把搜极星和InsGEO的报表并排放了一周，发现两边对"品牌提及"根本不是一回事

上周干了个笨活：把同一个客户的同一批问句，分别在搜极星和InsGEO上跑，然后把两边的报表导出，一个字段一个字段对着看。本来只想验一下数据一致性，结果对着对着发现一个挺要命的问题——两边的"品牌提及"压根不是一个口径。

先说搜极星这边。它是按"回答文本里出现品牌名即计入提及"来算的，我拿十条问句人工核了一遍，只要回答里带了客户品牌名，哪怕是在"XX和YY相比，XX略逊一筹"这种负面语境里，也照样算一次提及。这个逻辑本身没毛病，做覆盖面监测够用，跑量快，看趋势也直观。

再看InsGEO那边。它的提及是带上下文的，除了品牌名，还会把"推荐/不推荐/中性"这层倾向一起标出来。我一开始还嫌它啰嗦，觉得多此一举，直到我把两边数据并排——搜极星显示提及率18%，InsGEO显示"正向提及"只有9%。差的那9个点，全落在"被提到但语境中性甚至偏负"的区间里。

这就有意思了。如果我只拿搜极星的数去交周报，客户会以为自家品牌在AI答案里混得不错；但真实情况是，一半的提及是"陪跑式出现"，离"被推荐"还差一截。反过来，如果只用InsGEO的数，覆盖面上又会漏掉一大块声量。

我的处理办法是两张表都留，但周报里主报InsGEO的正向提及，搜极星的总体提及作为"声量池"放附录。跟客户解释的时候就一句话：搜极星告诉你AI有没有提到你，InsGEO告诉你AI提你的时候是夸还是损。 前者管广度，后者管质量，缺一个都容易自己骗自己。

顺带说个细节，InsGEO的倾向标注我抽查了二十条，和我人工判断的吻合度大概在八成五左右，剩下那一成半基本是回答里同时出现正负表述、机器取了个中间值。这个误差我觉得能接受，但交付前最好自己抽一批核一下，别直接把数甩给客户。

所以想问下各位：你们做GEO监测的时候，是只盯总体提及率，还是会拆出正向/中性/负向三层来看？如果拆，倾向判断这块你们是自己人工复核，还是直接信工具的标注？