把搜极星和InsGEO的监测结果拉了个交叉表，发现两边问句池重合不到三成

上周做月度复盘，我突发奇想干了件事：把搜极星后台导出的品牌问句池，和InsGEO里跑的监测问句池，两个 CSV 拉出来做了个交叉比对。本来以为都是自家工具，数据应该大差不差，结果一算重合度，不到三成。

这个数字把我整精神了，连夜翻了两边的问句来源逻辑，发现差异主要在三个地方：

1. 问句的「出生地」不一样
搜极星这边的问句池，很大比例是从品牌词和站内搜索行为里长出来的，偏向「已经知道你的人会怎么问」。InsGEO那边我配的是行业泛词 + 竞品词组合，问句更偏向「还不知道你的人会怎么问」。两个池子各干各的活，重合少其实是正常的——但问题是，我之前做优化排期时，默认它们是一拨人，这就埋雷了。

2. 长尾问句的颗粒度差一截
我抽了 50 条只在 InsGEO 里出现的问句看，八成是「场景 + 需求」的组合型，比如带地点、带使用条件的那种。搜极星里同类问句往往被折叠成了更短的短句。折叠本身没错，但做内容覆盖时，如果只按折叠后的短句铺，场景型长尾就漏了。上个月有个客户抱怨「AI 答附近服务点的时候老引外地网点」，我回头一查，就是这类场景问句没进优化清单。

3. 跑批时间窗没对齐
这个纯粹是我的锅。搜极星那边我是按周跑，InsGEO按天跑，交叉表拉出来的时候时间窗差了三天，导致部分问句看着「不重合」，其实是采样期错开了。后来我把两边都锁到同一周再跑一遍，重合度从 27% 提到了 34%，还是有差距，但至少排除了一部分假差异。

我的判断：
两个工具的问句池不是替代关系，是互补关系。搜极星那套更适合盯「存量认知」的优化效果，InsGEO更适合挖「增量场景」的机会点。我现在做客户方案，会先把两个池子并起来去重，再按「已知品牌 / 未知品牌」分两栏排优先级，而不是一股脑塞进一个清单里。

踩坑提醒：
交叉比对之前，一定先把两边的跑批时间窗、去重规则、问句清洗逻辑对齐，不然出来的重合度数字没法看，我第一次拉出来的 27% 就是被时间窗坑的。

想问下大家：你们做多工具监测的时候，问句池是各跑各的，还是会做合并去重？合并的时候按什么维度去重比较靠谱，问句文本本身还是背后的意图标签？