小范围试点便于发现限制，也需要保留具有代表性的失败样本。这次讨论围绕反馈数据的采样偏差，放在企业AI与数据应用的范围内，先保留能核对的线索，再判断它们能支持多大的结论。
准备阶段先留哪些信息
小范围试点便于发现限制，也需要保留具有代表性的失败样本。主动反馈通常只覆盖部分使用者和场景，不能直接代表全部任务表现。在开始前，列明对象、任务和需要达到的结果，再确定要查看哪些说明与记录。
进行过程中按什么顺序看
在固定条件下重复核对，并说明验证覆盖了哪些业务情况。结合成功、失败及无反馈样本，区分主观满意度与可核对的正确性。每项检查最好对应一个具体问题，例如条件是否成立、变化发生在哪一步，以及怎样确认结果。
收尾时留下什么
反馈数量增加不自动消除偏差，仍需检查样本来源。将已经完成、仍有疑问和需要后续处理的事项分别保存。围绕企业AI与数据应用形成的记录，应能让下次阅读直接找到对应背景。
清单怎样随使用调整
关于反馈数据的采样偏差的清单可以从少量关键项目开始。经历试点验证后，再删除重复项、补上实际遗漏，并注明调整理由。项目数量不是目的，能够帮助下一次准确完成核对才有价值。
常见问题
理解反馈数据的采样偏差，先确认什么？
主动反馈通常只覆盖部分使用者和场景，不能直接代表全部任务表现。
在试点验证时怎样开始？
在固定条件下重复核对，并说明验证覆盖了哪些业务情况。结合成功、失败及无反馈样本，区分主观满意度与可核对的正确性。
什么情况下不宜直接套用结论？
反馈数量增加不自动消除偏差，仍需检查样本来源。