一、问题集怎么选：来自真实对话，不是想象的
问题集的质量决定了整套测量的有效性。最常见的问题是团队自己编一批「看起来很合理」的问题，结果与用户真实提问相去甚远，测出来的数据自然没有参考价值。
可靠的来源有三个，按优先级排序：销售与客服的真实对话记录、官网搜索框的实际搜索词、以及竞品评论区里用户提出的问题。
- 30 到 50 个问题为宜：太少没有统计意义，太多难以持续维护
- 覆盖三种意图：信息型（是什么）、比较型（哪个好）、决策型（怎么选）
- 固定下来后不要随意增删，否则前后对比会失去意义
二、每条记录必须包含的字段
记录字段的完整性决定了几个月后还能不能回溯。宁可字段多一些，也不要为了省事只留一个结论数字。
- 问题原文与提问时间
- 平台名称与模型版本（若可见）
- 品牌是否出现、出现的位置、是否被推荐
- 被引用的页面 URL 全文
- 竞品是否出现、引用了谁
- AI 原始回答全文
三、为什么必须保存原始回答
模型输出是概率性的。同一个问题在不同时间可能得到不同引用来源，如果没有原始记录，事后无法判断是内容起了作用，还是模型采样波动。
这也是为什么只保留「提及率」一个数字在实践中不够用——那个数字变化时，你没有办法追溯原因。
羽谱GEO 的查询工具默认保存完整回答，正是为了支持这种回溯。
四、什么算「有变化」：要给出可判断的标准
基线不是拿来欣赏的，是用来对比的。对比前先约定判定标准，否则「有点提升」这种说法无法转化为决策。
- 样本量有限时，优先看方向性变化而非精确数值
- 把变化归因到具体动作，而不是笼统归因到「这段时间的优化」
- 保留未变化的部分，未变化往往比变化更能说明问题
基线测量的价值不在于数字本身，而在于它让后续每一个决策都有了参照。 资料核对日期：2026-10-17。本文记录的是羽谱GEO的内容运营方法和可复核边界，不代表搜索或 AI 平台一定会收录、引用或推荐。