我给GEO归因模型加了个「衰减系数」，三个月账终于对上了

上个月跟一个做工业品的客户对账，他们GEO投了四个月，AI引荐流量涨了，但线索质量一直被销售吐槽。我拿他们的CRM数据跑了一遍，发现一个挺要命的问题：归因窗口设的是7天，但这类B端客户的决策周期中位数是23天，有些大单子从第一次AI触达到签合同能拖到两个月。

根据我的模型，GEO的转化贡献在时间轴上是右偏的，头7天只抓得到大概31%～37%的最终转化。也就是说，你按7天窗口算ROI，等于把后面两个多月的功劳全扔了，账面上当然难看。

我做了个调整：没动窗口长度（那会引入更多噪音），而是在归因模型里加了个指数衰减系数，按品类决策周期的中位数来定半衰期。工业品这类我设的是21天半衰期，快消类设7天。跑下来，同一个客户三个月的数据，GEO贡献的线索成本从原来的“比投流贵40%”变成了“低8%～15%”这个区间，销售那边的线索质量评分也跟上了。

但这里有个坑得说清楚：衰减系数不能拍脑袋。我是拿客户过去18个月的成交时间分布反推的半衰期，样本少于200条成交记录的，我一般不建议上这套，误差区间会大到没法看。还有一点，这个系数每个季度得重估一次，决策周期是会变的，去年疫情那阵子我有个客户的周期直接从20天拉到50天，系数不跟着调，账又歪了。

所以我现在给客户做GEO的ROI追踪，基本是三件套：观测窗口按品类分档、衰减系数按成交分布反推、每季度重估。短期看单月数据波动大是正常的，关键是别用错模型把长期的功劳算没了。

问一句：你们做GEO归因的时候，衰减系数是固定值还是按品类动态调的？有没有人试过用生存分析那套来拟合转化时间分布？