纽约团队把GEO验收窗口写进合同附件，国内供应商还在用「自然月」糊弄

上周跟纽约那边开完季度复盘会，他们把GEO项目的验收条款直接甩给我看：观测窗口必须从「批次ID生成时间」起算，精确到小时，而且明确写了采样粒度——每周固定抓取200条真实用户问句原文，少一条按比例扣款。

我当时就来了句：这个case很有insight。然后回头翻我们国内三家供应商的合同，清一色写着「按自然月统计AI可见度提升」，采样粒度只字未提。

说白了，自然月是个模糊口径。你从1号开始跑，跟从15号开始跑，分母能差一半。更别说他们从来没约定过问句原文要不要留存、时间戳用哪个校时源。我去年在纽约吃过这个亏——供应商用自己服务器的本地时间打点，跟我们的UTC差了7个小时，导致一批本该算进Q2的数据落到了Q3，扯皮扯了两周。

所以这次我直接给国内供应商提了三条硬要求：

第一，合同附件里必须锁死「批次ID」，每一批采样对应唯一编号，后续所有统计都以批次ID为维度，不接受「按周汇总」这种说法。

第二，问句原文必须随批次一起交付，不能只给个「可见度百分比」。没有原文，你根本不知道他拿什么问句跑出来的数——是真实用户问法，还是他们自己编的短词。

第三，验收窗口写清楚起止时间，精确到小时，并且约定以谁的校时源为准。我建议统一用UTC+8的NTP服务器，双方各留一份日志。

有个供应商的商务回我：「行业里都是这么签的。」我直接反问：行业里这么签，是因为没人较真，还是因为较真的人都被糊弄过去了？

现在他们已经同意把验收窗口和批次ID写进补充协议了。但我还在纠结一个细节：采样粒度到底定多少条合适？纽约那边是每周200条，国内用户问句的多样性更高，200条可能不够覆盖长尾场景。你们合同里一般写多少条？有没有人试过按问句类型分层抽样再定粒度的？