我把AI引用日志按小时拆开看，发现GEO的ROI观测窗口至少得拉到十周

上个月有个客户把GEO预算从Q2挪到Q4，我拿他们过去两个季度的AI引用日志按小时切了一遍，发现一个之前没太在意的细节：引用量峰值和线索峰值之间，隔了差不多七周。这不是拍脑袋，是根据我的模型跑出来的——我把引用量、页面停留、表单提交三条序列做了互相关，滞后系数稳定在6.8到7.4周之间。

先说具体做法。我取了客户官网被AI引用的页面，按小时打点，和CRM里的线索创建时间对齐。一开始我以为引用涨了线索就会跟着涨，结果两条曲线在时间轴上错开一大截。我把引用量做了7天滑动平均，再和线索做互相关，峰值出现在滞后49天左右。为了排除季节性，我又拿去年同期的自然搜索数据做对照，滞后系数只有12天，说明这不是行业通病，是GEO这条链路本身的问题。

踩坑的地方在于，我一开始只看了总引用量，没区分引用位置。后来把引用来源按首答、追问、比较问句三类拆开，发现首答的引用对线索的滞后影响最大，追问那部分几乎同步。也就是说，真正需要长期观测的是首答引用，追问引用可以短窗口看。这个结论我目前只在一个客户身上验证过，样本量大概1200条引用记录，置信区间我给到±15%，还不够硬。

所以我的判断是：GEO的ROI不能按周报看，至少得拉十周。预算挪期那七周滞后的案例就是活证据。如果客户非要月度评估，我建议只报趋势区间，别报绝对值，否则很容易把延迟效应误判成失败。

有个问题想问问社区：你们在跟踪GEO效果时，观测窗口一般设多长？有没有人试过用互相关或者分布滞后模型来校准这个窗口？我最近在搭一个更通用的归因链模板，想参考下大家的实际参数。