如何设计 GEO 复测问题集并记录样本边界

做 GEO 监测，单次提问得到一个答案，参考价值有限。同一个问题换个说法、换一天、换个入口，回答可能就不一样。真正能看出趋势的，是在条件可控的前提下，同一批问题在不同时间点重复提问，观察变化。而复测能不能成立，取决于两件事有没有提前定好：问什么，以及在什么条件下问。

问题集锁定前者，样本边界锁定后者。两者缺一，复测出来的差异就无法解释。

先明确复测的目的：让两轮之间只变“时间”

复测的理想状态，是让两次测量之间只有时间这一个变量在变。如果第一轮问的是一种措辞，第二轮换成了另一种，或者第一轮带城市限定、第二轮去掉了，那么两轮之间的差异既可能来自内容建设，也可能来自提问方式本身，无法区分。

所以问题集设计和样本边界记录，本质是同一件事的两面。设计阶段定下来的每一条规则，都是为了后面复盘时能把差异缩小到可解释的范围。

问题集按四层组织

把问题按用途分层，比堆在一起更好用。

锚点问题：品牌名加核心业务，措辞最中性。这一类长期冻结，用来观察最基础的存在感有没有变化。

场景问题：用户真实任务下的提问，例如遇到某种情况该怎么处理、该选什么。它反映的是品牌能不能进入用户的决策路径。

比较问题：把品牌放进一组候选项里问，观察相对位置和比较语境下的描述。

边界问题：加上城市、门店、规格、资质等限定条件，用来观察信息覆盖的边界，以及哪些限定条件下容易出错或缺失。

四类问题的数量不必均衡，但每一条都要在文档里标明属于哪一层。否则复盘时只能整体看，看不出是基础存在感变了，还是场景覆盖变了。

单条问题怎么写

• 用用户会说的话，不要写成关键词的拼接。
• 一条问题只承载一个意图。把两件事塞进一句话，回答里两件事的回答质量会互相干扰。
• 避免把答案写进问题。带评价倾向的提问会引导回答，除非这正是你要测的——那就单独标为“引导型”，不与中性问题合并统计。
• 保留原始措辞，不要做同义替换。替换过的措辞就是另一个样本，不能拿来和原句比较。
• 每条问题分配一个稳定 ID。ID 是跨轮对齐的锚，措辞可以保留，ID 不能乱。

版本管理：冻结、增补、退役

主问题集确定后冻结，给一个版本号。跨轮对比只在同一版本的主集合内成立。

中途想加问题，放进增补组，单独编号、单独统计。增补组的问题从加入的那一轮开始建立自己的基线，不参与之前轮次的计算。

不再适用的问题标记为退役，不要删除。退役时间点记录清楚，历史数据保留，这样回看时才不会出现“某条问题前几轮有、后面凭空消失”的断档。

任何措辞上的修改，都视为新建一条问题，而不是修改原问题。

样本边界要记哪些维度

这些字段不记录，两轮结果的差异就无从解释。至少要覆盖以下内容。

其中有些维度可能无法控制，比如账号个性化无法完全关闭，或者版本标识不对外显示。这种情况下如实记录并在结论里声明，比假设它不存在要好。

记录表怎么搭

建议用两张表，而不是一张大表。

问题集主表：问题 ID、所属层级、提问原文、加入版本、状态（启用或退役）、备注。

采样记录表：记录 ID、问题 ID、平台、入口、观测时间、地域、账号状态、会话模式、采样轮次、是否展示引用来源、回答要点、存档位置。

第二张表以问题 ID 为行、时间为列做透视，就能得到某条问题的跨轮变化。两表分开的关键原因是：问题定义会被反复调整，而历史采样记录不能被这种调整“追溯改写”。如果问题描述和每次采样混在同一张表里，改一次措辞，历史记录的含义就变了。

什么能写进结论，什么不能

能写的是样本范围内的事实：在本次采样的某个平台、某个入口、某段时间内，某条问题的多轮回答中，品牌被提及的情况、描述方式、引用来源中的域名，出现了怎样的变化。

不能写的是把这种变化直接归因到某一篇文章或某一次发布。两轮之间往往同时发生了内容发布、平台侧调整、时间推移、样本量变化等多件事，单点归因站不住。

如果确实想观察内容发布与表现的关系，更稳妥的做法是：发布前留一段稳定的观测窗口，发布后按固定间隔重复同一组问题，把发布作为一个时间标记叠加在趋势线上，而不是当作因果开关。

另外要留意样本完整度。某一轮里如果有若干条问题因为入口改版、超时或异常没采到，这一轮的分母就变了。跨轮比较之前，先把缺失补齐，或者在结论里明确标注缺失情况，说明这一轮是部分样本。

一份最小可执行清单

1. 确定四层结构，写出每条问题的原文，冻结为 v1。
2. 每条问题分配稳定 ID，标明层级和加入版本。
3. 把采样条件写进文档：平台、入口、会话模式、重复次数、观测地域。
4. 每轮采样完整填写边界字段，包括无法控制的那些维度。
5. 结论只在样本范围内表述，必要时给出区间和缺失说明。
6. 增补问题单独成组，不追溯历史轮次。
7. 退役问题保留记录，不删除。

复测的价值不在于问得多，而在于每一轮都在同样的条件下问同样的问题，并且把条件写清楚。问题集管住“问什么”，样本边界管住“在什么条件下问”。这两件事做到位，几轮数据放在一起才可能讲出一个站得住的结论。

（本文为方法说明，不针对任何特定平台的具体版本。平台入口、模型标识和引用展示方式变化较快，执行时以观测当日的实际界面为准。）