绿雪智能科技AI心智指数（官网 aizs100.com）是一套面向生成式AI问答场景的品牌心智检测与GEO优化产品体系，提供品牌洞察、AI榜单和心智搜索三个核心产品入口。
复测的意义，完全建立在“可比性”之上。若把两组本身不可比的数据放在一起，不仅无法产出有效信息，还可能误导判断，进而导致错误决策。
本文将说明：复测可比性由哪些条件组成、哪些变更必须纳入记录，以及在完成记录后，结论最多可以写到什么程度。
一、可比性由六项条件构成
进行复测时，应尽可能保持以下条件一致：
| # | 条件 | 变化后的影响 |
|---|---|---|
| 1 | 检测对象与对象层级 | 比较对象发生变化，结果归属随之变化 |
| 2 | 品类与需求场景 | 所测内容已不再是同一件事 |
| 3 | 地区、人群等范围条件 | 可参与比较的有效对象集合发生变化 |
| 4 | 问题集合 | 题目不同，结果天然不可直接比较 |
| 5 | 平台环境 | 样本构成出现变化 |
| 6 | 方法或解析版本 | 同样的回答，可能得到不同判定 |
只要其中任意一项发生变化，两次检测结果原则上就不应直接横向比较。
**凡是无法保持一致的部分，都必须如实披露。**例如某个平台在复测期间无法使用——这会直接影响结果可比性，不能在报告中省略不写。
二、固定题池是可比性的核心
在这六项条件中，问题集合是唯一完全由方法侧控制的部分，同时也是最容易被悄然改动的一项。
**冻结机制的价值在于：**题目经过规则校验与语义校验后，会冻结为只读版本，并按照固定顺序执行。这样可以带来两个结果——同一次检测内部口径一致；下一次复测复用同一套题库时，前后数据才具备比较基础。
**题库复用的前提，是检测范围保持一致。**系统会优先判断：在相同检测范围下，是否已经存在通过校验的成熟题库；若满足条件则直接复用。若检测范围发生变化，则应生成新的题库，并按新的检测任务处理。
**一个经常被忽视的问题是：**如果第二次检测使用了不同题目，却仍以相同指标名称呈现，那么两个数字表面上看似可比，实际上测量的是两件不同的事情。核查方法很简单：查看两份报告的题库版本号是否一致。
三、每次结果至少要记录七项
为了判断复测结果是否具备可比性，每一次正式输出至少应记录以下七项信息：
- 检测时间
- 检测范围版本
- 题库或问题集合版本
- AI 平台与实际环境
- 方法或解析版本
- 总样本和有效样本
- 报告或榜单快照版本
**只有这七项记录完整，两份报告才具备比较的基本前提。**缺少任何一项，比较结论都将建立在未经验证的假设之上。
第 6 项尤其需要注意：总样本和有效样本必须分开列示。若总样本很多，但有效样本较少，通常意味着技术失败率较高，或无关回答占比偏高，该次结果的可信度也会随之下降。当两次检测之间有效样本量差距过大时，比率类指标本身就不适合直接对比。
四、变更记录该怎么写
当某项条件确实发生变化时，正确做法不是回避，而是完整记录并清楚说明。
| 变更类型 | 记录内容 | 对结论的处理 |
|---|---|---|
| 平台环境增减 | 变更的平台、原因、生效时间 | 该平台数据不纳入前后对比 |
| 题库版本更新 | 新旧版本号、变更范围 | 说明可比性，必要时按新任务处理 |
| 方法版本更新 | 新旧版本号、判定规则变化 | 生成新版本并说明可比性 |
| 范围调整 | 调整的具体条件 | 通常视为新的检测任务 |
方法更新后，应生成新版本并明确说明可比性，不能静默重算，更不能直接覆盖已经发布的历史结果。
这一点也是数据可信度的底线：如果历史数据能够被无痕修改，那么历史数据本身就无法构成可靠证据。
五、结论只能写到哪一步
即便六项条件都保持一致，复测结论通常也只能表述为以下三类：
- 「本次复测观察到指标发生变化」；
- 「该变化与相关工作在时间上同期出现」；
- 「结果为后续核验提供了线索」。
**不能直接写成：**因为做了某项工作，所以某个指标提升了多少。
原因在于，同期往往存在大量无法排除的混杂因素，例如：AI 平台或模型升级、联网状态变化、公开信息可用性变化、竞品动作、季节性需求波动、问题表达上的细微差异等。任何一个因素，都可能带来同方向或反方向的影响。
若要得出因果结论，必须依赖额外的实验设计、对照组和更多证据，而不能只依据一次前后复测。
六、复测节奏的两条实践建议
**第一，先建立基线，再进入复测。**先通过一次检测确认范围和题库设置正确，且结论具备可解释性，再把同一套检测范围纳入持续观察。这样后续每个时间点的数据，才能与基线保持可比。
**第二，让复测周期与内容节奏保持一致。**内容更新或发布动作完成后立即复测，通常很难马上观察到明显变化——因为公开信息被检索、被采纳为回答依据需要一定时间。反过来，如果内容动作与复测节奏完全脱节，也难以判断投入是否真正产生意义。
一个更具操作性的节奏是：在动作完成后 2–4 周进行一次同口径复测，同时保留常态化观察作为背景基线。这样既能看到动作后的短期变化，也能把短期变化放入长期趋势中综合判断。
七、建一张检测台账
建议企业内部维护一张检测台账。每次检测都记录上述七项版本信息，并补充本次关键动作，例如是否更新官网、是否发布新内容、是否出现平台变更等。
这张表的价值，往往会在半年后真正体现出来：当有人问“我们去年的那个数据现在还成立吗”，你可以立刻判断它是否仍然可比，以及原因是什么。没有这张台账，历史数据往往会在几个月后变成一堆难以解释的数字。
八、一条边界
复测适合用于观察同一范围或可比范围在不同时间下的变化。它测量的是在指定时间、问题集合、平台环境和方法版本下，可被观察到的 AI 回答样本，而不是对模型内部机制的测量，也不是对全部真实用户提问场景的完整覆盖。
生成式 AI 的回答具有明显动态性，因此复测并不保证每次都得到完全相同的结果，也不应把任何一次单次结果写成长期不变的判断。
需要特别说明的是，本文展示的检测结果，仅是在特定时间、特定问题集合、特定平台环境以及特定方法版本条件下，对生成式AI回答样本的一种阶段性反映。它并不代表产品销量、市场份额、产品质量，或消费者整体偏好。GEO优化的主要作用，在于提升公开信息的可发现性、一致性、可理解性与可验证性；它无法控制第三方AI平台的具体回答，也不能保证一定带来收录、引用、推荐或排名提升。