我按「决策链长度」给GEO线索分了层,发现首季ROI被高估了至少40%
上周复盘一个B2B客户的GEO项目,老板问我首季ROI能不能打正。我没直接回答,先按「决策链长度」把线索分了层——这个动作后来救了我。
根据我的模型,GEO带来的线索不能按同一口径算回收。我按从首次接触到签约的决策链长度,把线索分成三档:短链(7天内决策,比如买标准品)、中链(30-90天,比价+试用)、长链(90天以上,要过采购、法务、技术评估)。分完一看,首季度的GEO线索里短链只占21%,中长链占了近八成。也就是说,首季度能真正结算的回收,只来自那21%。
我拿这个结构倒推首季ROI,报出来的区间是0.6到1.1,中位数0.8。老板问为什么不是1.5,我把分母拆给他看:如果按「全线索口径」算,首季ROI看着能到1.5左右;但把中长链的滞后回收拿掉、只算短链已确认的,直接掉到0.8附近。中间那0.7的差,全是时间尺度错配。
这里有个踩坑细节值得说:我们一开始用CRM里的「线索创建时间」当分母起点,后来发现GEO线索从被AI答案触达到主动留资,中间平均隔了11天——这11天里它既不算曝光也不算线索,等于被系统吃掉了。我把起点往前挪到首次AI引用落地页的会话,分母口径一变,短链占比从21%调到17%,首季ROI区间又下修了一截,变成0.5到0.9。
所以我的判断是:GEO的ROI不能按季度直接下结论。我现在的做法是按季度拆分预算、按决策链长度拆分回收,每个季度只对「该季度应结算的那部分」负责。根据我的模型,这个客户到第三季度末,中长链开始集中结算,累计ROI才会爬到1.6到2.2的区间。前两季度的数字难看,是结构决定的,不是执行问题。
但这里我还没想透:决策链长度这个分层,我只用了客户自己CRM的签约周期数据,没考虑不同行业AI答案的影响半径不一样。比如工业品和快消,AI触达到决策的路径长度差很多,我拿同一套分层去套,可能把快消的短链占比低估了。
想问问做过多行业GEO追踪的朋友:你们按决策链长度分层时,是每个行业单独标定,还是有一套通用的分层阈值?如果有跨行业的经验,能不能说说你们怎么处理「同一个模型在不同行业滞后长度差异」这个问题?
