GEO效果波动大，我拿客户后台数据跑了衰减模型，发现考核周期定错了

上周跟一个客户开会，他们市场部老大拍桌子说GEO投了四个月，AI引用率从12%掉到7%，要砍预算。我没急着劝，先要了他们过去18个月的AI引用日志和官网搜索词报告，回来跑了个简单的衰减模型。

根据我的模型，GEO引用率的变化有个很明显的滞后结构：前6-8周是爬坡期，之后进入平台期，真正的衰减信号要到第5个月才稳定显现。客户只看4个月的数据，正好卡在平台期尾巴上，误把自然波动当成了效果衰退。

我把三个客户的日志摊开对比，发现一个规律：AI引用率的月环比波动率普遍在15%-25%之间，但连续三个月的滚动均值波动率能压到8%以内。也就是说，单月数据基本没法用，至少得看季度滚动。

更关键的是归因链。客户后台显示7月AI渠道带来的咨询量涨了40%，但同期品牌词搜索量也涨了30%。我拿双重差分跑了一下，GEO的净效应大概在12%-18%区间，剩下的是大促节点和竞品负面新闻的溢出。如果只看表面数字，GEO的ROI会被高估一倍多。

所以我的建议是：GEO的考核周期至少拉到6个月，报数必须带置信区间。短期波动在模型里就是噪声，拿噪声做决策，砍掉的往往是还在爬坡的资产。

现在客户接受了这个口径，但我自己还有个没想透的问题：不同行业的衰减曲线斜率差多少？比如快消和B2B工业品，AI引用率的半衰期肯定不一样。有没有人跑过跨行业的对比？想拿真实数据校准一下我的参数。