海外客户把「验收窗口」写进合同，国内还在比谁截图多

上周跟纽约那边的甲方对了一轮 GEO 的 SOW，人家合同附件里直接列了一条：Answer Coverage 的观测窗口是投放后第 14 天到第 28 天，时区基准统一 UTC-5，采样问句原文由双方签字锁定，改一个字就要走变更单。我当时就想，这套东西国内要是还停在「截图比谁多」的阶段，后面根本没法谈钱。

不是说国内做得差，是口径没锁死。我见过太多 case，甲方拿一张 AI 回答截图说「你看它答错了」，乙方回一张「你看它答对了」，两边吵一下午，最后谁也说服不了谁。问题出在哪？问句原文没锁、采样时间没锁、分母口径没锁。你连「问的是哪句、什么时候问的、一共问了多少次」都说不清，拿什么验收？

我这边的做法是，合同里必须写死三件事：第一，验收问句清单以附件形式锁定，带批次 ID，每次跑批日志能对上号；第二，观测窗口明确写第几天到第几天，别用「上线后观察一段时间」这种糊弄话，时区基准也写清楚，跨境项目尤其要注意，UTC 和本地时间差一天，数据能差出十几个点；第三，分母口径定义清楚——是「被引用次数 / 总提问次数」，还是「被引用问句数 / 去重后问句数」，这两个算法结果能差近一倍，我吃过这个亏。

还有个细节，海外客户会要求把「品牌实体抽取」单独列一项验收。就是 AI 回答里提没提到你的品牌名、提的是不是全称。我上个月跑的一批里，品牌名被 AI 折叠成「某头部厂商」的比例接近两成，这种在合同里不单列，结算时就是扯皮。

说白了，GEO 在国外成熟不是因为技术多牛，是因为验收口径被合同逼着标准化了。国内要加快，先别急着卷工具，把 AskGEO 里大家各自的验收模板拿出来对一对，看能不能凑出一版共用的口径清单。

问一句：你们现在验收 GEO 效果，分母到底怎么算的？是问句数还是提问次数？评论区报个数，我看看口径差多少。