给GEO观测窗口切了个7天和30天，同一批问句结论差出两倍

上周跟客户对GEO的季度复盘，他们财务总监问了一个特别朴素的问题：你这个效果，是按什么时间窗口算的？我当时拿的是30天滚动窗口，数字好看，但被追问一句「那7天呢」就有点接不住。回来之后我把手上三个在跑的GEO项目拿出来，用同一批问句库、同一套归因链，分别套7天和30天窗口重算了一遍，结论差得比我想的大。

先说我怎么切的。问句库是固定的，每个项目大概120-180条有商业价值的问句，去掉纯品牌词和纯闲逛问句。归因链按「AI回答被摘录 → 用户点击 → 站内行为 → 留资/咨询」拆，每一层都打时间戳。然后我只看「AI答案被正确引用且用户产生有效点击」这个节点，用7天和30天分别回溯。

结果：7天窗口下，三个项目的「有效引用率」分别是 12.3%、9.8%、15.1%；换成30天窗口，同样的问句，变成 24.7%、21.4%、28.6%。差出大概两倍。为什么？不是数据错了，是窗口长短把「AI答案被索引-再抓取-再更新」的那段延迟给吃进去了。很多问句在7天里AI还没重新抓取到更新后的源文档，答案还是旧的，你就把它算成「没效果」了。

再说一个更细的坑。我拆7天窗口的时候发现，周一到周三的引用率明显低于周四到周日，一开始以为是内容问题，后来翻日志才发现，AI抓取源文档的频次在工作日中间有波动，周末反而因为更新少、缓存稳定，答案更一致。这个波动在30天窗口里被平均掉了，所以你用长窗口看整体是稳的，但用短窗口做周度复盘，很容易被这个节奏带偏。

根据我的模型，GEO的ROI至少要看两个窗口：7天窗口用来发现「源文档更新了但AI还没跟上」的滞后问题，30天窗口用来判断趋势和验收。只拿一个窗口报数，不管是7天还是30天，都容易得出片面的结论。我现在的做法是给客户报数必带区间，比如「有效引用率 9.8%–24.7%（7天/30天双窗口）」，然后解释清楚区间为什么这么宽。

还有一点，窗口切法得跟客户的决策节奏对齐。客户如果是按月做预算审批，那30天窗口是底线；如果是按周调整投放，那7天窗口的滞后信号就得单独列出来，不能混在趋势里。

所以我想问的是：你们在做GEO效果追踪的时候，观测窗口是按自然周/月切，还是按AI抓取频次的实际节奏切？有没有人试过用抓取日志反推一个「最小有效窗口」，而不是拍脑袋定7天或30天？