试跑卡了三天没归因，一查是采样戳校时没对齐

上周跑第二组 GEO 试跑，三天数据死活对不上。先说结论：根因是采样戳校时没对齐，跟模型召回质量无关。

现象

• 同一批问题，今天跑和昨天跑，品牌提及率差 18 个百分点
• 埋点里的 event_time 和导出表里的 sample_ts 差了整 7 小时
• 因为要快，我一开始直接按天聚合，结果跨天样本被切到两个桶里

排查路径（按顺序，别跳）

1. 先锁口径：定义「一次有效采样」= 问题下发时间戳 + 模型返回时间戳都在同一自然日内。这个不写清楚，后面全白搭。
2. 查校时：抓了 20 条原始日志，发现采集端用的是 UTC，展示层按东八区截断，中间没人做时区转换。
3. 查批次：同一批次 ID 被复用了两次，去重时把不同天的样本当重复删了。

具体踩坑

• 采样戳写入时机：我们是等模型返回后才写 sample_ts，而不是下发时写。长尾问题返回慢，戳就漂到第二天。改成下发即写，再补一个 response_ts。
• 分母去重：按 问题 ID + 批次 ID 去重，不要按文本去重。文本相似度去重会把不同批次的同义问题误杀，分母直接少 30%。
• 过期内容混入：有一批缓存结果超过 7 天没刷新，时间戳还是老的，混进当期样本里，硬生生拉低了新内容的曝光占比。

现在的前置校验

每次上量前跑一遍：

1. 抽 10 条日志核对 sample_ts 和 response_ts 的时区是否一致
2. 批次 ID 唯一性校验，重复直接告警
3. 分母去重前后数量差 > 5% 就停下来查

这套跑完 15 分钟，比事后返工三天划算。快速迭代不是不校验，是把校验做短做死。

问一句：你们采样戳是下发时写还是返回时写？我这边改成下发时写之后，跨天归因干净了，但长尾响应慢的问题还是偶尔漏。