GEO实验从启动到出结论，我硬性规定不超过72小时

先说结论：GEO 试错慢，八成不是工具不行，是实验设计太重。

我们团队之前一个 GEO 实验从立项到出结论平均要 11 天，光对齐口径就占 4 天。上个月我直接拍了个规矩：单次实验从启动到出结论，硬上限 72 小时，超时就砍掉重设计。

怎么做到的？拆三层。

第一层：实验前只锁一件事——校时源。
之前踩过坑：内容发布时间和 AI 抓取时间用的是两套时钟，差了 40 多分钟，归因窗口一开就错位。现在我们所有实验强制用同一台机器的 NTP 校时，批次 ID 在内容写入前就打上，写入后立刻回读校验。这一步从半天压到 20 分钟。

第二层：分母口径在实验设计阶段就写死，不留给分析阶段。
以前总想着“跑完再看怎么算”，结果每次分析都要重新吵分母。现在实验方案里必须写清楚：分母是曝光去重后的品牌数，还是原始问句数？去重按会话 ID 还是按账号？这两个问题在启动前不填完，实验不准跑。填完之后分析阶段基本不用再动口径。

第三层：采样只跑最小可验证集。
别一上来就全量跑 500 条问句。我们现在固定先跑 60 条，分三组各 20 条，每组只改一个变量（标题结构、首段信息密度、实体标注方式）。72 小时看的是方向不是绝对值——如果三组里有一组引用率明显偏离基线，就算赢，下一轮再放大样本。

踩过最大的坑： 有一次为了多跑一组变量，把 72 小时拖到了 5 天，结果中途 AI 检索侧更新了一次索引，前后数据不可比，整轮白跑。从那以后我认死理：实验窗口越短，外部变量污染的概率越低。

快速迭代不是跑得快，是每个循环的边界足够清楚，清楚到 72 小时内必须闭环。

想问问大家：你们单个 GEO 实验从启动到出结论一般压到几天？有没有人试过把窗口压到 48 小时以内的，卡点一般出在哪？