把近似问句按“决策阶段”整理,核心不是给每句话找同义词,而是先判断它背后的人处在什么状态:还在辨认问题,还是已经在比较方案,还是准备执行。少量样本时,你可以凭语感逐条归类;一旦问句数量上来,例外会迅速增多,所以必须给每个阶段设定可观察的归类依据,并允许某些问句暂时不归入任何阶段。
少量近似问句,比如十几条,按措辞归类通常够用。你能记住每条问句来自哪里、上下文是什么,凭“听起来像在问什么”就能分组。这种做法的前提是样本少、来源单一、你能持续复核。它的问题是,一旦问句数量增长,或者来源从站内搜索扩展到评论、客服记录、外部平台,措辞相似但意图不同的句子会混在一起,语感判断开始互相矛盾。
规模化整理时,更稳的依据是“问句指向的下一步动作”,而不是它用了哪些词。可以按三类动作区分:
判断依据不是问句里有没有“怎么”“哪个”“为什么”,而是把它放回来源后,读者下一步最可能做什么。同一个词开头的问句,可能分别落在三个阶段,这正是不能靠同义词替换来归类的理由。
具体做法可以这样落地。先建一张表,字段只保留四项:问句原文、来源、读者下一步动作、暂时归入的阶段。然后逐条填写“下一步动作”,用动词短语描述,例如“确认这个词指什么”“决定先改旧页还是新建”“检查某一步是否漏了”。填完后,把动作相同的问句放在一起,而不是把措辞相同的放在一起。
这个动作会直接影响下一步:如果同一阶段里出现两条动作描述其实不同,说明它们不该合并,应拆成两个决策阶段;如果两条问句措辞差别很大、动作描述却一致,才考虑合并到同一阶段。合并之后,阶段的名称用动作命名,而不是用问句里的名词命名,这样后续写内容时不容易跑偏。
假设有一组近似问句都围绕“某类页面要不要保留”。其中一部分问的是“保留和删除分别意味着什么”,属于辨认型;另一部分问的是“保留旧页和新建页面哪个更省事”,属于比较型;还有一部分问的是“决定保留后先改标题还是先补内容”,属于执行型。若不假设具体网站数据,仅从动作看,这三组应分属三个阶段,不能因为都出现“保留”就合并。这个例子只是说明归类方法,不代表任何真实项目结果。
规模化整理一定会遇到跨阶段问句。比如“这个做法适不适合我,适合的话第一步做什么”,前半句在比较,后半句在执行。强行归入某一阶段,会让另一部分读者觉得内容答非所问。更合理的处理是:以问句的主要动作归入一个阶段,同时在内容里用一小段承接另一个阶段的疑问,并明确指向对应阶段的内容。这样既不破坏阶段划分,也不制造重复页面。
还有一种例外是问句本身信息不足,无法判断动作。这类问句不要硬塞进任何阶段,先标记为“待补充语境”,等来源上下文更清楚再处理。把无法判断的句子强行归类,会让阶段边界越来越模糊,后续整理成本反而更高。
样本少时成立的阶段划分,规模化后可能失效。判断是否需要重划,可以看两个信号:同一阶段内出现大量动作描述不一致的问句;或者某个阶段长期只有一两条问句,却和相邻阶段高度重叠。出现前者,说明阶段定义太粗;出现后者,说明阶段可能设得过多。此时的动作是回到“下一步动作”字段,重新核对,而不是继续往旧框架里塞新问句。
需要说明的是,问句数量、抓取量或某类问句暂时归零,都不能单独证明阶段划分正确。它们可能有别的解释,比如来源渠道变化、记录方式调整,或者只是采集周期太短。整理决策阶段时,更可靠的依据仍然是每条问句对应的下一步动作,以及这些动作之间是否真的存在可区分的边界。