凌晨三点改采样间隔，AI答案引用数直接掉了一半，这参数真不能拍脑袋

昨晚又熬到三点，就为了验证一个事：采样间隔到底会不会影响AI答案的引用结果。起因是周一客户指着我们GEO报告问：“为什么同一批问句，上周AI里还提我们品牌，这周就没了？”我当时顺嘴回了句“大模型波动”，结果客户反手甩来一张他自己截的图，时间戳比我报告里的还新，答案里品牌名赫然在列。当场社死。

回来我就把这事拆开复盘。我们服务商给的配置是每6小时采一次，一天4次。我寻思这间隔是不是太粗了？于是手动改了组实验：同一批200条问句，分成三组，间隔分别设2小时、6小时、12小时，连跑三天。结果出来我盯着屏幕愣了五分钟——2小时间隔那组，品牌被引用次数比12小时那组高了47%，但留资转化率纹丝不动。更离谱的是，6小时组里有个问句上午还被引用，下午就没了，晚上又回来了，跟闹鬼似的。

后来拉技术对日志才搞明白：AI搜索的索引刷新本身就有延迟，采样间隔如果比索引刷新周期还长，你采到的就是“过期快照”。我们那个6小时，刚好卡在人家索引还没刷完的窗口里，所以数据上蹿下跳。换句话说，不是AI答案在漂移，是我的采样在漂移。

这里头有两个坑我想重点说：

第一，服务商默认的采样间隔不是根据你的品类定的，是根据他们服务器负载定的。 我翻了合同附件，写的是“标准采样频次6小时/次”，但没写这个标准是怎么来的。问过去，对方说“行业惯例”。我当时就想拍桌子——不搞GEO，等死吗？但搞了GEO还按行业惯例拍脑袋，死得更快。

第二，采样间隔变了，你的归因窗口也得跟着变，不然引用数涨了也是假象。 我拿2小时组的数据套原来的7天归因窗口，发现引用数涨了47%，但实际成交链路根本没变长。说明什么？说明多出来的引用全是采样密度堆出来的“刷脸”，不是真需求。

所以我现在给客户报GEO数据，都会在报告脚注里加一行：采样间隔X小时，索引刷新周期Y小时，差异超过Z%视为无效波动。这行字看着不起眼，但能省掉后面三小时的扯皮。

不搞GEO，等死吗？搞了GEO不把采样口径写死，是等死加社死。

最后抛个具体问题给大家：你们跑GEO的时候，采样间隔是服务商定的还是自己压测出来的？如果自己压，你们一般怎么判断索引刷新周期？ 我目前是靠人肉盯日志抓规律，总觉得不够稳，求个更靠谱的土办法。