GEO归因模型的衰减系数，我按客户类型拆开跑，发现工业品线索回本周期差了快一倍

上周跟财务对Q3的GEO预算，他们拿归因模型算出来的线索转化率跟我实际成交单对不上。我让技术把模型参数调出来一看，问题出在衰减系数那个半衰期上——我们之前图省事，全公司统一设了30天。

说白了，30天就是假设一条线索从接触AI答案到成交，影响力每30天衰减一半。但我们手里两块业务根本不是一回事：快消品那边客户刷到AI推荐，一周内就下单，30天半衰期没问题；工业设备那条线，从AI搜索到技术参数比对、招投标、走合同，平均决策周期90天往上。你拿30天去衰减，等成交的时候模型早把GEO的功劳扣光了，算出来ROI惨不忍睹，预算差点被砍。

我让数据组按客户类型拆开重跑：快消维持30天，工业品调到90天，大客户项目制单独设120天。同一批GEO投放，工业品那条线的归因线索数直接多了四成，销售那边也认——他们本来就说这些单子是三个月前从AI问答里来的。

这里有个坑我得说清楚：半衰期不是越长越好。我试过给工业品设180天，结果模型把半年前一个展会线索都算到GEO头上，财务当场翻脸。后来定下来：半衰期最多不超过客户平均决策周期的1.2倍，再长就是自己骗自己。

现在我的口径是，每接一个新品类，先拉三个月的CRM成交周期分布，算出中位数，再让技术照着调。别信什么行业通用值，你自家销售从线索到回款走了多少天，模型就该认多少天。

你们那边归因模型的半衰期是统一设的，还是按品类拆的？有没有人试过按客户规模再细分一层，我担心大客户和小客户混在一个池子里，账还是对不齐。