用数据模型跑了三个月GEO效果，发现短期ROI根本没法看

先交代背景：我在一家咨询公司做数据分析，主要给消费品牌做增长模型。最近半年被客户问GEO问得最多，索性自己搭了个小模型，追踪了三个不同行业的品牌（一个美妆、一个SaaS、一个本地服务），从今年3月到6月，看看GEO到底能不能算得过来账。

先说结论：根据我的模型，GEO的ROI至少在6个月内是负的，但如果你只看前3个月就砍预算，大概率会误判。

具体数据：

• 美妆品牌：前两个月AI搜索带来的直接转化几乎为零，第三个月开始有零星咨询，但获客成本是信息流广告的4倍。到第6个月，成本降到1.8倍，而且长尾词的自然推荐量涨了7倍。这个曲线不是线性的，是典型的指数型——前面平，后面翘。

• SaaS品牌：更慢。因为决策周期长，AI推荐到留资平均要47天。我一开始用7天归因，数据惨不忍睹；改成90天窗口后，ROI翻了3倍。所以归因窗口选错，结论完全反过来。

• 本地服务：最快见效，但天花板也最低。第4周就有到店，但总量小，不值得单独建模型。

三个踩坑细节：

1. 不要用点击率衡量GEO。AI搜索很多时候不给你点击，直接给答案。我一开始盯着CTR看，差点把项目毙了。后来改用“品牌词搜索量”和“直接访问量”做代理指标，才看到真实影响。

1. 内容质量的影响是非线性的。我做了个简单回归，内容结构化程度（比如有没有FAQ、数据表格、明确结论）对AI引用率的解释力R²=0.63，而发布频率的R²只有0.11。意思是，写10篇水稿不如把1篇写透。

1. 竞品动作会污染你的数据。有段时间某个竞品突然大量铺内容，我的模型里自家品牌的AI提及率反而涨了——因为AI把整个品类带热了。这种外部性没法归因到自己头上，但你不能忽略。

所以我现在的判断是：GEO的ROI必须用90天以上的滚动窗口去算，而且要结合品牌搜索量和直接流量做交叉验证。短期看，它就是个成本中心；长期看，它可能变成复利资产。但前提是你得熬过那个平坦期。

最后抛个问题：你们在追踪GEO效果时，用的什么归因窗口？有没有人试过把AI推荐流量和自然搜索流量做联合建模的？我最近在调这个模型，想听听大家的思路。