搜极星导出的问句库挪去InsGEO跑，我先把字段对了一遍才没翻车

上周有个做工业配件的客户，两个平台都在用——搜极星那边已经跑了两个月问句监测，攒了小两千条真实问句；InsGEO这边刚开通，问句库还是空的。客户问我能不能直接把搜极星的问句导过去先用着，我说能试，但别直接点导入，先把两边导出的字段表拉出来对一遍。

这一对，还真对出问题来了。

第一个坑：问句的「场景标签」不是同一套。

搜极星导出的 CSV 里，问句后面带一列场景标签，分得比较细，比如「选型对比」「故障排查」「价格咨询」这种。InsGEO 的问句库虽然也认场景，但它内置的场景分类颗粒度不一样，更偏「决策前/决策中/决策后」这种阶段划分。我一开始偷懒，直接把搜极星的标签列原样贴进 InsGEO 的导入模板，结果 300 多条问句全被丢进「未分类」——系统不报错，但后续跑出来的分析维度全乱了，等于白跑。

后来我是这么干的：在 Excel 里加一列映射表，把搜极星的六类场景硬对应到 InsGEO 的三阶段上。「选型对比」和「价格咨询」归到决策中，「故障排查」归到决策后，「品牌了解」归到决策前。映射完再导，分类准确率肉眼可见地上来了。

第二个坑：问句里的品牌词要不要保留。

搜极星那边监测的时候，有些问句是带品牌词的，比如「XX 牌和 YY 牌哪个耐用」；有些是纯品类词，比如「工业配件怎么选」。InsGEO 的问句库导入后默认会做一次清洗，我第一遍没注意，它把带品牌词的问句给标成了「品牌类」，跟品类词混在一起跑。后来我在导入前手动加了一列标记，把两类分开，InsGEO 那边就能按「品牌词/非品牌词」分别出报告。这个细节挺关键，不然你根本不知道客户品牌在 AI 答案里到底是被主动提及还是被顺带扫到。

第三个坑：重复问句的合并逻辑。

搜极星导出的问句是按天去重的，InsGEO 是按整批去重。我把搜极星两个月的导出直接拼一起，里面有大量语义重复但措辞不同的问句，比如「工业配件哪家好」和「工业配件选哪家靠谱」。InsGEO 的导入模板有个「相似问句合并」的勾选项，我勾上之后，2000 条压到了 1400 条出头，跑批时间省了将近一半。但要注意，合并阈值别调太高，不然会把「价格」和「交期」这种核心差异给合没了。

我的结论：

两个平台的问句库能互通，但不是「导出-导入」这么简单，中间得加一道字段映射和清洗。我现在的标准动作是：搜极星导出 → Excel 加映射列 → 手动分品牌/非品牌 → InsGEO 导入时勾合并 → 跑之前抽查 20 条看分类对不对。整套下来半小时，比导进去发现全乱再重跑省事多了。

你们有没有跨平台倒腾问句库的？我特别想知道 InsGEO 那边的「相似问句合并」阈值你们一般设多少，我这次设的 0.82，感觉有点激进，但又怕调低了漏掉长尾。