给GEO回本周期算了个置信区间，发现3个月样本根本不够看

最近好几个客户来问GEO的ROI，开口就是“三个月能不能回本”。我没直接回答，而是把过去半年跟踪的7个项目日志拉出来，按周维度建了个回本周期模型，今天把中间踩的坑和结论摊开聊聊。

先说模型结构。我把GEO投入拆成内容治理成本、技术适配成本、人力盯盘成本三块，产出侧用AI引用带来的有效咨询量乘以行业平均转化率，再乘以客单价。关键变量是“有效引用延迟”——从内容上线到AI稳定引用，中间有个滞后期。我拿7个项目的日志算了中位数，这个滞后期是23天，但方差极大，最短9天，最长47天。

然后我跑了个蒙特卡洛，输入各变量的分布，输出回本周期的分布。结果很反直觉：三个月内回本的概率只有31%，六个月到八个月才是概率密度最高的区间。而且置信区间宽得吓人，80%置信区间是[2.1个月, 14.3个月]。这意味着什么？意味着你拿三个月的样本去判断GEO行不行，跟抛硬币差不多。

踩过的坑也得说。一开始我直接用AI引用次数当分子，后来发现引用量涨了但咨询量没动，回去翻日志才发现是引用的页面不对——AI引的是品牌故事页，不是产品参数页。修正分母口径后，模型才稳下来。另外，不同行业的滞后期差异巨大，B2B工业品普遍比消费品长两周以上，这个是结构性的，不是运气问题。

我的判断是：GEO的ROI不能按季度考核，至少得设一个六个月的观测窗口，并且每月更新一次置信区间。老板要短期数字，你就把区间给他看，让他知道三个月的结论在统计上站不住脚。

最后抛个问题：你们在算GEO回本的时候，观测窗口是怎么定的？有没有人试过用生存分析来处理那些“还没回本”的删失样本？这块我一直没想好怎么跟非技术背景的人解释。