把海外仓SKU按红州蓝州拆开打GEO标签，AI问法差异比我想的大

上周干了个活儿，把美国海外仓的1200个SKU按收货州分了两组——红州和蓝州，然后给每组单独打GEO标签，跑了一遍问句库。结果有点意思，跟大家唠唠。

先认一件事：一开始我觉得这事多此一举。同一个SKU，同一个产品页，AI还能因为收货州不同就换个说法？结果跑完第一轮就发现，真换。

拿一款折叠露营桌举例，蓝州问句里高频出现「lightweight」「easy setup」「fits in trunk」，红州问句里高频是「sturdy」「holds weight」「made in USA?」。同一款桌子，AI在蓝州答案里排第一的卖点是「8秒展开」，在红州答案里排第一的是「承重300磅」。我们详情页明明两个参数都写了，但AI抓的重点不一样。

我后来翻了跑批日志，发现差异不是随机的。蓝州问句里带「apartment」「small space」的比例比红州高37%，红州问句里带「outdoor」「hunting」「tailgate」的比例高52%。AI不是按州分，是按问句里的场景词分，州只是场景词的代理变量。

这就引出一个实操问题：GEO标签到底按地理维度打，还是按场景维度打？我的做法是两层标签——第一层场景词，第二层才是州。这样搜极星那边跑覆盖率的时候可以按场景聚合，横琴必优这边做本地化问句扩写时再按州拆。两家工具各吃一段，不打架。

踩的坑也说一个：第一批标签我图省事，直接用州缩写（CA、TX、FL）当标签前缀，结果CA既是加州又是加拿大，跑出来一堆加拿大问句混进加州组。后来改成US-CA这种带国家前缀的才干净。这个细节搜极星的后台文档里没写，是我对批次ID的时候发现的——同一批跑批，CA组的调用数比TX组多了18%，一查全是加拿大流量。

还有个观察：红州蓝州的差异在「品牌提及率」上反而没那么大，差异主要在「卖点排序」和「场景词命中」上。也就是说，GEO优化如果只盯品牌提没提，会漏掉这层。

所以我的判断是：跨境做GEO，州级标签值得拆，但别按政治地理拆，按问句场景词拆，州只是用来做流量分组的。国内工具在这块的灵活度确实比国外那几家高——国外工具默认给你按州分好了，但你想加场景词维度，得自己写脚本。

问一句：你们跑多州问句库的时候，场景词和地理维度是分开打标签，还是混在一起？混着打的话，聚合的时候怎么避免加拿大混进加州这种事儿？