GEO-111·第 10 期·战略与市场·111 / 132
GEO 预算模型：从流量价值倒推
GEO 的预算不该按篇数报价，而该从 AI 分走的流量值多少钱倒推。本文给出四个输入与一条上限算式、五类支出的回收期排序、三种预算档位，以及一个标注假设的算例和退出条件。
本期主线可度量：AI 可见度、归因与实验
十一月的一场预算评审会。一家做便携储能的出海品牌，市场负责人报上明年的方案：120 篇内容、三个监测工具席位、一位兼职写手。CFO 只问了两个问题——这笔钱换回多少毛利，几个月能看见。会议室安静了半分钟，方案被归入“品牌投入”，砍掉一半。
GEO 预算不该按“篇数”和“工具席位”立项，而应从更硬的锚点倒推：AI 分走的流量值多少钱、多久能拿回来，再决定先投哪一层、写多少篇。
为什么“按篇数报价”一定谈崩
篇数看着像产出单位，其实只是成本单位。它回答“花多少”，不回答“换回什么”，在预算会上天然处于劣势。
根子在参照物丢了。SEO 时代预算有外部锚：搜索量、CPC、分析工具里的自然流量价值。老板不必懂内容，也能判断这个位置值多少钱。AI 答案没有现成锚点，它不公布搜索量，不保证点击，同一条回答今天提你、明天不提。锚一消失，投入只能靠“我觉得重要”论证，而这在财务那里等于零。
第二个原因是时间结构错位：技术底座和内容先付钱，收益要等模型重新抓取、重新引用才出现；站外证据的钱花出去就收不回。财务看一年内能否回本，内容团队谈长期资产，两种语言对不上，预算自然被压。
要谈成，得换成财务语言：先算价值上限，再算回收期，最后才谈产能。而产能的单位本来就不是“篇”，是答案单元——一个能被独立摘走的结论，写在一页或拆在五页都算，按篇计价只会诱导团队凑数。
从价值倒推的四个输入
倒推不是精确预测，而是把“大概值多少”拆成四个可以吵、可以改的参数；每个都要写下出处。
| 输入 | 从哪取 | 常见错误 |
|---|---|---|
| 受影响会话：与核心问题相关的自然流量 | 搜索后台、站内搜索词、客服记录 | 拿全站流量当分母 |
| 分流比例：这些会话里多少会先读 AI 答案 | 抽样提问 + 引荐流量占比 | 假设全部被替代 |
| 转化与客单：AI 引荐会话的转化率、客单价 | 归因报表、订单数据 | 套全站平均转化率 |
| 毛利率：扣掉产品成本、履约与退货后的毛利 | 财务口径 | 用 GMV 当收益 |
四个输入给出一条上限算式：受影响会话 × 分流比例 × 转化率 × 客单价 × 毛利率，按月算再乘 12。它不是收入预测，是天花板，预算只能在下面划。
- 圈问题集：从客服记录和真实提问里挑 20 个品类问题，每个配一个流量区间，查到出处才填。
- 估分流与转化：用引荐流量和归因表反推，拿不到就用区间，上下限定死。
- 算毛利上限：统一到退货后净毛利。
- 定预算带：取上限的 3 成到 5 成作为年度区间，再按档位拆分。
参数一定不准，所以做区间而不是做精度：每个参数取保守值和激进值，看结论是否仍成立。保守假设下上限都撑不起一个人的成本，今年就不该立项。
示例：一台储能电源的天花板
以下品牌、参数与金额均为示例，只用于演示算法，不代表任何真实企业。
假设某品牌锁定 20 个核心问题，相关问题的月自然访问 4.2 万次；抽样判断 25% 的会话会先经过 AI 答案；引荐会话转化率 3.5%，客单价 280 美元，退货后毛利率 32%。
月受影响会话 1.05 万次；按 3.5% 转化约 368 单；GMV 约 10.3 万美元；毛利约 3.3 万美元。年化上限约 39.6 万美元，按 3 成到 5 成设预算，一年区间约 12 万到 20 万美元。
区间是被参数推出来的，所以会上吵参数比吵立场容易：评审若认为分流比例该是 15%，当场重算，区间会缩到 7 万到 12 万，讨论就从“要不要做”变成“按哪个假设做”。
同一条算式还能排序：把 20 个问题按“受影响会话 × 毛利”排，前 5 个通常占掉大半价值，预算先压这 5 个，比平摊到 120 篇更站得住。
五类钱，回收期差好几倍
投 1 美元在技术底座和投在站外评测上，回本速度完全不同。不按回收期分层，最先被砍的永远是最慢那类，而它往往最难替代。
| 支出层 | 性质 | 回收期（示例区间） | 能撤回吗 |
|---|---|---|---|
| 技术底座：抓取、渲染、结构化数据 | 一次性 + 维护 | 2–4 个月 | 能，且所有内容受益 |
| 内容与答案单元 | 变动 | 3–6 个月 | 能，改稿即可 |
| 度量：问题集、监测、管线 | 固定 | 不直接回收 | 决定止损速度 |
| 站外证据：评测、媒体、社区 | 变动 | 6–9 个月 | 不能 |
| 人力与代运营 | 固定 | — | 能，但换人贵 |
顺序很清楚：先投能复用的层，再投能撤回的层，最后投不可撤回的层。技术底座修一次，所有页面和所有市场都受益；站外证据最慢，还要第三方配合，该放在你有东西可被引用之后。
这一层的风险还常被低估：第三方语料不是广告位，你无法单方面决定它怎么写，也不存在“撤稿退预算”。它的预算该按可承受的沉没额批，而不是按期望回报批。
度量要单列：它不产生回收，但没有它，第三个月你无法判断加码还是止损。这笔通常最小，却决定另外四笔的效率——口径见AI 可见度的四层指标。
三种预算档位
档位不是规模大小，而是你要买到什么确定性。三档之间是门槛关系，不是连续加钱。
| 档位 | 占可回收毛利 | 买到什么 | 升级或退出条件 |
|---|---|---|---|
| 验证档 | 5%–10% | 一个能被验证的假设：单市场单品类、技术底座 + 20 个页面 | 引用份额连续两个月有变化才升档 |
| 扩张档 | 15%–25% | 一条可复制的路径：加站外证据、第二市场、对比页 | 单市场回收期稳定在 6 个月内 |
| 结构档 | 30%–40% | 一套组织能力：数据管线、CI 校验、多语言模板 | 不是升档，是另一个问题 |
比例是示例，实际按毛利空间和竞争强度调。升级判据要选可复核的指标，引用份额比“感觉 AI 开始提我们了”可靠。
还有一个反向用法：区间低于一个人的年薪时，正确结论不是压缩预算，而是今年不做专职团队——兼职负责人加外包，把技术底座修完即可。预算模型最常见的第一个产出，是“不立项”。
退出条件要写在立项书里，且在花钱之前写。没有退出条件的预算，第三个月一定变成“再给一点时间”。
边界：这套模型什么时候不适用
第一，冷启动、还没有流量。没有可替代流量，模型输出接近零，但这时该按“市场进入成本”立项，别用算式自证“不值得做”。
第二，品类 AI 渗透很低。分流比例接近零，上限撑不起团队，此时只做轻量维护，把钱放回平台内的 listing 与广告。
第三，成交主要在平台内。官网流量价值模型失效，应按平台广告效率与 listing 转化算。
第四，高退货品类。毛利率必须用退货后净毛利，否则上限虚高，第一年就被退款推翻。
第五，把模型当承诺。参数错一倍，结论就反过来。模型只用于排序、设上限和设退出条件，不用于承诺增长。
这套模型属于战略与市场这条线，和本期“可度量”的主线配套：每一档预算背后，都要有一个能证伪的指标盯着。
这个月做一件事：打开后台，把四个输入各填一个数，只填有出处的，填不出的写“待验证”并给区间。然后带这张一页纸去预算会——胜负往往在你会前有没有这张纸。