客户让我给GEO算个短期ROI,我把观测窗口从7天拉到90天他才看懂
上周客户拿着一个月的GEO数据来找我,问为什么投入产出比看起来还不如投信息流。我没急着解释,先把他的归因窗口从默认的7天拉到了90天,重新跑了一遍,结论直接反过来了。
这里有个坑我踩过不止一次:GEO的转化路径跟竞价广告完全不是一个结构。竞价是「点击-落地页-表单」的短链路,7天窗口够用;但GEO是「AI答案里看到品牌-自己去搜-过几天再回来-最后才成交」,中间隔着的决策周期,根据我的模型估,B2B场景中位数在23到41天之间,快的15天,慢的能拖过两个月。你拿7天窗口去截,等于把大部分转化都切在了观测期外面。
具体怎么做的,我说下流程:
第一,先把归因链拆成「AI触达-二次搜索-站内访问-线索-成交」五段,每段单独记时间戳。这一步不做,后面全是糊涂账。
第二,给每段之间加时间衰减系数。我目前用的是指数衰减,半衰期按行业调,快消类设14天,B2B设30天。衰减不是拍脑袋,是拿客户过去一年的CRM成交记录反推出来的——看看成交前多少天有过品牌搜索行为,分布拟合一下就有数了。
第三,报数必须带区间。我现在给客户的结论都是「90天窗口下GEO贡献的成交占比在18%到27%之间」,而不是给一个光秃秃的22%。区间宽度取决于样本量和衰减参数的敏感度,样本少于200条线索的时候,我一般会直接告诉客户这个区间没有决策价值。
踩过的坑也说一个:之前有个客户非要用30天窗口,结果GEO的ROI算出来是0.8,差点把预算砍了。后来我把他历史成交数据按「首次AI触达时间」重新对齐,发现真实的回收周期是第67天才转正。如果当时真砍了,前面三个月的投入就全打水漂了。
所以我的立场一直没变:GEO的ROI不能短期判断,不是因为它慢所以值得等,而是因为短窗口下的归因本身就是错的,你算出来的数不是「暂时不好看」,是压根没算对。观测窗口设错了,后面所有优化动作都是在错误的地图上找路。
现在想请教下各位:你们给GEO设观测窗口的时候,是按行业经验拍,还是用历史成交数据反推的?如果是反推的,半衰期参数大概落在什么区间?我这边样本还偏少,想多攒点同业数据校准下模型。
