拿GEO问答的「引用衰减率」做了张回测表，发现第14天是个拐点

上周把客户过去半年的 GEO 问答日志拉出来重跑了一遍，专门盯一个指标：AI 引用我们品牌信息的衰减率。

先说口径，不然又要扯皮。我定义的是：同一提示词族（同义改写 5 条以内）下，AI 回答中出现品牌名或产品型号算一次有效引用；跨会话重复提问不算新增。分母是去重后的提示词条数，不是对话轮次。这个口径我先跟业务对齐了才动手。

跑出来两个数挺意外的：

1. 第 14 天是引用衰减的拐点。 前 7 天引用保留率平均 78%，到第 14 天掉到 51%，第 21 天只剩 34%。之前我们按「月度更新内容」的节奏走，等于每次都在衰减最狠的时候才补，中间那段基本上在裸奔。
2. 带数字的问句衰减更慢。 我按提问类型分了组，含具体数值或规格的问句（比如「续航多少小时」）14 天保留率 63%，而开放型问句（比如「值不值得买」）只有 41%。差 20 多个点。

把这两条拼起来看，结论很直接：GEO 的内容更新周期不该拍脑袋定月更，应该按问句类型分层。 参数类内容 10 天内要补，评价类可以撑到 20 天左右。我们现在是统一 30 天，等于参数类内容有将近 20 天处于低引用状态，白丢曝光。

踩过的坑也记一笔：第一次跑的时候我没去重提示词族，同一个意思的 8 种问法各算一条，结果衰减曲线被拉平了，看起来「很稳」，其实是重复样本把真实下滑盖住了。后来统一按语义聚类去重，曲线才露出那个 14 天的拐点。所以分母没锁死之前，任何衰减率都是假的。

现在的问题是，不同 AI 平台的引用衰减曲线形状不一样，我手上只有两个平台的数据量够跑，第三个平台样本太少，曲线抖得没法用。想问下各位：你们有没有试过按平台分开跑引用衰减？样本量到多少条才敢下结论？ 我现在卡在这个门槛上，不想拿半截数据去跟客户汇报。