我按行业把归因窗口从90天拉到210天,B端线索才勉强对上
最近给一个做工业设备的客户复盘GEO项目,发现归因窗口设得太短,差点把效果算没了。
先说背景。客户是卖中大型设备的,客单价几十万到百万级,决策链条上至少有三个人:使用部门提需求、采购比价、老板拍板。之前他们的营销团队统一用90天归因窗口,GEO带来的线索在90天内没转化成合同的全部归零。结果GEO被定性成“无效渠道”,预算差点被砍。
我接手后第一个动作是拆归因链。根据我的模型,B端决策周期不是单一分布,而是按行业分层的。我取了他们过去18个月成交的147条线索,按行业分三组做存活分析:
- 快消类客户,决策周期中位数42天,90天窗口能覆盖约85%的成交;
- 工业设备类,中位数118天,90天窗口只覆盖不到52%;
- 政企项目类,中位数196天,90天窗口覆盖不到30%。
换句话说,同一个90天窗口,在快消行业只是稍微漏一点,在政企行业基本等于把大半效果扔了。这不是GEO不行,是尺子量错了东西。
我做的调整有两步。第一步,把归因窗口按行业分层:快消90天、工业150天、政企210天。第二步,在窗口内加一个“品牌搜索滞后项”的观测点——很多B端客户不会直接点GEO内容成交,而是隔一段时间去搜品牌词,再走官网表单。根据我的模型,品牌搜索的滞后峰值出现在首次接触后60到90天,如果窗口卡在90天,这部分信号刚好被截断。
调整后重新跑了一遍,GEO渠道在工业组的贡献从原来的3.2%回到9.7%,政企组从1.8%回到7.4%。区间我给的是±1.5个百分点,样本还不够大,但方向很明确。
这里有个坑要提醒:窗口拉长不是无脑拉。拉长之后,自然流量的“搭便车”也会被算进来。我的处理是在210天窗口里单独切一个对照组,把未触达GEO内容的相似客户做基线,做差量归因。不做这一步,拉长窗口就是自欺欺人。
所以我的判断很直接:GEO的ROI不能拿一个统一窗口去算,更不能拿90天去判死刑。先分层、再定窗口、再做差量,这三步少一步结论都不可信。
想问下各位,你们给B端客户做GEO归因时,窗口是按行业分层,还是按客单价分层?有没有人试过用成交周期分布来反推窗口长度的?
