翻后台日志才发现，问句库里「怎么做」和「多少钱」得分开跑批

大佬们好，我是新手小白。上周我一直在死磕问句库的分类，起因是我发现同一个品牌词下，AI 给的答案引用源完全不一样，我一开始以为是内容质量问题，结果翻后台日志才发现，是我跑批的时候把不同意图的问句混在一起了。

先说具体场景。我手上有一个 3000 条左右的问句库，之前是按「品牌词 / 品类词 / 场景词」三档分的，跑了两周 AI 引用率，一直卡在 12% 上下。我以为是内容不够好，就去补页面，补了五篇，引用率只涨了 1.2%。后来我把后台的跑批日志翻出来，按「问句前缀」重新拉了一遍，发现「怎么做」开头的问句，AI 引用的几乎都是教程类页面；「多少钱」开头的问句，引用的全是带价格表或者报价单的页面。这两类问句我原来混在一个批次里跑，结果就是每次看总引用率都像在坐过山车，今天高明天低，根本没法归因。

踩坑细节：我第一次拆的时候，只拆了「怎么做」和「多少钱」，结果还有一类「哪个好」的问句，引用源特别分散，有测评页、有问答社区、还有电商详情页。我又翻了一遍日志，发现这类问句的 AI 答案里，引用颗粒度是「产品对比」级别的，不是整篇页面。也就是说，我之前按「页面」维度统计引用率，把对比类内容给漏掉了。后来我把「哪个好」单独拉了一个批次，按「引用段落」重新打标，才看清楚这一类问句的引用率其实有 27%，但分散在三个页面的不同段落里，按页面统计根本看不出来。

我的判断依据是：跑批之前，先把问句按「意图」固定下来，至少分成「教程类」「价格类」「对比类」「推荐类」四档，每档单独跑、单独看引用率，不要混在一起看总数。我试跑了一次，把 3000 条拆成四批，每批 700 条左右，跑完发现价格类的引用率最高，教程类最低，对比类居中但波动最大。这个结论比我之前看总数有用多了。

还有一个细节，我一开始没注意「问句的时效性」。日志里有一条「2024 年最新报价」的问句，AI 引用的是一个 2023 年的页面，我以为是内容没更新，后来发现是问句本身带年份，AI 会优先匹配带年份的页面。所以我现在跑批之前，会先把带年份、带「最新」这类词的问句单独标出来，避免它们干扰整体引用率。

我现在卡在一个地方：问句拆到四档之后，每一档的样本量变小了，跑出来的引用率波动反而更大，我不知道是该多跑几轮取平均，还是该把相近的档合并回去。求大佬指点，你们跑批的时候一般怎么处理样本量和波动的关系？