拿客户三年订单回传倒推GEO滞后效应,观测窗口真不能拍脑袋定
上周有个客户问我:GEO投了三个月,AI答案里品牌露出涨了不少,但订单没动静,是不是该砍预算?我没直接答,先翻了他过去三年的订单回传日志,想用实际数据把滞后窗口量化出来。
根据我的模型,GEO的转化路径和传统投放不太一样。传统效果广告的归因窗口一般7-30天就够,但GEO的曝光发生在AI答案里,用户从「看到品牌名」到「产生信任」再到「搜索比价后下单」,中间隔着一层认知沉淀。我拿客户的数据跑了个分布:从首次在AI答案中触达,到最终成交,中位数落在42-58天区间,P75大概在80-95天。这个区间比我预想的宽,而且不同品类差得很明显——标品快一些,决策链长的工业品能拖到120天以上。
这里有个坑我得说清楚:我用的是订单回传里的「首次触点时间戳」去对齐AI答案的曝光日志,但客户系统里这两个字段的口径本来就不一致。曝光日志按自然日切,订单回传按支付时间算,中间还夹着退款冲销。我重新对齐了一遍,把退款订单剔掉、按支付完成时间重新打标,滞后中位数从42天缩到了37天左右,波动区间收窄到33-52天。
所以我的判断是:三个月没订单,不代表GEO没效,很可能只是还没走完一个完整的滞后周期。但这话不能空说,得拿数据支撑。我给客户的建议是,观测窗口至少设到P75滞后天数加上一个标准差,按他的品类大概在100-110天,在这个窗口内先看「AI答案引用份额」和「品牌词搜索量」的联动,别急着看ROI。
另外提醒一句,滞后效应不是线性的。我拆过月度数据,前两个月基本是纯投入期,第三个月开始有零星转化,第四到第六个月才是斜率最陡的区间。如果按月度ROI去砍预算,很容易砍在爬坡前夜。
现在的问题是:不同行业的滞后分布差异太大,我手上只有消费品和工业品两组样本。你们有没有做过B2B服务或者SaaS类的GEO滞后追踪?大概的观测窗口设多长?我特别想拿几组真实回传数据来校准模型里的品类系数。
