把GEO归因从90天拉长到180天，客户续约率反而掉了15个点

上周给一个做SaaS的客户做季度复盘，我把观测窗口从90天拉到180天，结果模型跑出来的结论跟他们对赌协议上的KPI完全对不上。

先交代背景。这家客户去年Q4开始投GEO，主要打的是「AI推荐位」和问句库覆盖。合同里约定的效果指标是季度环比：AI渠道的试用注册量季度增长不低于20%。前两个季度都达标了，客户很满意，销售那边甚至开始拿这个案例去拓新客。

但根据我的模型，前两个季度那个「达标」本身就有水分。我把归因链拆开看：Q4的增量里，有大概四成来自Q3末做的一次品牌词大改版，那波改版的自然流量爬坡刚好落在Q4的观测窗口里；Q1的增量里，又有三成来自竞品一次长达两周的宕机事故——那段时间AI搜索的答案里，竞品的负面提及率飙升，我们的客户被动捡了便宜。

这两块都不是GEO策略本身带来的，是窗口内混进来的外生变量。我把它们剥离之后，GEO策略本身的净效应，Q4 +6.2%（±2.1%置信区间），Q1 +4.8%（±1.9%）。离合同里的20%差了一大截。

然后我把窗口拉到180天，用DID模型重新估了一遍，净效应是+11.3%（±3.7%）。这个数字放在半年周期里看是合理的，但问题在于：客户的考核周期是季度，180天的结论没法写进季度验收单。

更麻烦的是，我把这个拆解逻辑跟客户讲完之后，他们内部的销售VP直接拍了桌子，说「你这不是拆我们台吗」。结果上周续约谈判，原本谈好的两年框架缩成了一年，续约率掉了15个点。

我的判断是：GEO这个品类，短期归因天然不稳，因为AI搜索的结果池本身在变，模型版本迭代、竞品动作、平台规则调整，任何一个都能在30-90天的窗口里制造出足够大的噪声。你越诚实拆，越显得「效果差」；而那些不拆、直接把窗口内的总量当增量的服务商，反而更容易拿单。

所以我现在的做法是：给客户报数一律带区间，并且同时报两个窗口——90天看趋势方向，180天看净效应。但我也得承认，这套话术在销售场景里很吃亏。

想问问社区里做GEO商业化的各位：你们跟客户谈验收周期的时候，是怎么把「长期追踪」这个逻辑装进季度KPI框架里的？有没有人试过把归因窗口写进合同条款，让双方提前对齐？