海外GEO跑批那套采样粒度，国内团队直接照搬，结果对不上账

上周帮一家做跨境的家居品牌复盘GEO，他们国内团队直接拿了我们纽约跑批的采样框架去用，结果两周后数据对不上，跑来问我是不是AI搜索在国内水土不服。

我看了下他们的跑批记录，问题根本不在AI，在采样粒度。

纽约那边我们跑问句池，是按「城市+品类+决策场景」三层切的，比如「纽约 小户型 沙发 尺寸怎么选」。国内团队直接翻译成「北京 小户型 沙发 尺寸怎么选」，但漏了一个关键变量：国内用户问尺寸时，往往带「能不能进电梯」「楼道多宽」这种物理约束，这是美国公寓场景里很少出现的。

所以他们的问句池看起来是同一个结构，实际采到的语义分布完全不一样。跑出来的引用率自然对不上，不是AI答歪了，是问句本身就不是同一类。

我的做法是先把采样粒度锁死在三件事上：

1. 问句原文必须带地域词，而且地域词要分档——一线城市和二三线城市的问法差异很大，不能混在一个批次里跑。
2. 批次ID要能追溯到具体采集时间和采集人，否则后面发现数据漂移，你连哪一批出的问题都定位不到。
3. 验收窗口写进合同，比如「跑批后48小时内必须完成引用清单核验」，不然服务商拖一周再交，你连当天的搜索环境都复现不了。

他们后来按这个粒度重新切了三个批次，两周后引用率的批次间差异从21%降到4%。

这个case很有insight的地方在于：GEO在国外成熟，成熟的是方法论框架，不是具体参数。国内团队最容易犯的错就是把框架当圣经，把参数当空气。

你们团队跑问句池的时候，地域词是怎么分档的？有没有遇到过一线城市和下沉市场问法完全对不上的情况？