试跑前置校验清单列到第9条，我才敢让客户批量上GEO

上周有个客户催着上量，说竞品已经铺了三百条问答。我没接，先拉了个小试跑：20条query、2个AI入口、3天。结果第一天就跑出问题——采样时间戳没锁，两个入口的答案一个在早8点一个在晚10点，品牌提及率差了18个点，差点被当成内容质量问题。

这就是我现在坚持「试跑前置校验」的原因。快速迭代没错，但迭代的前提是口径先锁死。我把自己踩过的坑整理成一份9条清单，上量前必须全过，缺一条就不跑：

1. query口径锁定：问法分桶（品牌词、品类词、场景词、对比词）先定死，跑批过程中不许加桶。
2. 采样时间戳：同一批次所有入口必须在同一时间窗内触发，误差控制在30分钟内。跨天的数据直接作废。
3. 分母去重规则：同一品牌多词变体算一个还是多个，先写清楚。我吃过亏，分母换了三次，结论全反。
4. 批次ID写入时机：在请求发出前写入，不是收到响应后补。补写会导致归因时找不到入口。
5. AI入口版本记录：模型版本、UI版本都记下来，不同版本答案差异比内容差异还大。
6. 失败判定线：提前定义什么叫“跑失败”——是超时、空答案还是引用错源？脚本里写死，人工不干预。
7. 答案截取范围：只取首段还是全量？摘要卡和完整回答分开算，不然引用率统计会虚高。
8. 对照基线：每批必须带一组不动的老query做基线，否则涨跌说不清是内容还是模型波动。
9. 退出条件：试跑三天的指标波动超过阈值就停，不追加预算。这条最反人性，但最省钱。

这9条跑通，一次试跑大概2小时人工加脚本，但能省掉后面两周的扯皮。我现在的节奏是：周一试跑校验，周二到周四小步快跑迭代内容，周五只做归因复盘，不上新。快速迭代不等于乱跑，前置校验做扎实，后面每次迭代才敢加速。

有个问题一直没想透：你们试跑阶段一般跑多少条query才算够？我目前是20条起步，但客户总嫌样本小，说至少要50条。可50条跑一轮校验成本翻倍，又拖慢迭代节奏。这个平衡点你们怎么定？