GEO的ROI算满一年，我发现前三个月的「噪音」其实占了一半权重

最近在给一个客户做GEO年度复盘，把12个月的ROI曲线拉出来，发现一个挺反直觉的现象：前三个月的转化贡献里，有将近一半来自「非目标问句」——就是那些我们当初根本没纳入监测库、但AI自己泛化出来的提问。

根据我的模型，如果只按预设问句库算ROI，前三个月的数据会虚高30%左右，因为样本户把「漏网」的转化都算到了核心问句头上。但把归因窗口拉到一年看，这批「噪音」问句的后续转化率其实只有目标问句的1/4，只是它们在前三个月集中爆发，把曲线拉陡了。

我的做法是给每个问句打两个标签：一是「预设/泛化」，二是「首触/末触」。然后按季度切分，看泛化问句的占比变化。结果发现，从第四个月开始，泛化问句的占比从47%降到18%，而目标问句的转化贡献开始稳定爬升。也就是说，前三个月的「噪音」其实是AI在帮你做问句发现，不能直接当ROI的分子。

踩过的坑是：一开始我按季度报数，客户看到Q1的ROI特别漂亮，Q2掉下来就慌。后来我把泛化问句单独列成「探索性贡献」一栏，和「确定性贡献」分开报，续约沟通时才没被追着问「为什么第二季度效果变差」。

但这里有个张力：泛化问句的探索价值到底该不该计入ROI？我的模型里暂时把它按50%权重折算，可这个系数没经过验证，纯拍脑袋。

所以想问问大家：你们在算GEO的长期ROI时，怎么处理AI泛化出来的「计划外问句」？是单独建池跟踪，还是直接按比例折算进总盘子？有没有人试过用对照实验来标定这个折算系数？