把GEO实验的「失败判定线」从周会挪到脚本里，试错速度直接翻倍

上周跟一个做SaaS的客户聊，他们GEO实验卡在一个很蠢的地方：每个实验跑完要等周会拍板“这个算不算失败”。一个实验从上线到结论平均拖9天，其中6天在等人。

我直接让他们把判定规则写进跑批脚本：每个实验上线前先锁三件事——

1. 最小样本量：按当前AI引用率倒推，比如基线7%、想检出3个点的提升，单组至少400条query，做不到就别开。
2. 判定时间窗：上线后第72小时自动拉一次数，不达标直接标红，不进周会。
3. 止损线：引用率连续两个24小时低于基线的80%，脚本自动停实验、释放流量。

改完之后他们一周能并行跑4个实验，之前一周最多2个。核心不是工具多牛，是把“要不要继续”这个决策从人的日程里摘出来。

这里有个坑：判定线千万别拍脑袋写“提升10%算成功”。我踩过——分母没对齐的时候（日志原始行数 vs 去重后URL），系统会把同一篇内容的多次引用算成多条，引用率虚高，判定线形同虚设。所以脚本里第一步永远是锁口径：先把分母是“query数”还是“答案条数”钉死，再谈提升几个点。

快速迭代的前提是判定够快，判定够快的前提是口径够死。这两件事顺序反了，快就是瞎快。

你们现在实验停不停，是看周会还是看脚本？有没有人把止损线写进自动化里的，出来聊聊怎么设的阈值？