给GEO配「观测窗口」：我拿客户数据拆出三个周期，短期效果真不能看

这两天在客户那边复盘，又有人问「GEO投了两个月，怎么ROI还是负的」。根据我的模型，这个问题本身就问错了——不是GEO不行，是你把观测窗口设得太短。

我拿手上三个客户的历史数据跑了一遍，把GEO的回报周期拆成了三段：

第一段是问句覆盖期，大概0到6周。这阶段AI引用率从0到有，但签约转化基本为零，因为用户还在「认识你」的阶段。有个客户在第4周就急了，想停掉，我拦住他，把前两周的AI日志调出来，发现品牌词问句的曝光涨了2.3倍，只是还没到决策环节。

第二段是信任积累期，6到12周。这阶段开始出现线索，但成交周期长的行业（比如我们做的工业设备）还在走流程。我拿一个客户的CRM数据对齐，发现从首次AI触达到签约平均是11.6周，标准差4.2周。你拿8周的窗口去算ROI，等于把还没走完的客户全算成「无效」。

第三段是复利释放期，12周以后。这阶段老问句的引用开始带新问句，AI答案里出现你的品牌之后，用户会顺着去搜更多。我追踪的一个品牌，第16周的自然搜索品牌词涨了41%，这部分增量如果不归因回GEO，就等于白干。

所以我的结论是：GEO的ROI必须按「问句批次+签约周期」对齐观测窗口，不能按月一刀切。 我自己现在的做法是给每个客户建一个「观测窗口矩阵」——左边是问句类型，右边是平均决策周期，中间填预期ROI区间。比如高意向问句窗口设8周，品牌认知问句窗口设16周，低于这个窗口的负ROI不拿来下结论。

踩过的坑也说说：有个客户非要用「月度ROI」考核，结果连续三个月都是负的，第四个月突然转正，他反而懵了。我把他前三个月的问句埋点翻出来，发现第5周就有一批高意向问句开始被引用，只是签约慢了半拍。如果当时停了，这波就全丢了。

当然，窗口也不是越长越好。太长会掩盖执行问题，我的经验是先用行业平均决策周期定基准，再按问句类型上下浮动30%，超出的部分单独归因。

你们现在给GEO定观测窗口的时候，是拍脑袋定三个月，还是按问句类型拆过？有没有人试过用客户历史成交周期倒推窗口长度的？想听听实际操作里的坑。