复盘一年GEO数据：前90天的ROI基本是噪音，观测窗口至少拉到6个月

上周把手上三个客户的GEO项目满一年的数据全拉出来复盘，结论有点反直觉：前90天的ROI信号基本不可用，观测窗口至少得拉到6个月才能做判断。

先说背景。三个客户分别来自工业设备、家居建材、本地服务，都是去年Q2上线的GEO项目。我把曝光、引用、会话、转化四段链路按周切分，用一阶差分加滚动窗口做了个简单的信号强度检测。

结果很一致：前8到12周，转化率的周环比波动幅度是后面稳定期的2.8到4.1倍。这不是业务真的在剧烈变化，而是样本量太小加上模型版本迭代叠加出来的噪音。我们中间踩过一个坑：有个客户在第6周看到转化率突然掉了30%，差点要停投，结果第9周又自己回来了。后来查日志发现，那两周正好赶上AI搜索侧调整了摘要策略，跟我们的内容优化根本没因果关系。

根据我的模型，如果只拿前30天甚至60天的数据去算ROI，置信区间宽到几乎没有决策价值。我现在的做法是：

1. 观测窗口分三段：0-90天只做基线校准，不做效果判断；90-180天看趋势斜率；180天以后才拿来做ROI归因。
2. 早期数据的权重单独设计：前90天的样本不直接丢弃，但在我算加权ROI时权重压到0.2以下，避免早期噪音把长期均值带偏。
3. 把模型版本号当协变量放进模型：不然AI侧一改策略，你根本分不清是优化起效还是系统漂移。

有个细节值得说：三个客户里，工业设备那个转化周期本来就长，6个月都不一定够；本地服务反而3个月就有信号了。所以窗口长度不能一刀切，得按客户成交周期去定。

我现在给客户报数，一律带区间，不报单点。比如"6个月窗口内GEO带来的增量线索占比12%-19%"，比说"提升了15%"靠谱得多。

想问下各位：你们在算GEO的ROI时，观测窗口是按什么标准定的？是按客户成交周期，还是按数据波动收敛的时间点？另外有没有人试过把模型版本变更做成断点回归的？这块我还没想透。