问题集决定的不只是"问什么"，还决定了以后所有监测数字能不能互相对照。比较稳的做法是三步：先把客户决策过程分成几层，每层写清谁在什么情况下会问什么；再为每层定一个主问题，把同一意图的其他问法当作变体挂在它下面；最后约定追问问到第几层、改写问法算不算新样本。数量是这三步做完的结果，不是起点。问题集写歪了，后面的采样、计算和报告都在补前面的坑。
先按决策场景分层
把问题平铺成一长串，最常见的两种偏差是：几乎全是"XX 哪家好"，或者几乎全是自家产品词。做跨境 B2B 生意，可以先用五层起步。
- 认知层：客户还不知道这类需求能怎么解决，问的是原理、路线和判断口径。
- 选型层：客户已有需求，问的是参数、工况、兼容性和适用限制。
- 比较层：客户手里有两三个方案，问的是差异、成本和风险。
- 供应商层：客户开始评估谁能交付，问的是产能、认证、交期和售后。
- 使用层：客户在履约或使用中遇到问题，问的是排查、替换和维护。
分层之后缺口会自己显形。不少企业的问题集在选型层和比较层很厚，认知层和使用层几乎为空；而客户第一次向 AI 提问，往往正落在认知层。
主问题和变体：同一意图只记一次
"工业传感器供应商怎么选""怎么比较工业传感器品牌""工业传感器选型要注意什么"，这三种问法在监测上属于同一个意图。三个都当独立问题，清单看着很长，复测时它们的变化又高度同步，等于用三个样本量同一件事，还把后续报告里的分母做大了。
做法是选一个作为主问题原文，其余记在同一个编号下当变体。判断标准可以简单一些：换一种问法之后，你期望得到的回答结构是否一样。如果换成另一种问法，你希望回答先讲认证而不是先讲参数，那已经不是一个变体，而是一个新问题。
追问和改写怎么进清单
Google 在 AI 功能的说明里提到，AI Overviews 与 AI Mode 可能使用 "query fan-out"（查询扇出）技术，围绕子话题和数据源发起多次相关搜索来生成回答。这句话对问题集设计有直接含义：回答里展开的子话题，常常不是主问题里写的东西，而是扇出过程中带进来的。
所以每个主问题值得配两到四个子方向，提前覆盖扇出最可能走的三类分支：对象（型号、行业、企业规模）、条件（预算、认证、交期、安装环境）、比较维度（参数、兼容、售后、全周期成本）。这不是把问题集做大，而是把 AI 本来会拆的方向先写清楚。
追问分两类。一类是你设计的追问路径，例如固定在第一问之后追加"如果预算减半，你会怎么建议"，这类要写进清单并固定次数。另一类是平台自己给的建议追问、或用户实际点开的追问，遇到时单独记录并标明来源，不要混进固定问题集，否则下一轮复测的条件已经变了。
改写口径同样要事先写死。可以约定：只有登记为变体的改写才进统计，临时换个说法做的探索性提问只进观察记录，不进分母。这条约定能省掉以后大量关于"这个数怎么算出来的"的争论。
数量怎么定，20、50、120 指的是什么
光算把 GEO 服务的季度档位写成覆盖 20、50、120 个核心业务问题，并明确说明"问题数"不是文章数、引用次数或效果保证，启动前要确定问题清单、平台范围、是否包含追问与改写、采样频率及报告周期。这几个变量不固定，数字就没有意义：同样 20 个问题，不含追问、单平台、每月一轮，和每问题带三层追问、四个平台、每周一轮，工作量差一个数量级。
清单里建议直接写工作量，而不是只写总数：主问题多少个、其中含追问多少个、平台几个、每平台每轮采集几次。这样报告周期、人力安排和费用边界才能对上。
一张问题清单要带的字段
字段不用多，但要能交接：编号、意图层级、主问题原文、允许的变体、目标地区与语言、平台与模式、是否含追问、采集频率、对应的业务页或资料页、负责人。
下面是教学样例，用来演示字段怎么写，不对应任何客户的真实记录：
- 编号 Q-014 ｜ 层级：选型层 ｜ 主问题：车间自动化改造时，控制设备怎样比较技术参数与供应商能力
- 变体：把使用场景换成目标行业的常见说法；把"控制设备"换成当地客户习惯的叫法；两种变体共用同一编号
- 地区与语言：德语（德国）与英语（美国）各占一行，不合并
- 平台与模式：按项目约定逐个平台一行，并注明是否开启联网、是否使用登录状态
- 追问：固定追问 1 次，追加预算或交期条件
- 频率：每月一轮 ｜ 对应页面：产品页与选型问答页 ｜ 负责人：内容与售前各一名
几种看起来省事、实际会坏事的设计
把同义问法成批堆进清单，用数量代替覆盖；把平台建议的追问直接写成固定问题；设计一批只有品牌词的问题，品牌词问题测的是品牌认知，测不出品类可见度；给每个问题预先写下预期答案，复测时容易变成对答案而不是记答案；把中文问题机翻成目标语言就直接用于当地监测，问法在当地读起来别扭，回答质量也会跟着变形。
问题集定成一份可交接的文件之后，采样才有共同口径。什么条件下两轮结果可以对比，见采样与统计口径；每一轮要留下哪些记录，见问答快照字段；这些样本最后怎么进交付文件，见GEO 报告结构。需要按具体市场梳理问题集时，可以从光算 GEO 服务的现状诊断开始，平台组合、问题数量和监测频率按项目实际情况确定。
接着往下做，通常会用到的几篇：国内GEO怎么验收：用固定问题集记录品牌提及、引用来源和事实偏差。
参考来源
- AI features and your website — AI Overviews 与 AI Mode 可能使用 query fan-out，围绕子话题和数据源发起多次相关搜索，回答会带出主问题之外的内容。
- Google's Guide to Optimizing for Generative AI Features on Google Search — 不需要为了生成式 AI 搜索专门改写内容，也不必覆盖同一需求的每一种说法。