复盘满一年才敢说：GEO前三个月的「噪音」占了ROI一半权重，观测窗口得这么设

上周把客户满一年的GEO项目数据拉了个全量复盘，有个结果我自己都愣了半天：把12个月按自然月拆开跑归因模型，前3个月的贡献值在最终ROI里能占到47%左右，但当时看单月报表，这三个月全是负的或者贴着零走。

根据我的模型，问题出在观测窗口的权重设计上。我们习惯按月切验收线，但AI搜索的索引建立、内容被引用、再到用户决策，这条链的延迟远不止30天。我拿日志把「内容发布→首次被AI引用→首次带来会话」的间隔拉出来看，中位数是41天，P75到了78天。也就是说，前三个月你看到的「没效果」，很大一部分是还在管道里没流出来的量。

具体怎么校准的，说下我的做法：

第一，把观测窗口从「自然月」改成「发布批次+滚动90天」。同一批内容按周打批，每批跟踪90天，前30天只记曝光和引用次数，不记转化。这样前三个月的负值就不会被误判成失败。

第二，权重用衰减函数而不是均分。我试了三组：线性衰减、指数衰减、按引用滞后分布加权。根据我的模型，按引用滞后分布加权（前3个月权重压到0.6，4-9个月给到1.2，10-12个月回落到0.9）拟合度最好，R方比均分高了0.19。

第三，报数必须带区间。前三个月我给的ROI区间是[-0.3, 0.8]，宽得客户想打人，但这就是真实的不确定性。到第9个月区间收窄到[0.4, 0.9]，客户反而认了——因为他知道这个数是怎么收敛的。

踩过的坑也说一个：最早我把前三个月的低引用率当成「内容质量差」，差点让团队去重写那批稿子。后来翻引用日志才发现，那批内容在第4-6个月才集中被AI抓取，重写纯属浪费。

所以我现在给客户做GEO预算和验收，第一条就是先把观测窗口和权重表写进合同附件，别等到季度复盘再扯皮。

想问问社区里做长期追踪的同仁：你们前三个月的「管道存量」是怎么估的？我用的是滞后分布反推，但样本还只有四个客户，误差区间偏大，有没有更稳的估算方式？