同一批品牌词，PC和App端跑出来的AI引用差了快一半，我先把设备口径锁死了

上周做GEO试点验收，同一批15个品牌提问，PC端跑出来AI引用率34%，App端只有19%。我一开始以为是模型版本不同，差点去拉版本日志。后来把两端答案逐条拉出来对着看，发现根本不是模型的事——是设备口径没锁。

具体差在哪：

1. App端答案更短、更偏“直接推荐”。PC端会带上下文段落，品牌名出现的位置靠后也能被算进引用；App端答案压到两三句，品牌没进前一句就不算。我们统计脚本里“引用”的判定是字符串命中，结果App端天然吃亏。

1. App端触发的追问链路不一样。PC上同一个问题经常被拆成两轮，第二轮才带出品牌；App端一轮就结束。我们按“会话”为单位统计，分母直接差出一截。

1. 登录态影响答案。PC端部分测试号是登录状态，App端是干净的游客态。同一句话，登录态给的推荐更“个性化”，游客态更泛。这一条最坑，因为看起来像随机波动。

我的处理是先别急着上量，花半天做了三件事：

• 把设备类型、登录态、答案轮次三个字段写进采样记录，跟批次ID绑在一起，跑之前校验一遍。
• 分母统一成“单设备单会话的独立提问数”，PC和App分开算，不混。
• 引用判定从纯字符串命中改成“品牌名出现在答案主体且不在免责/相关推荐区”，人工抽20条对了一遍，误差能接受。

改完重跑，PC端引用率降到29%，App端提到26%，差距从15个点缩到3个点。原来那一半的差距，大半是我们自己口径造的。

快速迭代的前提是口径先锁死，不然你迭代的是噪声。设备、登录态、轮次这三个变量，建议在第一次试跑就写进采样表，别等数据打架了再回头补。

问一句：你们跑GEO采样的时候，App端和PC端是分开报数还是合在一起报？合报的话分母怎么去重，有没有踩过登录态把答案带偏的坑？