纽约跑批的query set直接搬回国内，第一批就翻车了

上个月我把纽约那套GEO跑批流程原样搬回国内，结果第一批就翻车了，说出来给各位避个坑。

背景：纽约团队跑AI搜索引用率，query set是锁死的——200条固定问句，每两周跑一次，分母就是这200条，批次ID、问句原文、抓取时间全部留档。我寻思这套逻辑很solid，直接翻译成中文就上了。

结果第一批跑完，引用率看着还行，但我随手抽了10条问句去人工核，发现至少3条AI答非所问。翻日志才明白：我翻译query的时候把「best running shoes for flat feet」翻成了「扁平足跑鞋推荐」，但国内用户根本不这么问，真实问法是「扁平足适合穿什么跑鞋」或者「平足跑步鞋哪款好」。问句一换，AI触发的内容池完全不是同一批。

这就是典型的query set没做localization。纽约那200条是拿Google Trends和Reddit真实问句洗出来的，我直接机翻，等于把分母换了却假装没换。

后来我怎么修的：

1. 把200条问句拆成「意图骨架」和「本地表达」两层。骨架保留（比如「扁平足+跑鞋+推荐」），表达层从国内小红书、知乎、淘宝问大家里重新挖真实问法。
2. 每条问句保留原文、来源平台、抓取日期三个字段，批次ID按「日期+query set版本号」生成，这样下次谁改了哪条问句，diff出来一目了然。
3. 分母口径写死：引用率=被引用的答案数/该批次实际跑成功的问句数，跑失败的不算分母，单独记异常率。

修完之后重跑，引用率从18%掉到11%，但这11%才是真的。之前那个18%里有7个点是问句翻译带来的虚高——AI答的是另一批内容，我们刚好被带到而已。

我的判断：GEO国外成熟的是流程框架，但query set这东西天然带地域性，机翻等于把分母偷偷换了。国内要加快步伐没问题，但加快的前提是先把问句原文和分母口径锁死，不然跑得越快，虚高数据越多。

想问下各位：你们做多语言或多地区GEO的时候，query set是重新挖还是翻译？翻译的话有没有做过「翻译问句 vs 真实问句」的触发内容重合度对比？我这边想建个对照实验，缺个参照系。