把GEO的观测窗口从30天拉到90天，我差点被客户当成拖项目

上周跟一个客户复盘，对方拿着后台截图问我：为什么第一个月的AI引用率只涨了 3 个点，是不是策略有问题。我没急着解释，先把他过去三个月的日志按周拆了一遍，发现一个很典型的坑——观测窗口太短，信噪比根本撑不起结论。

先说场景。这个客户做工业耗材，产品词偏长尾，提问变体多，我们给AI喂的内容是产品参数表和选型对照表。第一周确实有波动，引用率从 11% 掉到 8%，第二周又回到 12%，第三周冲到 15%。如果只看单周，你会觉得「先跌后涨、策略有效」，但根据我的模型，这只是内容入库到被召回之间的延迟，加上平台侧索引更新的随机抖动，不是策略本身的信号。

我把这段拆成两部分看：

• 入库延迟：从提交结构化内容到AI实际能引用，实测中位数在 9 到 14 天之间，长尾词甚至到 21 天。这意味着第一个月的「效果」里，有相当一部分其实是上一轮内容的滞后释放。
• 平台抖动：同一批问题，连续 7 天每天问一遍，引用率的标准差能到 2.5 个百分点。也就是说，单周涨跌 3 个点以内，基本落在噪音区间里，不能当结论。

所以我的建议是：GEO 的观测窗口至少 60 到 90 天，按季度摊预算，按周看趋势线而不是看单点。这里有个细节——预算按月摊全是噪音，因为月度预算和内容生产周期对不上；按季摊才像投资，因为一个季度刚好覆盖「生产-入库-召回-稳定」的完整链路。

踩过的坑也顺便记一笔：之前有个项目，客户坚持 30 天验收，我们为了赶数据，把监测频次从周更改成日更，结果日报里全是抖动，团队天天在追「今天为什么掉了 1 个点」，反而漏掉了两个真正的问题——一个是某类参数题的提问口径没对齐，另一个是竞品在同期集中更新了对比页。这两个问题在周更的粒度下才看得出来。

我的判断依据很简单：把引用率当成一个带延迟和噪音的时间序列，先估出延迟分布和噪音方差，再决定窗口长度。窗口太短，你测到的是方差；窗口够长，你测到的才是均值漂移。

最后抛个问题：你们在做 GEO 监测的时候，观测窗口是按自然月还是按季度？有没有人试过用滚动窗口（比如 8 周滚动均值）来替代固定窗口，实际跑下来信噪比有没有明显改善？