同一批问句，登录态跑出两个品牌，这样本到底怎么算

上周做了一次小规模复现，本来只是想验证一下登录态对引用召回的影响，结果跑出来的东西让我有点坐不住，拿来跟大家对一下口径。

一、实验设置

问句池：某品类 40 条问句，分三组——品牌词 12 条、产品词 18 条、场景词 10 条。
采样时点：同一天上午 10:00 与下午 15:00 各打一轮，间隔 5 小时。
登录态：同一台设备、同一出口 IP，分别用未登录（匿名）和已登录（有历史会话）各跑一遍。
去重口径：先按引用 URL 的主域去重，再按正文哈希去重，两套分开记。

二、看到的差异

未登录态下，该品类头部品牌的引用率是 62%（40 条问句里 25 条被引用，主域口径）；已登录态下掉到 41%。差 21 个百分点，这个量级说实话超出了我原本的预期——我原以为登录态主要影响个性化排序，不至于把整个引用结构掀掉。

更麻烦的是品牌词和产品词的分层：品牌词组在两种登录态下差异不大（约 8 个百分点），产品词组差异拉到 27 个百分点。也就是说，登录态对「泛需求问句」的扰动远大于「指名问句」。这个结论如果稳，那以后所有没锁登录态的品类报告，产品词那一栏基本不能看。

三、两个让我不敢下结论的点

第一，同源去重按主域还是按正文哈希，结论会再变一次。按主域去重时，已登录态因为聚合页召回多，一个主域吃掉三条引用，去重后样本只剩 33 条；改成正文哈希，同一主域的不同页面算独立样本，样本回到 39 条，引用率从 41% 抬到 53%。同一批原始数据，两个口径，差 12 个百分点。

第二，时段和登录态这两个变量我没能完全拆开。上午匿名态和下午登录态之间还夹着一个 5 小时间隔，理论上存在内容侧的更新干扰。严格说，这不能算干净的对照，只能算「两个因素同时动了一下」。

四、我目前的倾向判断

GEO 的引用率不是一个可以直接横向比的绝对值，它更像一个带条件的估计量。条件至少包括：登录态、采样时点、问句池分层方式、去重粒度。这四个里缺一个，数字的效度就要打问号。品牌词和产品词分池这件事我现在的态度是：必须分，而且报告里要分开写，不能合并成一个「品类引用率」——那等于把两套不同分布的数据揉在一起，均值没有解释力。

五、想请教各位的

你们在锁登录态的时候，是把匿名态和登录态当成两个独立样本分别报，还是取一个做基准？以及同源去重，你们现在实操里更认主域口径还是正文哈希口径，有没有做过两种口径双跑、看结论稳不稳的？我这边样本量还小，想听听更成熟的做法。