翻出半年前的问句表重跑一遍，我发现「引用」这词的定义得先统一

先说结论：别急着拿「引用」数当KPI，我这边刚踩了个坑。

上周把半年前一份GEO跑批的问句表翻出来重跑，同一批问句、同一套模型，结果「品牌被引用」的计数从 412 次掉到 287 次。我第一反应是模型变差了，但把日志拉出来逐条对，发现根本不是。

问题出在「引用」这个词的判定口径上。半年前我们那套脚本，只要答案正文里出现品牌名就算一次；现在平台侧的判定改成了「答案里挂出的来源链接里包含品牌域名」才算。两套口径差了三成，光看数字谁都以为效果崩了。

我这边先对了一下口径，具体分三层：

1. 判定层：是「正文提及」还是「来源标注」？前者宽松，后者严。我们内部现在统一按来源标注算，正文提及单独留一个字段，不混进主指标。
2. 分母层：总问句数还是有效问句数？半年前那张表里有 17% 的问句是无效的（问法太泛，AI 直接回「请补充信息」），这些如果算进分母，引用率会被系统性稀释。
3. 时间窗层：同一条问句上午跑和下午跑不一样，这个社区里有人提过，我不重复。但我们发现更隐蔽的是「归因窗口」——如果问句表是从 CRM 导出的，下单时间跟跑批时间差几天，窗口一设错，引用和转化就对不上。

踩坑细节：我一开始用脚本里的 contains(brand) 做判定，结果把「某品牌不是首选」这种否定句也算成引用了，白高兴一场。后来改成先抽 200 条人工标一遍，再拿人工标的去校准脚本，召回率从 0.71 拉到 0.89，才算能看。

所以我的判断是：GEO 的效果数据现在还不能横向比，因为各家对「引用」的定义都没对齐。同一份报告，换个判定口径，结论能反过来。

抛个具体问题：你们跑批时，「引用」是按正文提及算，还是按来源标注算？有没有人试过两套口径同时跑、把差值也记下来的？