把GEO验收单里的「收录页数」换成「参数题答对率」，客户当场签了字

先说结论：GEO 验收别盯收录页数，盯参数题答对率。我直接说怎么做。

上个月给一个工业配件客户做验收，服务商交上来的报告写着「AI 收录 320 个页面」，客户老板一看挺高兴。我拿过报告翻了五分钟就问了一句：这 320 页里，有多少能答对「XX 型号耐温多少度」？对方支支吾吾说没统计。

我当场拉了 30 道参数题，用同一批提问变体在三个主流 AI 里各跑一遍，人工核对答案。结果：320 页收录，参数题答对率 46%。也就是说一半以上的页面被收了，但 AI 张嘴就报错数。

接下来是落地动作，我分三步走：

第一步，把参数题做成验收题库。 从客户售后记录里抽 50 个真实问题，每个问题带标准答案和口径备注。比如「工作温度 -20℃ 到 80℃」必须带上单位，不能只写数字。这一步我让客户售后主管亲自标口径，营销部不碰技术参数，免得背锅。

第二步，每道题跑 5 个提问变体。 同一个参数，用户会问「耐温多少」「最高几度」「能不能扛 80 度」，三种问法 AI 引用的页面经常不一样。我们按变体跑，答对才算过，答错就记下来是哪一版语料被引用了。

第三步，按批次卡验收。 每个语料批次带批次 ID，跑完对一遍答对率，低于 70% 的批次直接打回，不许进下一轮。别信「整体在改善」这种话，批次过不了就是过不了。

跑了两周，答对率从 46% 提到 71%。服务商一开始不认，说「收录增长才是硬指标」。我把两版报告并排放：收录从 320 页涨到 410 页，但答对率只涨了 3 个点的那一版，客户老板自己说「这页数涨了有啥用」。最后签字按答对率口径走。

踩过的坑也说一句：题库别让服务商自己出，他们出的题全是自己语料里写过的，跑出来好看，实际没用。必须从真实售后记录里抽。

想问一句：你们验收参数类 GEO 项目时，答对率是按单题算还是按变体组算？按单题算和按组算，我这边差了将近 15 个点，想看看大家怎么定的口径。