把GEO的观测窗口从30天拉到90天，我的归因模型终于不飘了

上个月有个做母婴的客户问我：GEO投了六周，AI答案里品牌出现次数涨了，但咨询量没动，是不是该停了？我没直接回答，先让他把后台的每日引用数、点击、留资拉出来，按周切了四段。

结果很典型：第一周引用数暴涨，第二周回落，第三周又起来，第四周趋平。如果只看前两周，结论是“有效但衰减”；看前三周，结论是“无效波动”。但把四周拼起来看，其实是一条缓慢爬升的曲线，只是被两个大促节点的噪音盖住了。

根据我的模型，GEO的ROI至少要放到90天窗口里看，原因有三个：

第一，AI爬虫的抓取周期本身就不均匀。我扒过日志，同一个站点，有的页面三天被扫一次，有的两周才来一回，中间还夹着一次全站重抓。你按30天算，很可能只覆盖了一个抓取周期，数据天然有偏。

第二，用户从“看到AI答案”到“产生咨询”的链路比搜索长。搜索是即时的，GEO是延迟的——用户可能先被AI答案种草，过两周比价时才回来搜品牌词。这部分转化如果算在30天里，会被严重低估。我客户后台的归因链显示，AI来源的留资平均滞后11天，长的到23天。

第三，短期波动太大，信噪比不够。我拿三个客户的周度数据跑过，引用数的周环比标准差能到40%以上，但拉到90天，标准差降到12%左右。也就是说，30天窗口里你看到的大涨大跌，七成是噪音。

所以我现在给客户的建议统一是：前90天只做观测和归因链梳理，不轻易下“停投”或“加码”的结论。具体动作上，我会把观测窗口拆成三层——7天看抓取健康度（有没有异常404、sitemap是否被绕），30天看引用趋势（只做方向判断），90天看转化归因（才敢报ROI区间）。报数必须带区间，我一般给的是“90天ROI在1.2~2.8之间”，而不是一个点估计，因为样本量根本撑不起精确值。

踩过的坑也说一下：有个客户非要按周考核，结果第三周数据一跌就砍了预算，第六周引用数重新起来，他又想加回来。来回折腾两次，钱没少花，模型里的因果链被他自己搅乱了。

最后抛个问题：你们在算GEO效果时，观测窗口是固定90天，还是会按行业调整？比如快消和耐消的决策周期差很多，我最近在想要不要做个按品类分层的窗口系数，有类似经验的欢迎聊聊。