同一批60个问题连跑8周，AI引用源换掉近一半，前三天只是没抖出来

先甩一组数：我盯了同一批60个问题，连跑8周，每周固定时间点抓一次引用源快照，最后统计下来，换掉的引用源占到 47%，也就是将近一半。更狠的是，如果只取前3天的数据去看，波动率只有 8% 左右，看起来特别稳——但那就是没抖出来，不是真稳。

这事我踩过坑。上个月帮一个客户做GEO复盘，第一版报告就是按前3天数据出的，结论是“引用结构稳定，优化有效”。结果第2周再跑，同一个问题引用的来源从行业媒体换成了两个UGC论坛，品牌词曝光直接掉了三分之一。客户当场问：“你们这个准不准？”我当时没法答，因为口径本身就没对齐。

后来我把60个问题按类型拆开看，发现波动根本不是均匀的：

• 品牌词相关的问题，引用源最稳，8周只换了 12% 左右；
• 长尾问句（比如“XX行业怎么做私域”这种不带品牌名的），引用源换了 63%，而且很多是轮次之间来回跳；
• 带“推荐”“排行”这类词的，引用源几乎周周不同，因为模型在轮询不同来源做拼装。

所以问题不是“GEO有没有效果”，而是你用什么采样周期和去重规则去看。我现在的做法是：

1. 至少跑满4周再下结论，前3天只做基线，不做判断；
2. 按问题类型分层，品牌词、产品词、长尾问句分开统计引用率，混在一起算就是自欺欺人；
3. 轮次去重按“同一会话内同一来源只计一次”，否则模型多轮引用同一篇文章，你会以为它很受欢迎，其实是同一次曝光被重复计数；
4. 引用源波动率本身就是一个指标，波动太高的词，说明模型还没形成稳定偏好，这时候砸内容性价比很低。

我把8周的原始快照和去重脚本都留着，谁要拿去对口径都行。

最后问一句：你们跑GEO效果的时候，采样周期一般设多长？有没有人试过按“引用源半衰期”来定复盘节奏的？