对大多数GEO问题库，分层抽样复测更合理；页面大改、实体信息变更、核心问题表现异常时，再切换到全量复测。这个判断取决于问题的业务价值、主题覆盖和最近改动，不能只按题目总数决定，最终要用自家查询记录、AI引荐点击和有效转化数据验证。
别只看题目数量，先看复测目的
如果目的是了解整体状态，抽样能先覆盖品牌词、品类词、场景词、比较词和售后词，再观察不同主题是否出现方向性变化。它回答的是“各类问题有没有变化”，并不等于每一道题都得到新结果。
如果目的是发布前验收、重要页面改版后复查，或要逐题记录答案差异，全量更合适。此时复测对象不是单一指标，还包括回答是否提到正确实体、落地页是否能打开、引用内容是否对应当前版本。
| 方式 | 适合场景 | 主要价值 | 边界 | 记录重点 |
|---|---|---|---|---|
| 分层抽样 | 日常观察与迭代 | 发现主题变化 | 无法覆盖每道题 | 题型、平台、版本 |
| 全量复测 | 大改版与发布前 | 逐题留痕 | 耗时与记录量增加 | 答案、引用、页面状态 |
真正影响范围的是问题价值
问题库里的题目并不处在同一层级。直接影响品牌认知、产品选择、咨询入口和成交的题，应放进高价值组；用于探索长尾表达的题，可进入观察组。这样做不是给问题贴长期标签，而是让复测资源跟着业务目标移动。
一个很实用的判断是：某道题的答案变化，是否会改变内容修改、销售话术或页面入口。如果会，复测频率和记录深度都应提高；如果只用于了解搜索措辞变化，抽样观察就可能足够。具体效果仍需用自家数据验证。
抽样不能凭感觉随手挑
合理抽样至少要保留主题、意图、平台、地区或语言版本等维度。每个重要维度都要有题目进入样本，不能只挑容易回答的题，也不能只保留品牌自称明显的问法，否则得到的结果会偏向熟悉场景。
抽样名单还要保留固定题与轮换题。固定题用于观察连续变化，轮换题用于发现新表达和新场景。题目改写后应建立版本标记，避免把问题文本变化误判成模型回答变化。
哪些变化发生后值得全量复测
页面目录、核心产品说明、品牌实体名称、价格规则、服务边界或结构化数据发生较大调整时，全量复测更稳妥。因为这类变化可能同时影响页面理解、实体关联、引用段落和用户下一步动作，抽几个题未必能覆盖。
如果抽样结果出现明显分化，也不要急着把结论扩大到整个问题库。先区分是页面访问失败、抓取状态变化、题目改写、回答来源变化，还是记录口径变化；原因不清时扩大范围，原因明确且影响局部时，可继续按主题处理。
一套能跑起来的复测记录
复测要形成闭环，而不是只截几张回答图片。可以按下面的顺序记录，每次使用同一套口径：
- 记录题目原文、平台、地区、日期、问题库版本和页面版本。
- 记录回答是否出现目标实体、是否给出相关页面、引用内容是否与页面当前文字一致。
- 单独记录爬虫访问、答案出现、用户点击和后续转化，四者不要混成一个指标。
- 为主转化事件选定一种，例如有效表单或订单，并按销售周期设定归因窗口。
- 完成一个完整记录周期后，比较有效线索率、引荐点击和页面异常题，再决定扩大复测还是修改内容。
无法通用判断哪种方式带来的效果更好，需用自家数据验证。表格里还应保留截图或原始回答、落地页版本、处理人和处理日期，方便回看“结果变了”究竟是模型回答变了，还是页面版本变了。
页面本身也要纳入复测
GEO复测不能只盯着答案文本。根据 Google Search Central《搜索抓取与索引概述》，抓取和索引属于不同环节，因此应分别记录页面能否访问、响应状态、robots.txt限制、站点地图更新时间和页面是否存在可索引版本。
结构化数据、页面标题、正文实体名称、产品属性和引用来源也要前后一致。结构化数据可以辅助表达页面内容，但不能据此推断AI一定会引用；引用结果、点击和转化仍要放回自家查询记录、服务器日志与CRM中判断。
小团队和大团队可以这样分流
题目数量不多、每次内容改动范围大时，全量记录的管理成本可能更容易控制；题目很多、更新频繁且需要持续观察时，分层抽样更便于保持节奏。这里没有适用于所有团队的固定比例，样本大小应由主题数量、变更范围和可投入记录时间共同决定。
如果团队发现某一主题连续出现页面打不开、实体名称混乱或引用不对应，不必等到下一轮抽样结束，可以把该主题临时提升为全量组。处理完成后，再将结果与固定题记录比较，判断是否恢复抽样观察。