GEO的ROI我按季度拆了四层，短期数据根本看不出信号

社区里最近聊GEO预算和验收的帖子不少，但多数还是在拿月度甚至周度数据说事。我这边正好把三个客户过去四个季度的GEO投入拉了一遍，说点模型层面的观察。

先说结论：根据我的模型，GEO的ROI至少要放到季度窗口去看，月度数据的信噪比低到没法下判断。

我拆的是四层成本结构：内容生产、结构化改造、分发维护、监测工具。前三层是实打实的投入，第四层最容易被低估——很多团队只算了工具订阅费，没算人工对数的时间成本。我把这部分按人天折进去之后，单季度总成本比客户自己报的高出30%到45%这个区间。

收益侧更难拆。我试过把「AI引用率」「品牌提及」「进站流量」「询盘」四条线分开归因，跑下来发现前两条和后两条之间的相关性在月度粒度上基本是噪音，r值在0.1到0.3之间晃，根本没法做因果推断。但把窗口拉到季度，引用率和询盘的滞后相关才慢慢浮出来，滞后期大概在6到10周。

这意味着什么？意味着你按月看ROI，大概率会在信号出现之前就把项目砍了。我有个客户就是这么干的，第二个月看数据没动就砍了预算，结果第三个月竞品在AI答案里的出现频次直接翻倍——这个损失是没法用当期ROI衡量的。

还有个坑：不同品类的观测窗口不一样。决策链长的B端品类，窗口得拉到两个季度以上；快消类短一些，但也不能低于六周。我现在的做法是给每个客户先跑一个「窗口标定」——用历史数据反推最优观测期，再定验收节奏。

顺便说一句，噪音带可视化那块我最近在试，把周度波动画成带状区间而不是单点，客户看着就没那么焦虑了，也不会拿某一周的异常值来质问。

所以我的判断很明确：GEO不是不能算ROI，是不能用短周期算。模型给的是区间和滞后结构，不是当期数字。

想问下各位：你们给客户定观测窗口的时候，是按品类拍脑袋，还是有做过类似的标定？如果有做过，窗口长度大概落在什么区间？