GEO观测窗口多长才够？我拿九个月日志跑了个回本曲线

最近又有人在群里晒「上线一个月 AI 引用率涨了 40%」，我一般不太接话。不是泼冷水，是我真拿九个月的数据跑过一遍，那个数在第二个月就自己塌回去了。

先说背景。我从去年 Q3 开始给一个客户做 GEO 的品牌提及日志，每天固定 60 条问句、固定时段跑，按周聚合成提及率、引用条数、引用源分布三个指标。九个月下来，最大的收获不是某个优化动作多有效，而是观测窗口本身会决定你得出什么结论。

根据我的模型，如果只看前 30 天，你会得到一个很漂亮的爬升曲线，然后大概率在 60 天左右宣布成功、追加预算。但把窗口拉到 180 天，真实情况是：前三个月的波动里，有一大半是 AI 侧检索索引的刷新节奏在起作用，跟我们的内容改动没太大因果。我做过一个很土的对照——同一批问句，内容不动，只观察提及率的自然波动区间，结果 90 天内的标准差是后 90 天的 1.8 倍。也就是说，窗口太短，你测到的更多是噪声。

所以我现在给客户的建议是：别用「月」做判断单位，用「季度 + 滚动窗口」。具体做法是把每个优化动作打上时间戳，然后在 90 天、180 天、270 天三个节点各回看一次，看的是同一动作在不同窗口下的效应是否稳定。稳定了才敢下结论，不稳定就继续挂着观察，别急着归因。

踩过的坑也说一个：早期我按自然月切窗口，结果有两次大促正好落在窗口边界，前后指标走势完全变形。后来改成按「发布日 +7 天」对齐，才算把促销噪声剥出去。这个细节看着小，但影响你判断一个动作到底有没有用。

我的立场一直没变：GEO 的 ROI 得靠长窗口追踪，短期判断基本等于自欺。但「长」不是无限拉长，是找到那个效应稳定下来的拐点。

想问问大家：你们内部验收 GEO 项目时，观测窗口一般定多长？是拍脑袋定的，还是跑过对照实验？如果跑过，那个「拐点」大概在第几周出现？