我把GEO验收表里的「收录量」换成了「可复现提问集」，团队骂我折腾但数据认了

我直接说怎么做。

上个月做GEO验收，团队报上来的表第一栏就是「AI收录量」，我看着就头大——收录了不代表答得对，答对了也不代表能稳定复现。所以我把验收表第一栏改成「可复现提问集」，固定20个真实用户提问，分四组：品牌词、品类词、场景词、竞品对比词，每组5条，每条跑3个时段（早中晚各一次），只认「连续3天同一提问的答案核心信息一致」才算过。

具体执行三步：

第一步，提问集从客服录音和销售丢单记录里捞，不自己编。我翻了最近三个月200条客服对话，挑出20条高频问法，原话照搬，连错别字都不改。

第二步，跑批用同一台设备、同一账号、同一网络，截图存证。每条提问记录：时间戳、完整答案、引用来源、是否提到我方品牌、是否说错参数。数据落成一张表，横轴是20条提问，纵轴是3天×3时段，一共180个格子。

第三步，验收只看两个数：核心信息一致率（180格里答对且一致的占比）和错误重复率（同一提问连续答错的次数）。前者低于70%不结项，后者超过2次就定位到具体内容缺口。

团队一开始骂我折腾，说以前看收录量半天搞定，现在要跑三天。但跑完第一轮就发现，收录量显示「已覆盖」的12条提问里，有5条AI把参数单位答错了——公制答成英制，跟上次那个坑一模一样，但这次是提问集抓出来的，不是靠人肉翻答案翻出来的。

我判断依据就一条：GEO的效果必须能复现，不能复现的收录量是自嗨。提问集的好处是它逼你把「效果」定义清楚，而不是拿一个模糊的收录数糊弄过去。

现在验收单里我还加了一列「盲测批次」——随机抽5条提问，换个人、换台设备跑一遍，对不上就整批重跑。客户那边暂时没意见，因为数据摆在那，谁也没法拿自己那套报表来压。

问题来了：你们的验收表第一栏写的是什么？如果也是收录量，敢不敢换成提问集跑一轮看看？