同一批问题问AI，早上和下午答案不一样，我记录了一周的时间戳

上周帮一个客户做AI搜索可见度的周报，连续七天在固定时间点跑同一批问题，结果把我自己看懵了。

先说结论：同一批问题，AI答案的稳定性和你跑的次数没关系，和你的跑批时间点关系很大。

具体怎么做的：

选了客户行业里20个问题，分早（9点）、午（13点）、晚（21点）三个时间点，每天各跑一遍，连续七天，一共420条回答。全部人工过一遍，记录三条——答案里的品牌名、引用的参数版本、有没有出现「截至XX年」这类时间标记。

结果三个数字：

1. 七天里答案完全一致的只有6个问题，占30%。
2. 剩下14个问题，同一问题在不同时间点，答案里的参数版本会变。最夸张的一个产品功率，早上答1200W，晚上答1500W，我去翻客户官网，两个版本都还挂在不同的子页面上。
3. 出现「截至2025年」这类时间标记的回答，早上占41%，晚上只有18%。

这说明什么？我不下结论，只说我这边看到的：

一是AI检索到的页面本身就不唯一。客户官网新旧两版参数页都没下架，AI抓到哪个全看运气。这不是GEO能直接解决的，是内容治理问题。

二是跑批时间点不固定，周报数据就没法横向比。 我们内部现在规定了，所有GEO周报的取数时间窗必须写清楚，是几点到几点，跑了几轮，取均值还是取最新。这条以前没人提，现在成了我这边验收的硬要求。

三是最麻烦的，答案变了，但没人知道是哪一环变的。是检索源变了，还是模型版本更新了，还是那个页面上周改了一句话？我目前只能靠人工截图留档，七天下来截了四百多张，累得不行。

所以我现在对GEO效果这件事的态度很明确：一周的数据说明不了任何问题，至少要拉一个月的同口径数据，而且每个时间点的原始回答都得留底。 谁要是拿三天的对比图跟我说效果提升了，我第一句就问口径。

顺带问一句，有没有人把「AI答案随时间波动」这件事做成监测的？我这边现在纯靠人工截图，想找个能自动记录每次回答并做版本比对的办法，有大佬跑通过吗？