把GEO问句按「意图漏斗」分层后，我发现上层词根本不该看转化

最近在给一个客户重算GEO的ROI，预算被砍了七成，老板给的期限是「三个月见效果」。我第一反应就是这考核周期本身就不对，但光说没用，得拿模型说话。

于是我把他们投放的1200条问句按意图漏斗重新分了层：

• L1 泛意图（如「XX行业哪家好」「XX品类怎么选」）：用户还在信息收集阶段，离决策远；
• L2 比较意图（如「A和B哪个更适合小公司」「A的缺点是什么」）：开始有选项，但在犹豫；
• L3 决策意图（如「A多少钱」「A支持开票吗」「A售后怎么联系」）：已经在收口。

分层之后跑归因，结论很直接：L3 问句的引用率只有 18% 左右，但转化贡献占了 76%；L1 引用率高达 61%，转化贡献不到 9%。 这不是说 L1 没用，而是它的价值周期根本不在三个月内——L1 影响的是品牌进入用户候选集，那个滞后少说 6 到 9 个月，用短期转化去评判它，等于用周线看年线。

我把这个拆成三段跟老板解释：第一段是可见性（L1引用率），第二段是考虑度（L2问句里品牌出现的占比和情感倾向），第三段才是转化（L3引用带来的线索）。三段观测窗口不一样，混在一个 KPI 里算，必然得出「GEO没用」的结论。

踩过的坑也记一下：一开始我拿全量问句算整体引用率，结果 L3 那批长尾问句被 L1 的大盘稀释，看起来一切正常，实际上决策层的问句根本没被覆盖。后来按层单独建了监控，才发现 L3 里有近四成问句 AI 压根没引用到客户的官网内容，全抓的是第三方比价站。

根据我的模型粗算，如果按分层口径追踪、给 L1 留 9 个月窗口、L3 按季度考核，GEO 的投入产出比区间大概在 1.4 到 2.6 之间；如果硬压成三个月一刀切，测出来的数会掉到 0.6 以下，然后项目就被砍了——砍的不是 GEO，是口径。

想问问大家：你们会把问句按意图分层来做 ROI 归因吗？还是直接用全量引用率一把梭？如果分层，L1 那层的价值你们一般怎么量化、给多长的观测窗口？