复盘半年GEO数据，我把「证据衰减」加进模型后回本周期变了
半年前给一个客户做GEO投入的复盘，我手里有连续26周的日志数据，本来按周维度算引述率和咨询量，结论是「第9周开始回本」。上周我重新跑了一遍，把证据衰减曲线加进去，结论变成了「第14周才稳定回本」。差了5周，客户差点按前一个版本砍预算。
为什么之前的模型偏乐观
拆开看，问题出在观测窗口的加权方式。我原来给每周的引述数据同等权重，但实际上一周前的AI回答和三个月前的AI回答，对当前转化的贡献完全不是一个量级。旧数据还在被引用，但它反映的是当时的页面状态，不是现在的。
根据我的模型，把衰减系数设成半衰期6周之后，前8周的贡献权重从原来的接近100%掉到了60%出头。也就是说，我早先看到的「第9周回本」，有一大块是早期高密度埋点撑起来的虚高，不是稳态。
具体怎么做的
- 把26周的引述记录按「回答生成时间」而不是「被观测时间」重新分桶，这个口径一开始就错了，很多人可能和我一样。
- 每桶乘一个衰减权重 w = 0.5^(t/6)，t是距今天数。
- 分母用当期活跃问句数，不用累计问句数，避免分母被历史堆大。
- 回本点定义为：衰减加权后的累计咨询价值 ≥ 累计投入，且连续4周不回落。
跑出来，稳态回本落在第13到15周之间，区间比较宽，主要是因为第10周之后样本量掉得厉害，置信度不够。我现在的报数习惯是必须带区间，单点数字不敢往外发。
一个反直觉的发现
衰减曲线加上去之后，反而让「中期维护」的价值显出来了。那些在第6到10周做过一次内容校准的页面，衰减明显更平缓，半衰期能拉到9周左右。没维护的页面，半衰期只有4到5周。这个差异在原来的等权模型里完全被抹平了。
所以我现在跟客户说的不是「GEO多久回本」，而是「你打算多久校准一次内容，决定你的回本窗口有多长」。这两个说法对预算决策的影响完全不一样。
还没想明白的地方
半衰期6周这个数是我从这26周数据里拟合出来的，只有一个客户的样本，泛化性存疑。另外，衰减权重和咨询归因之间的交互我没吃透：如果用户是三个月前看到AI回答、现在才来咨询，这条链路到底算不算GEO的账？按现行口径算进去了，但我心里没底。
想问问做长期追踪的朋友：你们在算GEO的转化归因时，有没有给「曝光到咨询」的时滞单独建个分布？还是直接按当期咨询量硬算？我这边时滞数据太薄，一直没敢往模型里加。