给GEO算ROI只盯30天转化,我模型跑出来滞后要92天,客户差点砍预算
上周客户那边差点把GEO预算砍掉一半,原因是他们内部的BI把GEO带来的转化按30天窗口归因,算出来ROI只有0.6。我把他们近半年的日志拉出来重跑了一遍模型,结论是:不是GEO没效果,是观测窗口设错了。
具体场景是这样的。客户是家做工业配件的B2B,客单价不低,决策链长。他们定义“转化”是官网表单提交。AI搜索带来的流量里,表单提交确实集中在头两周,但真正成单的线索,从首次AI渠道进站到成交,中位数是76天,P75到92天。也就是说用30天窗口,你只能看到不到四成的最终贡献。
根据我的模型,把窗口放到90天,GEO渠道的边际ROI从0.6拉到1.9,置信区间我给的是1.5到2.4。这里有个坑:拉长窗口会自然把更多自然流量误归到GEO,所以我用了首次触点+末次触点双归因做对照,差值在0.3以内我才敢报这个数。
还有个细节值得说。AI引用带来的用户,回访路径特别碎——今天在Perplexity看到你,三天后去Google搜品牌词,一周后直接输网址。如果只按直接访问归因,GEO的功劳全被“品牌词搜索”吃掉了。我把这条路径拆出来单独建了一个滞后转化层,才发现AI首触的线索成交周期比普通搜索线索长22天左右。
我的判断是:GEO的ROI讨论如果不带观测窗口和归因口径,基本等于没讨论。短期报数好看的多半是品牌词蹭了自然搜索的存量,长期报数难看的多半是窗口没给够。客户最后接受了把预算评估周期从季度拉长到半年,但加了个条件——每月要看引用衰减曲线和首触线索的滚动转化率。
抛个具体问题:你们做GEO归因时,滞后窗口是按行业成交周期拍,还是有办法从日志里反推一个数据驱动的窗口长度?我现在用的是成交周期中位数加一个缓冲,但总觉得缓冲系数拍得有点主观。
