新人求助：GEO 跑批前，你们会先给字段写「注释」吗？

各位大佬好，我是刚入行做营销的，最近被安排搞 GEO 的数据跑批，真的有点懵，求大佬指点。

上周我跑了一批品牌词的 query，大概两百条，结果导出表格一看，同一个品牌名在后台日志里出现了七八种写法，什么 品牌名、品牌名官方、品牌名+空格，还有带不带后缀的。我当时没在意，直接按去重后的 query 字段数统计，得出来是 187 个词。后来拿给带我的前辈看，他问了一句“你按哪个字段去重的”，我才发现如果按“品牌词变体归一化”后的实体 ID 来算，实际只有 63 个。差了将近三倍，当时脸都红了。

这事之后我学乖了，现在跑批前会先干一件事：把要用的每个字段写一行注释，写清楚它到底代表什么。比如：

• query_raw：用户原始输入，不做任何清洗；
• query_norm：去掉空格和标点后的归一样本；
• entity_id：品牌实体唯一标识，一个品牌对应一个；
• is_brand_variant：是否属于品牌词变体，布尔值。

写完之后我发现，好多字段名字看着像，实际口径完全不一样。比如 impression 和 answer_show，我一直以为是同一回事，结果一个是检索命中，一个是答案里真正展示，中间还隔着一层过滤。

我现在的方法是：先拉 20 条小样本，把每个字段的取值分布打出来，跟注释对一遍，对不上就先停下来问，不硬跑。虽然慢，但至少不会像上次那样把 187 当成最终数交上去。

不过我还是有个地方拿不准：品牌词变体到底算一个词还是多个词，你们是按实体 ID 归并，还是按归一化后的字符串去重？如果同一品牌有中英文两种写法，你们会合并成一个实体，还是拆成两个来跑？求大佬指点，这个口径定不下来我后面所有数都不敢出了。