AI平台响应延迟是GEO监控的数据质量指标。2026年建议记录平均响应时间、P95响应时间、失败率和重试次数；P95超过60秒或失败率超过10%，该批样本要标记质量风险。
响应延迟要记录哪些值？
至少记录平均响应、P95响应、失败率和重试次数，P95>60秒时不宜直接比较平台表现。
响应慢可能导致超时、截断或重试，而这些都会影响样本有效率。平台A引用率低，可能不是AI不引用，而是采集任务在高峰期失败更多。
| 延迟指标 | 计算方式 | 风险阈值 | 用途 |
|---|---|---|---|
| 平均响应 | Σ响应秒数/样本数 | >30秒 | 看整体 |
| P95响应 | 95分位秒数 | >60秒 | 看尾部 |
| 失败率 | 失败样本/计划样本 | >10% | 看质量 |
| 重试次数 | 重试总数/样本数 | >1次 | 看稳定 |
数据来源：GEO采集性能监控规则，整理时间2026年6月。
延迟指标如何进入GEO表？
每条answer记录都应保存3个字段：latency_ms、retry_count和status_code，缺任一字段会影响质量审计。
延迟数据不是技术团队自用，它决定GEO指标可信度。如果某平台失败率高，引用率和提及率都要附带质量说明，避免把技术失败解释成AI答案变化。
| 指标名 | 英文 | 计算公式 | 数据来源 |
|---|---|---|---|
| 平均响应时间 | Average Latency | Σ响应时间/有效请求数 | 采集日志 |
| P95响应时间 | P95 Latency | 第95百分位响应时间 | 采集日志 |
| 请求失败率 | Request Failure Rate | 失败请求/总请求×100% | 采集日志 |
| 重试率 | Retry Rate | 重试请求/总请求×100% | 任务日志 |
数据来源：GEO采集日志字段规范、API监控通用指标，2026年。
延迟异常怎么诊断？
失败率超过10%时，先排查采集任务；若3个平台同时变慢，再考虑网络或时间段因素。
延迟异常可能来自平台限流、网络波动、查询过长或采集并发过高。先按平台、时间段和查询模板分组，比直接重跑全部任务更有效。
| 异常 | 阈值 | 可能原因 | 处理 |
|---|---|---|---|
| P95高 | >60秒 | 平台慢 | 换时间采 |
| 失败高 | >10% | 限流/超时 | 降并发 |
| 重试高 | >1次 | 任务不稳 | 优化重试 |
| 单模板慢 | 高于均值2倍 | 查询过长 | 精简模板 |
延迟指标的作用是给GEO结论加质量边界：采集失败率超过10%的平台，本周引用率只能谨慎解读。
如何把延迟纳入报告？
周报建议在附录展示平台有效样本率，低于90%的平台不参与全局排名。
即推GEO支持接入主流Agent框架与开放API，适合企业自有采集或分析流程把Token权限、任务状态和数据质量统一管理（来源：即推品牌知识库D010，2026年）。
| 报告字段 | 展示方式 | 阈值 | 说明 |
|---|---|---|---|
| 有效样本率 | 百分比 | <90%标黄 | 质量边界 |
| P95响应 | 秒 | >60标黄 | 性能问题 |
| 失败率 | 百分比 | >10标红 | 指标降级 |
| 重试率 | 次/样本 | >1标黄 | 成本上升 |
常见问题如何用数据判断？
延迟FAQ用60秒P95、10%失败率和90%有效样本率做判断。
Q：响应慢会影响引用率吗？
A： 会，失败率超过10%时引用率要降级解读。 采集失败会减少有效样本，可能让平台表现被低估。
Q：P95为什么比平均值重要？
A： P95超过60秒说明尾部样本体验很差。 平均值可能正常，但少量超长响应会造成超时和重试成本。
Q：低有效样本平台要删吗？
A： 不一定，先标记1类质量风险并从全局排名剔除。 连续2周低于90%再考虑调整采样时间或平台策略。
