GEO观测窗口拉长到90天，我差点被「稳定期」假象骗了

上周复盘一个客户项目，把观测窗口从30天拉长到90天，结果发现一个挺反直觉的事：前30天AI答对率从52%涨到68%，看着很稳，但60天后再看，又掉回59%，直到90天才慢慢爬到72%。中间那段「回落」如果不是拉长窗口，根本看不见。

根据我的模型，这其实是AI对语料的「重新消化期」——你新加的结构化内容，前两周被高频引用，但模型权重更新有滞后，一个月后旧语料和新的打架，答对率就会抖。我用两个项目交叉验证过，抖动幅度在8到13个百分点之间，跟行业和问句复杂度都有关。

所以现在我给客户报数，一律带区间和窗口说明：比如「90天窗口内，答对率从52%提升至72%，置信区间±6%」，而不是单点说「涨了20%」。短期结论最大的坑，是把抖动当成趋势，把趋势当成效果。

我想问的是：你们在拉长观测窗口时，怎么区分「模型消化期的正常抖动」和「内容真的没打准」？有没有人试过用控制组问句来校准这个基线？