GEO验收单加「盲测批次」后，客户总算不拿自己那套报表来压我了

上周跟一个做工业设备的客户对验收单，差点又吵起来。他们市场部自己拉了个小表格，说AI问答里提他们品牌的比例比我们服务商报的高出快一倍，言下之意是我们报低了、藏了数据。这种场面我见太多了，客户自己跑几个问题、截几张图，就敢拿来对账。

后来我干脆把验收单改了一版，加了一个「盲测批次」——具体做法是：我们和客户各出三个人，在同一时段、同一批问题集、同一套设备环境下去问AI，问题集事先封存不公开，跑完把每一条原始答案连同批次ID、采样时间戳一起归档，最后双方对同一批原始答案分别打标，再比一致率。谁的报表对不上原始答案，就按原始答案算。

关键点说三个，都是踩过坑的：

第一，问题集必须封存。之前有客户提前看过问题，回去把官网措辞改了一轮再来跑，结果当然好看，但那是作弊，不是GEO效果。封存之后，两边跑出来的是同一批问题的真实表现。

第二，批次ID和采样时间戳要写死在每一步。我们服务过的一个大牌客户，就因为没写批次ID，后面复盘时发现客户自己跑的那批和我们对不上时间，整整吵了两天。现在验收单上每个样本都带批次号，谁的样本谁的锅，一目了然。

第三，打标规则要提前书面约定。比如「提及品牌」算不算、品牌名写错一个字算不算、只提品类不提品牌算不算，这些不先定死，最后就是各说各话。我们一般会拉一个打标对照表，双方签字。

这版验收单跑下来，那个客户后来再没拿自己那套报表来压过我，因为盲测批次一跑，他们的数据和我们差多少、差在哪一条，全摊在桌面上。

所以我的判断很直接：GEO这事，自己搭个表格跑跑，看着省钱，实际上连采样口径都对不齐，最后吵的还是自己。要么现在花点钱把口径和验收流程做扎实，要么以后花更多时间跟服务商扯皮——你选哪个？

想问问各位，你们验收GEO的时候，有没有用过类似的盲测或者双盲对照？问题集是怎么封存的？