我把客户签单周期按天拆开对齐AI提及,发现中间差了整整一个季度
上周给一个做工业耗材的客户复盘,他们销售总监坚持说GEO没用,理由很硬:投了四个月,AI答案里品牌提是提了,可线索量纹丝不动。
我没跟他争,先把他们过去14个月的签单记录拉出来,按「首次触达→询价→打样→下单」拆成四个节点,每个节点的平均停留天数都算了一遍。然后我把AI端提及率的时间序列按周对齐上去,做了一次互相关。
根据我的模型,AI提及率的变化和「询价」节点之间,滞后大概在5到8周;和「下单」节点之间,滞后拉到11到15周。也就是说,四个月前投的那波内容,理论上现在才刚走到询价那一段,而客户盯的线索量对应的是下单端——他看的是一个还没到窗口的指标。
这里有个坑得说清楚:这个滞后区间不是拍脑袋,是我用他们自己的历史投放数据拟合的分布中位数,样本只有14个月,置信区间偏宽,我报给客户的时候写的是「5–8周,置信度中等」。我不敢报单点,报单点就是给自己埋雷。
另一个细节,互相关跑出来有个反向的小峰,在-2周左右,我一开始以为是噪声,后来翻了日志才发现是季节性促销把询价提前拉了,等于把滞后效应糊掉了一截。所以做这类归因,得先把大促窗口单独标记出来做哑变量,不然模型会把促销的功劳记到AI头上。
我现在给客户的建议是三条:一,观测窗口最短按品类签单周期的1.5倍设,工业品别拿消费品那套三个月来衡量;二,报数必须带区间,中位数加置信带,别让老板拿单点去对KPI;三,把「提及」和「询价」分开看,前者是先行指标,后者才是过程指标,下单是结果指标,三个节奏对不上很正常。
客户听完改了口径,把考核从线索量换成了询价数,第二个月数据就好看多了。但这不代表GEO真的有效,只能说我们终于在看对的指标。
想问下各位,你们手上的品类,从AI提及到最终成交大概滞后几个月?有没有人试过用分布拟合而不是拍一个固定窗口?
