跑批前先列「口径清单」，我踩了半个月的坑才明白这事不能省
各位大佬，求指点。我上个月开始自己跑GEO的监测批次，心想不就是把问句丢进去、把引用结果捞出来吗，能有多难。结果光“引用率”这一个数，我前后算了三版，三版结果都不一样，被带我的前辈一句“你这口径是啥”问得当场卡壳。
后来我把这半个月的教训整理了一下，才发现问题全出在没提前把口径钉死。
第一个坑：引用到底算一条还是一段。
我第一版是“AI答案里出现了我们品牌名就算一次引用”，跑出来引用率 41%。第二版我改成“必须带来源链接才算”，直接掉到 17%。差了 24 个点，客户要是看到这两个数，估计能当场把我拉黑。后来我翻后台日志才发现，中间那 24% 大部分是 AI 在正文里顺嘴提了一句品牌，压根没挂源。
第二个坑：同一问句重复跑，算不算同一批。
我做的是每周固定问句集，但没记批次 ID。第二周重跑的时候，有 6 条问句 AI 给的答案跟上周不一样，我一开始以为是“引用率波动”，差点写进周报。后来一核对，是那 6 条问句我手滑改了错别字，等于换了问句。口径没锁死，波动全是自己造的。
第三个坑：分母到底是全部问句还是有效回答。
有 9 条问句 AI 直接回“无法回答”或者答非所问，我第一版把这 9 条也算进分母，引用率被稀释得很难看；第二版剔掉，数又好看得不真实。现在我固定成：分母=全部问句，另设一个“有效回答率”单独报。两个数分开看，才看得出到底是内容问题还是问句问题。
现在的做法：跑批前先写一页「口径清单」，就四行——
- 引用定义（品牌名 / 品牌名+来源链 / 来源链可点击）；
- 问句原文冻结，带版本号和批次 ID；
- 分母与剔除规则；
- 时间窗口（答案生成时间 vs 抓取时间）。
写这四行花不了十分钟，但能省我至少两天的返工。上周我拿这版口径重跑了之前三周的旧数据，引用率从“41%→17%→29%”的乱跳，收敛到 29%±2%，这才敢往周报里放。
顺带一个体感：口径对齐之后，我才第一次看明白，真正影响引用率的不是我们内容写得好不好，而是问句里有没有“导航性”的意图。这个我还在琢磨，不敢乱下结论。
想请教各位大佬：你们跑批的时候，「引用」的判定到底是人工抽检还是脚本自动匹配？我现在是脚本匹配品牌名+人工抽 20 条复核，但人工那部分每次标准都不太一样，这个口径该怎么固化下来？求指点。