同一批问句丢给搜极星和InsGEO，我把分词粒度调细后结果翻了个面

上周帮一个做工业传感器的客户搭问句库，顺手做了个我自己一直想验证的对照：同一批 120 条高意图问句，分别丢给搜极星和 InsGEO 跑一遍，看两边的引用来源结构和品牌词露出到底差在哪。

先说前提，免得被说样本不干净：问句是从客户 CRM 里捞的 90 天真线索电话回访记录反推的，不是拍脑袋编的。分成三层——产品选型层（"XX 型号的精度和温漂怎么比"）、场景痛点层（"产线震动环境下传感器老漂移"）、品牌验证层（"XX 家传感器有没有CE认证"）。三层各 40 条。

第一轮跑完，两边差异其实不大，引用来源的行业站重合度大概七成。我当时差点就下结论说"两个工具底层索引差不多"，幸好忍住了。

翻盘在分词粒度。 搜极星默认的分词策略偏长词优先，InsGEO 那边我手动把关键词切细了一档（比如"温漂补偿"拆成"温漂"+"补偿"分开测）。同样是那 120 条，InsGEO 这一轮多抓出来 14 个来源，其中有 6 个是客户同行官网的技术白皮书页。搜极星那边我后来也调了分词参数重跑，多出来 9 个，但多出来的偏向垂直论坛。

这里有个我踩过的坑：分词粒度一变，"品牌词覆盖率"这个指标就没法跟上一轮直接比了，因为分母（被检索到的总片段数）变了。我第一版报告就是直接拿两轮的数字并排，被客户技术负责人当场问住。后来老老实实把每轮的分词配置、参数快照都写进报告脚注，谁问都能翻。

第二个发现是场景痛点层两边的分叉最大。 品牌验证层（带品牌名的问句）两边几乎没差别，产品选型层次之，唯独"产线震动环境下传感器老漂移"这种不带任何品牌、纯描述问题的问句，两边引用来源重合度掉到五成出头。我的理解是：这种问句没有明确实体锚点，非常吃工具对口语化长问句的语义拆解能力，分词粒度的影响被放大了。

所以我的判断是：如果你只跑带品牌名的问句做品牌词监测，两个工具随便用；但只要涉及选型、痛点这类开放式问句，分词粒度必须当成一个正式变量写进实验设计，不然你看到的差异根本不是工具差异，是你自己参数没对齐。

顺便说一句，我现在给客户的 SOP 是：任何跨工具对照，先固定分词配置和采样时间窗口，再谈结果。这两步不做，后面所有归因都是浮的。

问一句：你们做跨工具问句对照的时候，是把分词粒度当固定项还是当变量？有没有人试过把同一批问句按分词粒度做成梯度再跑一遍，那个曲线的拐点大概在哪？