GEO实验别贪大：我让三条问句跑满72小时就砍，省下的预算翻倍投

最近帮一个客户做GEO落地，预算不多，他们内部还想铺50条问句一次性全上。我直接拦了：小步快跑，先跑三条，72小时出结论，不行就砍。

具体怎么做的，拆开说。

第一条：先锁口径，再谈效果。
我们的观测口径是「AI答案里出现品牌名+一句正向描述」算一次有效引用，纯提及不算。分母是这批问句在观测窗口内的总提问次数，不是曝光量。口径不锁死，后面所有数据都是扯淡。

第二条：三条问句的结构。
一条短问句（10字以内），一条带规格的（比如“某型号+用途”），一条带场景的（比如“家庭用+预算”）。三条各代表一种问法，跑72小时，每天固定时间采样两次，看引用率的变化曲线。

第三条：72小时怎么算结论。
前两天只看趋势，第三天做判断：如果三条里有两条引用率连续三天往上走，就扩到10条；如果只有一条有动静，就把那条复制成5个变体继续测；如果都没动静，直接砍掉换方向。别心疼，三条问句的成本就是一顿饭钱。

踩过的坑：
第一轮我们忘了给每批问句打批次ID，三天后数据混在一起，根本分不清是哪条带来的引用，白跑。现在每个变体都在语料里埋一个唯一的批次标记，采样时直接按标记捞，省事。

效率账：
三条问句跑三天，人力成本大概6小时，采样工具用免费版就够。相比一次性铺50条跑两周，时间省一半，预算省七成，关键是能快速迭代——发现哪条有效，立刻复制变体，下一轮72小时就能验证。

一个问题：
你们做GEO试错的时候，有没有给每条问句设「止损线」？比如引用率低于多少就砍？我一般设2%，但感觉有点拍脑袋，想听听大家的阈值怎么定的。