跑单变量实验时，我把采样戳写进批次ID才敢看数据

上周想验证一个假设：AI答案里带「官方旗舰店」五个字，是不是比带「品牌直营」更容易被引用。按小步快跑的习惯，我直接开了两组问句，各跑50条，间隔十分钟采样一次。结果出来两组引用率差18%，我差点拿着去跟老板汇报。

还好手贱先翻了一遍原始日志。发现A组采样集中在上午10点前后，B组拖到了下午3点。中间隔了五个小时，AI后台更新过一轮语料。18%的差异里，到底多少是文案变量、多少是采样时刻，根本拆不开。

这就是我最近反复栽的坑：采样时刻本身是最大变量，比文案差异还大。

后来改了个笨办法，但真管用。每次跑批之前，先把采样戳写进批次ID里，格式就按「日期-小时-分钟-实验组」来，比如「0312-1030-A」。每个批次只跑一个变量，问句库、采样间隔、时段窗口全部锁死。跑完先看批次ID的前缀是不是同一小时，不是同一小时的数据直接扔垃圾桶，不参与归因。

再一个，分母去重必须在采样那一刻做。我之前图省事，拿结果表去重，发现同一个问句在不同采样时刻被返回了不同答案，去重逻辑一错，分母直接虚高两成。现在改成采样请求发出时就记批次ID和问句哈希，回来先按哈希去重，再算引用率。

说个现场读加锁的细节。我们用的监测工具默认口径是「按天聚合」，但实验需要按小时看。我让工程在查询接口上加了个「采样时刻」的显式过滤，宁可每次多读一次加锁的原始表，也不信默认的聚合结果。默认口径不会告诉你它把哪个时段的样本吞了。

总结下来就三条：

1. 批次ID里必须带采样戳，否则实验数据不可比。
2. 单变量实验的时段窗口锁死在同一天同一小时段，跨时段就是两个实验。
3. 分母在采样时刻去重，别等结果表再处理。

快速迭代没问题，但迭代的前提是每次的基准口径是同一个。口径不锁，跑得越快，错得越远。

问一句：你们跑小批次实验时，采样戳是写进批次ID，还是单独记一张时间表？跨时段的样本你们是直接弃用还是做加权校正？