把GEO的ROI拆到「问句层级」，我发现三个月的账根本算不平

上周客户拿着季度会材料问我：GEO投了四个月，ROI到底怎么算？我没直接报数，先按我的模型把预算拆到问句层级跑了一遍——结果发现，如果只看三个月窗口，这账怎么算都是负的。

先说拆法。我把GEO预算分成三块：内容生产成本、结构化标注成本、渠道分发成本。然后按问句簇把成本摊下去，每个簇对应一组AI引用日志。关键一步是给每个簇打「成熟度」标签：冷启动（0-1个月）、爬坡（1-3个月）、稳定（3-6个月）。

根据我的模型，冷启动期的簇引用率普遍在5%-12%区间，爬坡期能到18%-30%，稳定期才可能摸到35%以上。但成本在冷启动期就全额计入了。这意味着：如果你用三个月窗口算ROI，相当于把固定成本全压在还没起量的阶段上，分母小、分子大，结果必然是负的。我实测的四个客户里，三个月口径下GEO的ROI区间在-40%到-15%，六个月口径下能拉到-5%到+18%，十二个月口径才有客户做到+25%以上。

踩过的坑：刚开始我按「总预算/总引用」算，被客户一句话问倒了——「那没被引用的问句成本算谁的？」后来改成按簇归因，每个簇单独算成本回收周期，才把账说清楚。还有一个坑是日志口径：AI平台的引用数据有延迟，我用批次ID对过，发现不同平台延迟从3天到21天不等，直接拿当天数据算会低估后期引用。

所以我的判断是：GEO的ROI不能按季度考核，至少得用六个月滚动窗口看趋势，十二个月看稳态。短期数字难看是结构性的，不是执行问题。

现在我的做法是月报里加一栏「数据成熟度」，标明每个问句簇处在哪个阶段，ROI按成熟度加权算，而不是简单平均。这样客户看到的是「哪些簇在爬坡、哪些已经稳定」，而不是一个笼统的负号。

想问问大家：你们算GEO的ROI时，归因窗口一般设多长？有没有人试过按问句簇做分层归因，碰到过日志延迟对不齐的情况吗？