纽约办公室用同一套问句库跑GEO，换到国内客户身上，我踩了三个坑

上个月我把纽约那边用了一年多的GEO问句库直接搬到国内客户的case上，结果跑出来的数据没法看。三个坑，一个个说。

坑一：问句的「口语密度」不一样。
纽约的问句库是照着Google的搜索习惯建的，用户提问偏短，比如「best CRM for small business」。国内用户问AI的时候，句子明显更长，带场景、带预算、带对比。同一批产品，我把英文问句直译过来，AI引用率直接掉了三成多。后来我让团队按国内真实的客服聊天记录重写了一遍问句，把「预算多少」「几个人用」这些前置条件塞进去，引用率才回来。

坑二：采样时区基准没锁死。
纽约跑批默认美东时间凌晨跑，那会儿AI的索引更新刚完成，数据相对干净。国内我一开始没设时区，白天跑、晚上跑混在一起，同一批问句两天的引用条数差了9条。我后来固定在北京时间凌晨2点到4点跑，并且把每次跑批的批次ID和采样时间戳写进报告表头，才敢拿去跟客户对。这个口径不锁，后面所有结论都是浮的。

坑三：分母口径两边理解不一样。
纽约那边汇报引用率，分母是「该问句下AI返回结果中可识别的引用来源总数」。国内客户默认的分母是「我们自己的内容被引用的次数」。这两个口径差了一个数量级。我第一次交报告，客户盯着那个百分比问我为什么这么低，我翻出纽约的模板解释了半天，最后在报告首页加了一行「分母定义」才把这事说清楚。

我的判断：
GEO在国外已经跑得很成熟了，但那套方法论搬过来不能直接用。问句要重写、时区要锁死、分母要前置定义，这三件事不做，数据就没法横向比。国内现在缺的不是工具，是验收口径的共识。

你们跑GEO的时候，问句库是按什么标准建的？是直接翻译海外模板，还是从自己客服记录里扒？想听听大家的做法。