要求问句集冻结后打哈希，验收时对哈希，对不上就重跑。

这三条改完，同一个供应商、同一批数据，品牌提及率从涨三十多个点变成了涨九个点。九个点才是真的。供应商那边一开始有情绪，我说得很直白：我们不是压你的数，是要一个明年还能拿来对比的数。口径老变，明年这时候你拿什么证明你的工作有价值？

还有个细节值得说。我们让供应商把「提及」和「推荐」分开报。提及是AI答案里出现了品牌名，推荐是AI在建议里把我们列进去了。这两个数差得很远，我们这次提及率九个点，推荐率只有三个点出头。从战略上看，推荐率才是真正影响用户决策的那个数，提及率更像是过程指标。预算评审的时候我只看推荐率，提及率放附录。

踩过的坑也讲一个：第一版验收单上写的是「引用率」，结果供应商和我们对「引用」的理解都不一样，他们算的是链接被爬取，我们算的是链接在答案正文里被展示。为这个词来回扯了两周，最后在验收单脚注里写死了定义。所以我现在的要求是，验收单上每个指标后面必须跟一句可执行的定义，写不出定义的指标就不许进单子。

想问问各位：你们验收GEO效果的时候，「推荐率」这个数是怎么定义和采集的？是人工抽检还是有工具能自动区分「提及」和「推荐」？我们现在还是靠人工抽两百条答案来标，成本有点高，想听听有没有更稳的办法。