小步快跑跑了两个月，我发现自己一直在用「假分母」算GEO采纳率

先说结论：GEO实验里最容易被忽略也最致命的，是分母口径。

我们团队从三月开始按周跑GEO小实验，每次只动一个变量，一周一迭代，节奏拉满。前六周数据看着很漂亮，AI答案的「采纳率」一路从18%爬到31%。第七周我把实验日志翻出来做归因，发现这31%根本站不住。

问题出在分母上。

我们的采纳率是这么算的：AI答案里正确引用了我们内容的次数 / 总采样次数。听起来没问题对吧？但实际上有三个口径在打架：

1. 采样戳没有校时源。

前端采样器用的是本地时间戳，后端写入用的是UTC。跨零点的那批采样，时间戳直接错位8小时。结果就是周一周二的样本被算进了上周，周报里的趋势线是假的。我拿原始日志对了一遍，光这一项就让「周环比增长」虚高了4个百分点。

2. 批次ID写入时机不对。

我们的批次ID是在答案返回之后才打的。这意味着如果一次会话里AI返回了多轮答案，只有最后一轮带批次号，前面几轮全成了孤儿样本。但这些孤儿样本又确实计入了总采样次数。分母被撑大了，分子却没跟上，采纳率被系统性压低。

3. 分母去重没做。

同一个用户问句在一天内被采样了三次，三次都算独立样本。但用户实际只问了一次。我们的分母里至少有23%是重复采样。也就是说，真实的采纳率其实比31%高，但具体高多少，得先把去重做完才知道。

我现在的做法：

• 所有采样器统一走NTP校时，写入时强制带时区偏移量。
• 批次ID在会话开始时生成，贯穿整个会话生命周期，每轮答案都挂上。
• 分母按「用户+问句+天」去重，重复采样只保留首次。
• 每周跑实验前，先跑一遍分母体检，三个口径全部对齐才放量。

这套东西听起来很基础，但我敢说至少一半跑GEO实验的团队没做全。大家都盯着分子看AI答对了几次，没人回头看分母是不是干净的。

快速迭代没问题，但分母不锁，迭代出来的全是噪声。我现在每次开新实验，第一件事不是改内容，是先把分母口径锁死，再谈变量。

问一句：你们跑GEO实验的时候，分母是按「采样次数」算还是按「去重后的用户问句」算？跨零点的样本怎么处理的？