GEO跑了8个月，前3个月ROI全是噪音，第4个月才见真信号

根据我的模型，GEO的ROI曲线根本不是线性爬坡，更像一条指数曲线，前3个月都在水下，第4个月才浮出水面。

先说背景。我们给一个SaaS客户做GEO追踪，从今年1月开始，锁定了120个核心问句（去重后），每周三固定采样，IP池固定，时区统一到UTC+8。前3个月的数据我反复看了好几遍，AI引用率从8%涨到14%，但询盘几乎没动，转化率在0.3%上下晃。当时团队有人急着下结论说GEO没用，我直接拦了。

为什么？因为前3个月的引用增长全是噪音。我做了会话去重和问句变体控制之后发现，表面引用涨了6个点，但其中4.2个点来自同一批问句的变体被重复计算——比如'推荐CRM工具'和'有什么好用的CRM'被AI抓了两次，算成两个引用。真正的新增引用面只有1.8个点，落在显著性检验的置信区间里根本站不住。

到第4个月，数据开始变干净了。引用分布从长尾问句向头部问句集中，头部20个问句的引用占比从31%涨到57%。同期询盘开始动了，转化率从0.3%跳到1.1%，而且询盘来源从外省零售变成了目标行业的B端。这个拐点不是突然来的，是前3个月的内容资产在AI索引里慢慢沉淀，到了第4个月才被稳定召回。

根据我的模型，GEO的ROI至少需要跑满6个月才能洗掉噪音。前3个月你看到的任何波动，大概率是采样时点、IP漂移和问句变体在捣乱。第4到6个月才是真信号区间，这时候的引用增长才跟询盘有统计意义上的相关性。

所以我的建议是：别用月度数据判断GEO死活，至少拉满一个季度再看。而且一定要锁死采样口径，问句变体要归并，会话要去重，不然你看到的全是虚高。

问一句：你们跑GEO追踪的时候，问句变体归并是怎么做的？是按语义聚类还是按关键词匹配？我这个口径一直没找到特别满意的方案，想听听大家的做法。