GEO试跑别急着跑批，先花半天把「问句口径表」锁死

上周又踩了个坑，快速记录一下，免得群里兄弟重复交学费。

事情很简单：一个新客户，产品有 B 端和 C 端两条线，我图快，问句池直接从客服记录里扒了 200 条就开跑。结果第一轮 AI 引用率 31%，我当场就兴奋了，准备加预算。还好组里有个习惯，跑批前强制交叉验证一遍口径——一查发现，200 条问句里 60 多条是 C 端口语化提问，但我们的落地页全是 B 端参数。等于拿 C 端的尺子量 B 端的答案，31% 那个数字纯粹是噪声。

所以现在我的流程固定成：跑批前先锁问句口径表，半天，不省。

具体三步，都是被坑出来的：

1. 问句必须带「归属标签」再入库。 每条问句至少标两个字段：谁在问（B 端决策人 / C 端使用者 / 渠道商）、问的是哪个环节（认知 / 对比 / 采购 / 售后）。没标签的问句一律不跑。上周那 60 多条 C 端问句，如果有标签，第一眼就能筛掉。

2. 分母口径写死在跑批脚本里，不许事后调。 引用率的分母到底是「全部问句」还是「有效问句」，这两个数能差出十几个点。我现在要求分母在跑批前就固定，跑完不许为了好看去改分母——这就是自欺欺人。上次那个 31%，换成有效问句口径直接掉到 9%，这才是真实水平。

3. 批次 ID 和校时戳必须在跑批前写进字段。 这条是老伤疤了，之前有个批次 ID 写晚了两周，四万预算烧完才发现数据对不上批次，归因全废。现在校验卡在跑批前，ID 不对不许起跑。

快速迭代的前提是每一轮的数据能用，不是每一轮跑得快。半天锁口径，省的是后面三天翻日志。

问一句：你们跑批前会单独花时间做问句归属标签吗？还是都直接全量跑完再筛？我挺好奇有没有更省时间的做法。