GEO实验先别铺量：单变量跑三批比调十版问句库有用

最近看到几个团队一上来就铺几百条问句、同时改五六个变量，然后问“为什么结果看不出效果”。我一般直接反问：你这一批实验到底在验证哪个变量？

我的做法是单变量、小批次、快速迭代。每批只动一个因素，比如只改问句的措辞、只调采样间隔、只换一个内容模板。一批跑 30~50 条就够，跑完立刻看差异，不行当天就改。

上周我做了个对比：A 组问句库 40 条，只把时间词从“近期”改成“2024 年 Q4”，AI 答案里引用具体数据的比例从 12% 拉到 31%；B 组同时改了问句措辞和页面结构，结果归因完全说不清，白跑一周。

关键判断依据是：每批实验必须能回答“如果结果变了，是哪个动作导致的”。 做不到就别跑。

另外提醒一句：批次 ID 一定要在采样之后、结果落库之前写进去。我之前写在采样前，返工率高了 20%，因为采样中途出问题，整批数据没法溯源。这个坑我踩过，现在固定后移，返工率直接降下来了。

你们跑 GEO 实验的时候，一般一批铺多少条问句？单变量能坚持住吗？