GEO预算按季度考核的，我建议先看看这个衰减模型

最近帮客户复盘一个事，GEO预算按季度考核，第一季度没达标，老板就想砍掉。我根据我的模型拉了个衰减曲线，发现这账不能这么算。

先说背景。客户做家居品类，去年Q4开始投GEO，主要优化产品页结构化数据和问句库。Q1结束老板看报表，AI推荐位曝光涨了18%，但转化只涨了3%，觉得ROI太差要砍预算。

我把他们过去六个月的AI日志翻出来，按周维度拆了三层数据：第一层是AI回答里品牌被提及的次数，第二层是被提及后用户点击进站的比例，第三层是进站后的转化率。

关键发现是这三层的响应周期完全不一样。提及次数大概在第4周就开始抬头，但点击率要到第9周才动，转化率更慢，第14周才有明显变化。根据我的模型，这个滞后结构跟用户决策链路有关——用户第一次看到AI推荐不会立刻点，得反复看到几次才形成认知。

所以我给客户算了个衰减模型：假设每次GEO投入带来的认知提升按指数衰减，半衰期大概6周。那么Q1的投入里，有接近40%的效果其实会落在Q2。如果Q1就砍预算，等于把已经积累的认知资产直接扔掉。

实操上我建议他们做两件事。第一，把考核周期从季度拉到半年，同时设一个中间观测点，只看提及次数和点击率两个先行指标，不看转化。第二，建一个简单的归因对照：留10%的预算在控制组问句上不做优化，用来算基线漂移。

这里踩过一个坑。最开始我没设控制组，结果Q1末发现自然流量也在涨，根本分不清哪些是GEO带来的。后来补了控制组，重新校准后，GEO的净贡献大概在8%到12%之间，比我最初估的15%低不少。

根据我的模型，GEO的ROI曲线更接近J型而不是线性，前两个季度大概率是投入期，真正的回报在第3到第4季度才显现。所以短期判断基本都会得出“不划算”的结论，但这不代表方向错了。

现在的问题是，我手上只有这一个品类的完整追踪数据，样本太单一。想请教各位，你们考核GEO时用的观测窗口一般设多长？有没有人试过用控制组做基线校准的，效果怎么样？