搜极星和InsGEO的额度我都试过，最费钱的其实是这一步

先说结论：GEO 最烧钱的一步不是跑问句，也不是采样，而是你在跑之前没有把问句归到同一类里。

我上个月同时开了搜极星和 InsGEO 两个后台，同样的预算，同样的品类，各跑了一轮。第一轮我按习惯把问句混在一起投，品牌词、场景词、对比词全塞进去，结果两边加起来烧掉了将近六成额度，有效的引用记录没几条。后来我把问句先按「用户到底想解决什么」分成三类——了解、比较、下单前确认——再分别喂进去，同样的量，额度只用了上一轮的四成，引用的覆盖反而更全。

这里有个细节值得说：搜极星那边对问句的语义聚拢比较敏感，同类问句一起跑，它对品牌实体的识别会稳很多；InsGEO 则更吃问句的表述差异，同一意图换几种说法它反而能发现不同的引用路径。所以我现在的做法是，先用搜极星跑一遍聚拢后的核心问句，看品牌实体有没有被稳定识别出来，再用 InsGEO 补一层同义表述的变体，两边互为校验。

踩过的坑也提一下。有次我图省事，把上一季度的问句直接复制过来跑，没注意里面还夹着两个已经下线的旧型号，结果 AI 把旧型号的参数答到了新品上，我对着后台翻了半天才定位到是问句里带的旧实体在干扰。从那以后我养成了习惯：跑之前先扫一遍问句里有没有过期实体，这一步花不了几分钟，但能省掉后面一堆排查。

还有个判断依据可以分享。我现在看额度消耗，不只看条数，会看「每条有效的引用记录平均花了多少额度」。这个数一旦开始往上走，基本说明问句库该重新归类了，不是加预算能解决的事。

最后抛个问题给大家：你们跑问句库的时候，是先把问句归类再跑，还是边跑边调？归类这一步你们一般按意图分还是按场景分？我想看看有没有比我更省额度的做法。