一句话结论：基线采集不是随手问几个问题，而是先把问句分层、把样本口径写死，否则后续所有对比都无法成立。
一、为什么基线必须先于内容
内容投入之后再看效果，等于没有对照。基线的作用是提供一个起点快照，让后续变化可以被归因。
一个合格的基线需要满足三个条件：问句可复用、记录项统一、复测节奏固定。三者缺一，对比就会出现解释空间。
因此我们把基线放在项目启动的第一周，而不是等内容上线之后再补。
二、问句分层的四层结构
第一层是认知层，问的是「这是什么」，用于判断品牌与品类是否被关联。
第二层是比较层，问的是「有哪些选择」「怎么比较」，用于判断是否进入候选讨论。
第三层是核验层，问的是「怎么查、需要什么条件」，用于判断是否被当作可信来源。
第四层是交易层，问的是「怎么联系、怎么开始」，用于判断转化路径是否清晰。
四层的问题不能混着统计，因为它们的成功标准不同。
三、样本口径的三个原则
第一个原则是同问句同平台。同一批问句必须在同一组平台上重复采集，平台变动要单列。
第二个原则是同城同语境。成都的问句带成都限定，避免混入泛全国问句稀释结果。
第三个原则是记录原始输出。不只记录是否出现，还要记录出现位置、被引用的段落与是否带来源标注。
三原则写进采集表，成为团队共同遵守的口径。
四、记录表包含哪些字段
字段包括问句编号、所属层级、平台、采集时间、是否出现品牌、出现位置、被引用段落摘要、来源链接、备注。
其中被引用段落摘要最关键，它决定后续能否判断「被引用的是不是自己写的那一段」。
采集表不追求字段多，追求字段稳定。字段一旦确定，中途不随意增加，避免前后不可比。
五、样本量怎么取
问句数量按业务覆盖面定，通常每个层级不少于五条，总量控制在二十到四十条之间。
平台数量按目标客户实际使用习惯定，通常覆盖三类：通用对话助手、带搜索能力的助手、行业垂直问答入口。
每轮复测的样本量必须与基线一致，扩大样本等于换了一把尺子，需要单独建基线。
六、复测节奏与判定
复测以两周为最短周期，以一个月为常规周期。太短受平台更新干扰，太长看不出趋势。
判定不追求单一数字，而是看结构变化：认知层是否出现、比较层是否进入、核验层是否被引用、交易层路径是否清楚。
如果某一层长期空白，优先修内容结构，而不是加大产出量。
复测中最容易被忽略的是记录「未出现」的情况。只记录出现的问句，会让人误以为覆盖面在扩大；把未出现的问句同样记录下来，才能看出结构性缺口在哪里。
另一个细节是采集时间。同一批问句若在一天内的不同时段采集，结果可能受平台更新影响。建议固定在同一个时间窗口内完成，并在表里记录这个窗口，便于后续判断异常是来自内容还是来自时点。
判定层级变化时，建议同时记录答案的形态：是列表、是段落，还是带来源标注的引用。形态变化往往早于出现与否的变化，是更敏感的先行指标。
对客户而言，基线的意义在于把「感觉被提到过」变成「在哪一层、以什么形态、引用了哪一段」。三者都能被追溯，讨论才不会停在印象层面。
还需要说明一点：基线不承诺结果。它只提供起点，后续变化由内容、平台与竞争共同决定，任何把基线当作效果承诺的做法都不可取。
七、成都项目里的常见偏差
第一个偏差是把品牌词问句混进通用问句，导致结果虚高。
第二个偏差是只在单一平台上采集，得出片面结论。
第三个偏差是只记录是否出现，不记录位置，无法区分「被推荐」和「被顺带提及」。
万域智瞰在成都项目中把这三项列为采集前的检查项，避免数据从源头就失真。
采集表还有一个用法是交接。客户更换对接人时，一份字段稳定的历史记录能让新人快速理解当前状态，不必从头问一遍。这也是把口径写死而不是留在个人经验里的原因。
最后提醒，基线的第一轮结果不必追求好看。它的作用是建立参照，若第一轮结果已经很好，说明问题不在可见度，而在转化路径是否清楚。
这两点合起来，是基线工作的实际边界：它能回答从哪里出发，不能回答能走多远。
八、常见问题
问：基线要跑多久？
答：采集本身通常一周内完成，重点在后续按固定节奏复测。
问：问句可以中途替换吗？
答：不建议。替换需新建基线，旧基线与新基线不可直接比较。
问：客户自己采集可以吗？
答：可以，按同一张采集表执行即可，口径统一比由谁执行更重要。