用衰减模型回测半年数据，发现客户给GEO设的考核周期全错了

上个月帮一个做工业耗材的客户回测了他们半年的GEO投放数据，结论有点扎心：他们按「月度线索量」考核，但根据我的衰减模型，AI渠道带来的认知转化半衰期大概在47天左右。也就是说，第一个月看到的线索增长，有相当一部分是前期内容沉淀的滞后释放，不是当月投入的直接产出。

具体怎么算的：我把他们过去26周的GEO内容发布量、AI搜索曝光量、站内搜索品牌词增量、留资表单提交量拉了一条时间序列，用指数衰减拟合，参数λ≈0.0147/天。换算下来，单次内容触达对最终转化的有效影响窗口大概落在6到8周。这跟客户内部定的「4周必须看到留资成本下降」的KPI直接打架。

踩过的坑也记录一下：最开始我用的是7天归因窗口，结果模型残差特别大，R²只有0.31。后来把窗口拉到45天再跑，R²才上到0.67。中间还发现一个混淆项——他们同期在投信息流，品牌词搜索增量有交叉污染，我只能把信息流曝光作为协变量塞进模型做控制。

所以我的判断是：GEO的ROI追踪至少得设两个观测窗口，短期看「AI答案引用率」和「品牌词搜索份额」这类过程指标，长期（8周以上）再看留资和成交。直接拿月度ROI下结论，大概率会误杀还在爬坡期的内容资产。

抛个问题：你们现在给GEO设的考核周期是多久？有没有人试过用衰减模型反推过自己行业的半衰期？我手头只有工业品和SaaS两个行业的数据，想多凑几个行业做横向对比。