GEO试错别搞大而全，按「单条问句」跑，两天就能出结论

做增长最怕什么？一个实验跑三周，结论出来黄花菜都凉了。GEO 这块我现在的做法是：不跑大实验，只跑单条问句的小实验，快速迭代。

具体怎么跑

以前我们也是拉一整个词包，几十条问句一起上，改一堆东西，然后等两周看 AI 答案变没变。问题是你根本不知道是哪条改动起的作用，归因口径一锅粥。

现在改成：一次只动一条问句、一个变量。 比如只改某个页面的首段实体描述，只盯这一条问句在 AI 答案里的引用变化。48 小时内看结果，没变化就撤，有变化就固化，然后马上进下一条。

先锁口径，再谈归因

这里有个坑必须说。你盯 AI 答案变化，得先明确三件事：

1. 采样时间窗固定：同一问句早中晚问出来的结果可能不一样，我统一在每天同一时段采样，别混着比。
2. 分母去重：AI 一次给你列 5 个来源，同一域名出现两次算一次，别把展示次数当引用次数。
3. 批次 ID 写进改动记录：哪次改动对应哪条问句，当场记下来，隔天回看不会对不上号。

口径不锁，后面所有归因都是自嗨。我宁可现场读一遍加锁逻辑，也不信默认报表。

一个真实例子

上周我们试「品牌名 + 不同域名」对展示位的影响。没搞全量，就挑了 3 条问句、2 个域名变体，跑了两天。结果很直接：同一个品牌名挂在行业媒体域名下，被 AI 引到答案前排的概率明显高于挂官网。虽然样本小，但方向够清楚了，当天就调整了内容分发策略。

这就是小步快跑的价值——不需要完美结论，只需要比昨天多知道一点。

我的判断依据

• 实验周期超过 5 天，变量就会失控，中途平台更新、竞品动作都会干扰。
• 单条问句的样本虽小，但胜在可重复，跑 10 轮小实验的累积信息量远超 1 轮大实验。
• 快速迭代的核心不是快，是每轮都留可追溯的改动记录，否则快就是乱。

所以别一上来就铺全量词包。先拿 3 条问句、1 个变量，48 小时跑一轮，快速迭代起来。

问一句：你们跑 GEO 实验的时候，采样时间窗是固定的还是随缘的？口径对不齐的话，你们怎么处理？