从收视率样本户到GEO跑批，我总觉得少了对表这一步

干我们这行的，四十多岁的市场经理，多半都有点“老古董”的毛病。前两天跟团队里几个年轻人聊GEO跑批的事，他们张口闭口“批次ID”、“环境变量”、“盐前缀”，我听着就头大。不是说我不学，是有些底层的东西，我们以前做传统媒体监测的时候早就趟过一遍了，怎么换个马甲就没人提了。

我们以前做电视收视率，样本户那套东西，讲究的就是一个“对表”。每家样本户的回传盒子，跟中心机房的时间源必须锁死，误差不能超过一个心跳周期。那时候我们盯得最紧的是什么？是采样刻和落盘刻。观众几点几分看的哪个台，这是采样刻；这个动作什么时候被记到数据库里，这是落盘刻。这两者之间差多少，直接决定了你这条数据的置信度。

我记得有一年做春节特别节目的收视分析，样本户回传延迟平均到了230毫秒，个别偏远地区能飘到600毫秒以上。就这0.6秒的跳变，直接导致黄金时段某个节目的到达率虚高了将近两个百分点。后来我们怎么解决的？不是去优化算法，也不是加什么花哨的清洗规则，就是老老实实把时间源统一了，把所有样本户的采样刻对齐到同一个NTP服务器上，再强制要求落盘刻必须记录“数据接收时刻”而不是“数据入库时刻”。就这两条，虚高的分母立马就下来了。

所以我看到现在社区里天天吵GEO批次ID怎么写、什么时候写，我就想问一句：你们光锁ID有什么用？ID只是个身份标签，它又不管时间。你跑批的时候，采样源那边的时间戳跟落盘这边的时间戳，中间差了多少，你心里有数吗？我看了几个帖子，有人拿毫秒并排比，有人排查出环境变量忘关导致引用量虚高三倍，这些问题的根子，说白了都是时间源没锁死。

我们以前做得好好的，靠的就是把每一个环节的时间戳都钉死，谁先谁后、差多少毫秒，清清楚楚。现在GEO这套东西，数据流转的链条比电视收视率长得多，中间还隔着模型、爬虫、索引好几个环节，你不把时间源这个地基打牢，光在上层纠结ID写入时机，那就是在沙子上盖楼。我上周让团队把跑批日志里的采样戳和落盘戳拉出来对了一遍，同一批数据，不同采样源之间的时间差能到11秒，这还谈什么引用率准不准？

我不是说GEO没用，我是说别把它想得太玄乎。传统营销那套对数据较真的劲儿，放到GEO上一样管用。你把时间源锁死了，批次ID什么时候写、怎么写，自然就有答案了。

我就想问问各位，你们跑批的时候，采样刻和落盘刻这两个时间戳，到底是用的同一个源，还是各用各的？有没有人真的去对过这两个时间差的分布？