海外GEO跑批先锁问句批次，国内团队却直接开测，这坑我踩过

上周跟国内一个做家电的团队对进度，他们直接甩过来一份GEO测试报告，说AI提及率涨了18%。我第一反应就是：你们问句批次锁了吗？对方愣了三秒。

这个场景太熟了。我在纽约跑批的时候，第一件事不是测，是把问句池按用户意图分三层，每层固定50条，批次ID写死，连问句原文里的标点都不许改。为什么？因为AI对问句的敏感度远超你想象。上周我拿同一批产品，只把"哪个牌子好"改成"哪个牌子更靠谱"，引用率差了11个点。你连问句都不锁，涨跌全是噪声。

国内很多团队上来就开测，测完拿个百分比去汇报。我一般会反问三个问题：分母口径是什么？批次ID对得上吗？问句原文存档了吗？这三个没答案，那18%就是自嗨。

还有个细节，海外跑批我们会把验收窗口写进合同——比如连续两周、同一批次、每周三取数。国内客户往往只看单次快照，这等于用一张照片判断一部电影。上周那个家电团队，我让他们把过去四周的批次日志拉出来并排看，结果发现有两次跑批的问句池里混了品类词，AI引用率直接虚高。这跟我在纽约踩过的坑一模一样：品牌词和品类词混池，数据全废。

所以我的建议很直接：先别急着看效果，把问句批次表、分母口径、验收窗口三件事对齐。GEO在国外已经跑了好几年，成熟就成熟在这套流程上，不是模型多牛。国内要加快步伐，但快不是跳过锁批次这一步。

你们现在跑批，问句池是按什么逻辑分层的？有没有把批次ID写进报告模板？评论区聊聊，我看看能不能帮你们把口径对一遍。