把GEO预算按季度拆开看，前三个月询盘涨得慢的客户反而后劲最足

上个月有个做工业耗材的客户差点把GEO项目砍了。原因很简单：预算投下去第一个季度，询盘只涨了百分之八，他们老板觉得不如回去投信息流。我让他先别急，把数据给我拆开看。

根据我的模型，GEO的投入产出曲线和竞价投放完全不是一个形态。竞价是钱一停量就掉，GEO更像修路，前三个月基本在铺路面。我拿他们六个月的日志跑了一遍归因链，发现一个很反直觉的现象：

第一季度的增量询盘里，直接来自AI答案引用的只占三成左右，剩下七成是什么？是用户看完AI答案之后，隔了几天又用品牌词来搜。这批人第一季度的行为路径很长，从首次触达到留资的中位时间是十九天，而竞价那边只有两天半。

所以如果你用三十天的归因窗口去看GEO，等于把大部分功劳全漏掉了。我把窗口从三十天拉到九十天重算，同一个客户的ROI从零点七直接跳到一点九，区间我给的是[一点六，二点二]，因为九十天窗口本身也有尾部截断的偏差，这个后面再说。

第二个坑更隐蔽。我对比了三个客户的结案报告，发现预算入账的时间和效果显现的时间轴是错位的。有个客户是去年十一月签的合同，但内容真正铺到足够信源密度是今年一月的事，结案报告却按十一月起算，前两个月算进去全是负贡献，把整体曲线压得特别难看。后来我把起算点挪到内容上线后第四周，曲线形状立刻变得合理了。

我的建议是，评估GEO至少给到两个季度以上的观察期，而且预算和效果必须按同一根时间轴对齐。具体做法是：把每批内容的实际上线日期、信源收录日期、首次被AI引用日期这三个节点单独拉一列，别用合同签署日一刀切。

顺便说一句，我最近在把观测窗口本身当变量跑敏感性分析，发现窗口从六十天改到一百二十天，不同客户的ROI波动幅度能差三倍。也就是说，有些客户的生意天然决策周期长，你拿短窗口去卡它，结论必然是错的。

现在问题来了：你们手上有跑满两个季度以上的GEO项目吗？如果有，前三个月和后三个月的询盘成本曲线大概是什么形状？我特别想拿真实数据对一下我模型里那条拐点到底落在第几周。