比较不同时点的 AI 观测

算术示例，非研究结果：组织在一个时期的 10 个合格回答中出现 6 次，另一时期的 15 个中出现 9 次。次数增加，但比例仍为 60%。新增问题若针对不同需求，即使比例相同，也不能证明匹配总体中的定位稳定。

当次数、比率与覆盖分别回答必要问题时，应结合报告。说明时期数值是汇总合格观测，还是概括每次采集的比率。二者不可互换，尤其在采集规模或来源数量不同时。

有效回答中确认未出现、有效搜索采集中没有 AI 概览，以及采集失败，是不同状态。指标声明总体包含已确认空界面时，可将其记零；不可用数据不行。单独报告缺失，避免把采集覆盖变化误当呈现变化。

在解读报告中的变化之前，测量与不确定性要求明确符合条件的总体、缺失观测与分母。

网站修订、模型更新、来源变化与普通回答波动，可能在同一期间发生。时间先后不能识别哪个因素导致变化。前后比较可以有价值，同时仍只是描述性结果。

因果研究需要适当设计，例如受控改变候选因素、设置可比单元、重复观测并评估替代解释。即使是受控助手实验，结论也仅适用于实验条件，不自动适用于公众界面或业务结果。

同时保留稳定案例、反例与变化。只选择剧烈变化会夸大波动。证据标准区分时间观测、行为敏感性与因果支持。