重点看六样东西。固定的问题集、覆盖的模型与测试次数、每项指标的计算口径、同期比较设计、原始回答存档，以及完整的优化与复测记录。这六项能够说明服务商怎样发现问题、实施动作并验证变化。
- 确认测试覆盖多少问题、模型和重复次数。
- 确认优化前后使用同一批问题。
- 查看原始回答，所有指标都能回到具体内容。
- 加入同期比较，判断变化是否来自本轮优化。
- 测量方案、执行动作和结果复核分别留有记录。
为什么执行与验证需要角色分离
专业的项目会把测量口径、执行动作和结果复核清楚分开，让每个结论都能追溯到原始记录。
在动作开始前固定测量口径，保留完整运行清单，并由未参与具体改动的人复核结果。重大结论还应支持客户或第三方按同一方案复测。
六份材料具体长什么样
问题清单：带版本号，并标明每个问题对应的客户意图。
测试方案：覆盖哪些模型、每题重复几次、测试时间，以及是否使用联网搜索。
指标口径：每项指标如何计算、样本量要求，以及结果如何解释。
对照设计：哪些问题簇是处理组、哪些是对照组，如何分配。
原始存档：保留每次测试的完整回答，可按引用回查到原文位置。
完整历史：保留每次测试、优化、发布与复测结果。
常见问题
报告应该说明测试范围吗？
应该。问题数量、模型范围、重复次数和测试时间会直接影响结果，完整报告会清楚列出这些信息。
可以自己验证吗？
可以。最小可行做法是：固定一组问题，在两三个引擎上定期重复问，记录原始回答。这不能替代系统测量，但足以发现明显的偏差。
winin.ai 会同时提供执行吗？
会。Winin 提供经客户确认的内容、数据、商品数据源、渠道与信源优化。正式执行前会固定测试方案，保留原始记录，并由独立流程复核结果；所有对外发布都经过客户确认。