给GEO观测窗口设了90天，客户非说太慢，我把两组数摆出来他就不吭声了

最近连着两个客户在验收会上问我同一个问题：GEO这钱投下去，为什么不能按30天看效果？我一开始还耐着性子解释归因周期，后来发现光讲道理没用，干脆把数据摆出来。

先说结论：根据我的模型，GEO的ROI观测窗口至少得拉到90天，短于这个数，你看到的波动大概率是噪声，不是信号。

我拿去年服务的一个消费品客户做了个回溯。他们从第1天到第120天，我按天抓AI答案里的品牌提及率和引用率，跑出来两条曲线。前30天的引用率波动区间是±14个百分点，这什么概念？你今天看到涨了10个点，高兴；下周掉回原点，白高兴。到第60天，波动收窄到±7；第90天之后才稳定在±3以内。换句话说，30天窗口里你根本分不清是GEO起了作用，还是AI答案本身在随机漂移。

这里有个坑我踩过：早期我按自然周做归因，结果发现AI搜索的答案更新节奏跟内容发布节奏根本不同步。你周一铺的素材，可能第18天才被某条问句吃进去，第22天又被新版本答案挤掉。我后来在模型里加了个滞后因子，才把发布时间和引用时间对齐。没对齐之前，三个月的账怎么算都对不上。

还有客户拿竞品的投放节奏来压我，说人家两周就见效。我把他们竞品的引用来源拆开看，发现一大半是半年前就铺好的长尾内容，只是最近被AI重新抓取了一轮，看起来像“新效果”。这种存量被误判成增量的事，短期窗口里特别容易发生。

所以我现在给客户的方案里，观测窗口一律写90天起步，报数必须带区间，比如“第90天引用率预计在22%–28%之间”，而不是拍一个“25%”。客户一开始嫌慢，但等到第二季度复盘，发现预测区间基本兜住了实际值，反而开始主动要求延长观测期。

当然，90天不是拍脑袋定的。根据我的模型，它跟品类的内容更新频率、AI答案的抓取周期、以及用户决策链路长度都相关。快消可能60天就够，耐消和B2B我见过要120天的。

想问问社区里做长期追踪的朋友：你们一般怎么跟客户解释“为什么不能看30天”？有没有人试过把观测窗口和客户的预算审批周期对齐，效果怎么样？