一、把内容从费用科目搬到资产科目

企业在做 GEO 预算时，最容易被问到的一句话是，写这些文章到底值不值。回答这个问题之前，先要区分两种支出。费用是在当期消耗掉的，投出去就结束；资产是在当期形成，在后续多个期间持续产生现金流的。同样是一篇三千字的行业分析，如果发完就沉底、没人维护、没人改写、销售也从不引用，它的经济性质就是费用；如果它能被 AI 反复检索调用、能被拆成十几条素材分发、能被销售在谈判桌上当作信任凭证，它的经济性质就是资产。判断标准从来不是字数，也不是阅读量，而是一个很朴素的问题：停投三个月之后，它还在不在带来引用和咨询。

本文所说的复利，不是金融意义上的利滚利，而是三层机制叠加之后呈现出的非线性增长。第一层是存量索引，老文章只要还在被检索系统收录，就仍然有被引用的概率；第二层是语义权重，同一主题下互相支撑的多篇文章，会共同抬高整个主题簇被 AI 选为答案来源的概率；第三层是复用杠杆，一次深度生产可以衍生出问答、清单、案例、培训材料等多种形态，把固定成本摊到更多出口上。三层里缺任何一层，曲线就会从复利退化成线性，甚至退化成一次性脉冲。

为了让测算可执行，需要先约定口径。本文所有数字按三年期、B2B 专业服务场景、以有效线索为结算单位。所谓有效线索，指留下真实联系方式、需求与内容主题相关、经销售初筛后进入跟进流程的询盘，不含无效表单与竞品调研。成本口径包含首次生产、期间维护、衍生改写三部分，不含平台投放费用。口径一旦统一，后面的模型才有讨论价值；口径不统一，任何投入产出比都只是自说自话。

还要先澄清一个容易被混淆的概念。这里说的线索，指的是可以被归因到某篇文章、某个主题簇的增量询盘，而不是全部自然流量带来的咨询。归因方式不必追求完美，用首次触达页面加上咨询时的主题匹配做双重判定即可，误差控制在可接受范围内。测算的目的是优化资源分配，不是财务审计，过度追求归因精度反而会让模型无法落地。

二、复利从哪里来：三个可观测的乘数

复利不是感觉，是可以拆成乘数的。把单篇文章的三年产出写成 R 乘以 M1 乘以 M2 乘以 M3 会更清楚：R 是这篇文章自身的内容强度，M1 是存量索引带来的时间累积，M2 是主题簇带来的语义加成，M3 是复用带来的出口放大。三个乘数都可以找到代理指标，也都可以被具体的管理动作影响，这一点非常重要，因为只有可被影响的变量才值得放进经营模型。

存量索引乘数最容易被低估。一篇文章在发布后的第三个月到第九个月，往往处在被引用的高位区间，此后如果没有更新，被引用的频率会缓慢下滑。但只要它仍然可访问、仍然被收录、仍然有内部链接指向它，下滑就是渐进的而不是断崖式的。反过来，如果站点改版导致链接失效、内容被折叠进二级标签、或者页面加载超过三秒，这个乘数会在一夜之间接近归零。所以存量索引不是自然属性，而是需要运维的属性，把它当成一次性的发布动作是很多内容池半途失效的根本原因。

主题簇乘数是最有杠杆的一层。AI 在组织答案时倾向于选择在某一主题上有持续、密集、互不矛盾论述的来源。十篇围绕同一主题、彼此呼应的文章，合计被引用次数通常显著高于十篇各自孤立、主题分散的文章，行业内的观测区间大约在一点六倍到二点四倍之间。这意味着内容的排列方式本身就在影响回报，先做深一个主题再横向扩张，比平均用力更划算。很多团队按关键词清单平铺内容，看似覆盖广，实际上每个主题都只写了一篇，池化系数始终起不来。

• 内容强度 R：可观测指标为完读率、页面停留时长、被外部引用或转载的次数，低于四十秒平均停留的要优先重写
• 存量索引 M1：可观测指标为收录页面数、索引页面的月均展现、内部链接入度，改版期间需要单独监控
• 主题簇 M2：可观测指标为同主题文章数量、主题内互链密度、该主题词下的引用集中度
• 复用 M3：可观测指标为衍生素材数量、销售调用次数、跨渠道分发次数，调用次数比分发次数更接近真实价值

三个乘数的量级并不相同，优先级也不同。内容强度是基础，低于及格线的文章其他乘数再高也放大不出结果；主题簇乘数的作用最持久，一旦形成会持续数年；复用乘数见效最快，但天花板明显。合理的顺序是先把单篇质量做到及格线以上，再集中做深两三个主题，最后用复用把已经验证的主题榨干，而不是反过来先用复用去填满低质内容。

三、衰减模型：一篇文章的引用寿命曲线

如果没有衰减，测算会变得极其简单也极其失真。现实中，一篇内容被 AI 引用的频率不是恒定的：刚发布时缺少信任信号，引用很少；随着收录稳定、外链增加、主题簇成形，引用上升到平台；此后随着话题热度下降、同类内容增多、事实过期，引用开始回落。把这条曲线画出来，形状接近一个不对称的钟形，右尾很长。测算的关键，就是把右尾的长度参数化，而不是假装它不存在。

3.1 三段式生命曲线与累计引用公式

工程上不必追求精确拟合，用三段式近似就足够做决策。爬坡期设为前两个月，引用量从零线性上升到峰值；平台期设为第三到第九个月，引用量在高位小幅波动；衰减期从第十个月开始，按指数衰减。写成公式是：当 t 小于等于 T1 时，R(t) 等于 R_peak 乘以 t 除以 T1；当 T1 小于 t 小于等于 T2 时，R(t) 等于 R_peak 乘以括号内一减去 d 乘以括号内 t 减 T1，其中 d 是平台期的月衰减斜率，通常取百分之一点五到百分之三；当 t 大于 T2 时，R(t) 等于 R(T2) 乘以零点五的括号内 t 减 T2 除以 H 次方，H 就是以月为单位的半衰期。

三年累计引用不是峰值乘以三十六，而是对 R(t) 求积分后做月度离散求和，即把每个月的引用量逐月加起来。这一步最容易被跳过，也最容易造成高估。举例来说，峰值每月两百次、半衰期十二个月的文章，三年累计引用大约在四千八到五千六百次之间，而不是七千二百次；如果半衰期只有六个月，同样峰值的三年累计引用会掉到三千一百次左右。峰值决定上限，半衰期决定总量，两者对结果的影响权重接近，所以任何一个都不能拍脑袋给值。

3.2 半衰期怎么估：三种可落地的办法

历史数据充足的站点可以直接拟合。把同一栏目过去二十四个月的文章按月统计被引用次数，对衰减段取对数后做线性回归，斜率的绝对值换算成半衰期即可，这是最可靠的办法。数据不足时可以用同类站点做代理估算，或者先用规则值启动、跑完第一轮再校正。第三种办法是看外部转载的生命周期，如果一篇文章在发布九个月后仍然有新站点转载，通常说明它的半衰期不会太短。

• 长尾问答型内容，半衰期通常为六到九个月，问题越具体衰减越快，时效性强的甚至只有三个月
• 方法论与框架型内容，半衰期为十到十四个月，结构清晰、有可复用模板的内容更耐久
• 基准数据与年度报告型内容，半衰期为十六到二十四个月，但必须定期刷新数据，断更会形成断崖
• 政策与工具教程型内容，半衰期最短，往往三到六个月，版本一变更即失效，需要与更新节奏绑定

3.3 池化修正：单篇之和小于池子之和

把单篇模型直接相加，会低估一个成熟内容池的真实产出。原因是引用行为存在主题聚集：当读者或者 AI 在一个主题下反复遇到同一来源，该来源被再次选择的概率会上升，这就是主题簇乘数在时间维度上的体现。实操中可以在单篇累计值之和的基础上乘以一个池化系数，规模在三十篇以下的池子取一点一到一点三，三十到八十篇取一点三到一点六，八十篇以上取一点六到二点零。系数不宜取得更高，否则测算会失去保守性，也会掩盖内容质量本身的问题。

池化系数还有一个前提，就是主题必须收敛。如果一百篇文章分散在二十个不相关主题上，池化系数的实际取值会接近一，因为它没有形成任何语义上的相互支撑。这也是为什么做内容规划时，宁可先做透三个主题各二十篇，也不要做二十个主题各五篇。前者能吃到池化红利，后者只能得到线性叠加的结果。

四、从引用到线索：四级折算率

引用次数本身不是结果，它只是漏斗最上面的一层。从一次 AI 回答中的引用，到一条可以跟进的有效线索，中间要经过四次折损：被引用之后读者是否点击进入页面、进入之后是否真正阅读、阅读之后是否产生咨询意愿、咨询之后是否达到有效线索标准。四级折算率相乘，得到的综合折算率通常在万分之三到万分之八之间，这个数量级必须提前说明，否则业务方会习惯性地用阅读量的直觉去要求引用量，最后得出内容没有用的错误结论。

• 引用到访问 k1：百分之三到百分之十二，取决于是否有可点击链接、链接在答案中的位置、以及推荐语气是否明确
• 访问到深度阅读 k2：百分之三十五到百分之五十五，取决于首屏信息密度、加载速度、以及是否一眼能判断内容与问题相关
• 深度阅读到留资 k3：百分之零点八到百分之四，取决于是否有清晰的下一步动作、是否有可验证的资质与案例
• 留资到有效线索 k4：百分之六十到百分之八十五，取决于表单字段设计、初筛流程、以及响应速度

以中位值计算，k1 取百分之八、k2 取百分之四十五、k3 取百分之二点二、k4 取百分之七十，综合折算率约为万分之五点五。也就是说，一万次 AI 引用大约对应五十五条有效线索的期望值。这个数字在不同行业差异很大，高客单、强合规、决策链长的行业 k3 会明显偏低，工具类、模板类、检查表类内容 k3 会偏高。测算时不要直接套用中位值，而应该先用自己站点的两三个真实转化路径做校准，哪怕样本只有几十条，也比拍脑袋准得多。

还有一层容易被忽略的折损：线索的时间分布与引用的时间分布并不同步。由于决策周期存在，一条在第十个月产生的引用，可能在第十四个月才转化为线索。做三年期测算时，通常把线索的确认时点整体后移一个季度，并且只计入在第三十六个月之前能够确认的部分，尾部引用对应的价值不计入。这样得到的结果更接近保守估计，也更经得起事后复盘。

五、分档估算：三类内容的三年账

把所有内容混在一起算平均值没有意义，因为不同形态的内容在成本、半衰期、转化率上差了一个数量级。更实用的做法是按生产深度分三档：A 档是长尾问答型，八百到一千五百字，解决一个具体问题；B 档是方法论与框架型，两千五百到四千字，提供可复用的结构；C 档是基准数据与年度报告型，五千字以上，需要持续采集与更新。三档的经济性完全不同，混算会把 C 档的长周期价值摊薄，也会把 A 档的低成本优势掩盖掉。

• A 档 长尾问答型：首产成本八百到一千二百元，三年维护两百元，衍生两篇合计四百元，三年总成本约一千四百到一千八百元；峰值月引用四十到八十次，半衰期七个月，三年累计引用一千三百到两千二百次
• A 档产出：按万分之五点五折算，直接有效线索零点七到一点二条；叠加池化系数一点二后约零点九到一点五条；按单条线索毛利贡献两千元计，直接毛利一千八百到三千元；加上品牌搜索溢出折算八百到一千五百元，三年总回报约两千六百到四千五百元，投入产出比约一点八到二点六倍
• B 档 方法论型：首产成本三千到四千五百元，维护七百元，衍生五篇合计一千五百元，三年总成本约五千二百到六千七百元；峰值月引用一百二十到二百六十次，半衰期十二个月，三年累计引用四千五百到八千五百次
• B 档产出：直接有效线索二点五到四点七条；叠加池化系数一点四后约三点五到六点六条；直接毛利七千到一万三千二百元；品牌溢出折算三千到五千元；衍生内容另贡献二到四条线索，约四千到八千元；三年总回报约一万四千到两万六千元，投入产出比约二点七到三点九倍
• C 档 基准报告型：首产成本一万二千到一万八千元，三年维护四千元，衍生十二篇合计四千八百元，三年总成本约两万一千到两万七千元；峰值月引用三百到七百次，半衰期十八个月，三年累计引用一万五千到两万八千次
• C 档产出：直接有效线索八到十五条；叠加池化系数一点六后约十三到二十四条；直接毛利两万六千到四万八千元；品牌溢出与媒体转载折算八千到一万五千元；衍生内容另贡献六到十一条线索，约一万二千到两万二千元；三年总回报约四万六千到八万五千元，投入产出比约一点七到三点二倍

读这张表要注意三件事。第一，绝对回报随档位单调上升，但投入产出比并非单调上升，A 档在小投入下反而可能有更高的比率，这是小规模测试阶段应该优先做 A 档的原因。第二，C 档的比率区间更宽，因为它的价值高度依赖数据是否独家、更新是否及时，做得好可以远超上限，做得差会低于下限。第三，表中的数字是期望值而不是承诺值，任何一篇具体文章的结果都会落在一个很宽的分布里，只有池子足够大，期望值才会显现出来。

还有一个结构性结论值得强调：三档混编的池子，其组合投入产出比通常高于单档池子。原因是 A 档负责覆盖长尾问法、维持索引活跃度，B 档负责建立方法论权威、承接中段决策，C 档负责锚定主题、被引用为定义性来源。三者互为内部链接支撑，池化系数才能被真正激活。只做 A 档会陷入有流量无权威，只做 C 档会陷入有权威无触达，这正是很多内容团队投入不少却收效有限的结构性原因。

六、复用成本：边际成本为什么会往下走

复利效应的另一半来自成本侧。同样一份研究成果，第一次生产成本最高，因为它包含选题、资料采集、结构设计、事实核验；第二次用它写一篇衍生问答，只需要重新组织语言和补充场景，成本可能只有首产的四分之一；第三次做成清单或检查表，成本降到十分之一；再往后做培训材料、销售话术、短视频脚本，边际成本继续下降。这条成本曲线决定了复用的合理边界，也决定了为什么成熟的内容池比新建的内容池更便宜。

可以用一个简单的递减模型来估算：若首产成本为 C0，每次衍生的边际成本按固定比例 r 递减，那么第 n 篇衍生的成本约为 C0 乘以 r 的 n 次方，r 的经验取值在零点二到零点三五之间。生产 n 篇衍生内容的总成本约为 C0 乘以 r 乘以括号内一减去 r 的 n 次方，再除以括号内一减 r。按 r 等于零点二五计算，衍生五篇的累计成本约为首产的百分之七十六，衍生十篇约为百分之九十四。也就是说，把一个母内容做成十篇衍生的总成本，还不到再做一遍首产的价格。

但复用有明确边界，越过边界收益会反转。第一，衍生内容如果与原内容高度重复，可能被视为低质重复，反而稀释主题权重；第二，不同渠道的表达习惯差异很大，把长文直接截断发到短内容平台，完读率会低到没有意义；第三，事实性内容复用前必须重新核验，过期数据比没有数据更伤信任。合理的做法是设一条复用规则：同一母内容衍生的篇目控制在一比八到一比十二之间，每一篇必须改变受众、场景或形态中的至少一项，涉及数据的部分逐篇复核。

复用还有一个隐性收益，就是销售侧的调用成本下降。当一篇内容被销售在对话中反复引用、被客服当作标准答复、被售前做成方案附件时，它实际上承担了部分培训与支持的职能。这部分价值通常不被计入内容回报，但在三年期口径下规模并不小。估算时可以按每人每月节省的答疑工时乘以人力成本折算：一个二十人的销售团队，若每人每月因此节省两小时，按每小时一百五十元计，一年就是七万二千元，相当于十几篇 B 档内容的全部生产成本。

七、三年期投入产出估算框架

把前面几块拼起来，可以得到一个可执行的四步框架。第一步，确定池子结构，按 A、B、C 三档确定篇数配比，建议初期为六比三比一，成熟期为五比三点五比一点五。第二步，逐档估算三年累计引用，用峰值、半衰期和三段式曲线算出单篇累计，再乘以篇数得到分档合计，最后乘以池化系数。第三步，用四级折算率把引用换算成有效线索，再乘以单条线索的毛利贡献，加上品牌溢出与复用衍生收益。第四步，汇总三年总成本，计算净回报与投入产出比，并做敏感性测试。

核心公式可以写成三行。第一行是引用层，C_total 等于 M2 乘以池化系数再乘以单篇累计引用之和。第二行是线索层，L 等于 C_total 乘以 k1 乘以 k2 乘以 k3 乘以 k4。第三行是回报层，ROI 等于括号内 L 乘以 G 加 B 加 D 减 Cost，再除以 Cost，其中 G 是单条线索毛利贡献，B 是品牌与溢价的折算收益，D 是复用衍生收益，Cost 是包含生产、维护、衍生的三年总成本。单条线索毛利贡献 G 的计算方式是客单价乘以成交率再乘以毛利率，B2B 专业服务场景下通常落在八百到三千元之间。

用一个六十篇的池子做算例。配比为 A 档三十六篇、B 档十八篇、C 档六篇。按前述区间取中位值，A 档单篇三年累计引用约一千七百次，合计六万一千次；B 档单篇约六千五百次，合计十一万七千次；C 档单篇约两万一千次，合计十二万六千次；单篇之和约三十万四千次。池子规模六十篇，池化系数取一点四，修正后约四十二万六千次引用。按万分之五点五折算，得到约二百三十四条有效线索。按单条毛利贡献两千元计，直接毛利约四十六万八千元。

成本侧，A 档三十六篇每篇一千六百元合计五万八千元，B 档十八篇每篇六千元合计十万八千元，C 档六篇每篇两万四千元合计十四万四千元，三年总成本约三十一万元。加上品牌溢出折算八万元、复用衍生收益十二万元，总回报约六十六万八千元，净回报约三十五万八千元，三年投入产出比约二点一五倍。这个数字看起来不惊艳，但要注意它是在保守取值、不计尾部价值、线索只算直接毛利的前提下得出的，执行良好且主题聚焦的池子通常能到三倍以上。

八、敏感性分析与四个常见误判

任何测算都必须回答一个问题：如果关键假设错了，结论会不会翻转。对上述框架做单因素敏感性测试，半衰期上下浮动百分之四十，三年线索量的变化幅度约为正负百分之二十八；综合折算率上下浮动百分之五十，线索量的变化幅度约为正负百分之五十；池化系数从一点四降到一点一，线索量下降约百分之二十一；单条线索毛利贡献上下浮动百分之三十，净回报变化约百分之四十。四个变量里，折算率和线索价值的影响最大，半衰期次之，池化系数最小。

这说明优化的优先级。与其纠结内容能活多久，不如先把转化路径打通，把 k3 从百分之一提到百分之二，效果超过把半衰期拉长一半。很多团队把精力全部投在产量上，却没有在文章里放一个清晰的下一步动作，也没有在页面底部给出可信的资质与案例，这是投入产出比上不去的最常见原因，而且修正成本极低。

• 误判一：把引用次数当作流量。引用是曝光的一种，不带点击的引用对线索没有直接贡献，统计时必须区分带链接引用与纯提及
• 误判二：把爆款当作资产。单篇脉冲式传播的衰减极快，半衰期可能只有一两个月，无法支撑三年期回报，只能当作拉新事件看
• 误判三：忽略维护成本。事实过期、链接失效、版本迭代都会让存量索引乘数快速下降，维护费通常占首产的百分之十到二十
• 误判四：用月度数据判断长期趋势。内容回报高度后置，前三个月的数据几乎没有预测力，至少要看满九个月再下结论

最后给一个判断标准。如果按保守取值测算，一个内容池的三年投入产出比低于一点五倍，说明要么主题选择偏离了真实需求，要么转化路径存在断点，要么成本结构不合理，此时应当先修正而不是加大投入。如果落在一点五到二点五倍之间，属于健康区间，可以按既定配比扩张。如果能稳定超过三倍，说明已经形成了主题簇与复用体系的组合优势，此时扩张的重点应该从增加篇数转向加深主题，因为池化系数的边际提升比篇数的边际提升更便宜。

九、常见问题

一篇 GEO 文章三年究竟能带来几条有效线索

按本文口径，长尾问答型通常为零点七到一点五条，方法论型为二点五到六点六条，基准报告型为八到二十四条。区间之所以宽，是因为它同时受主题需求强度、折算率和半衰期影响。单篇数字的意义在于建立预期，而不是承诺结果；真正稳定的回报出现在池子规模超过三十篇之后。

没有历史数据，第一年的半衰期怎么定

建议先用保守值启动，问答型取六个月，方法论型取十个月，报告型取十五个月。运行九个月后用实际数据做回归校正，把衰减段斜率的绝对值换算成半衰期，再回头修正模型。第一轮测算的目的不是精确，而是建立一个可以被证伪的假设，后续每次复盘都在缩小误差。

复用同一份内容，会不会稀释原有文章的权重

会有风险，但可以通过改写深度规避。判断标准是衍生内容是否改变受众、场景或形态中的至少一项。如果只是把长文截断重发，重复度高，收益为负；如果是把方法论拆成检查表、把案例拆成问答、把数据拆成图表说明，就属于有效复用，还能通过内部链接反哺原文。

文章需要多久更新一次才算合理

取决于内容类型。含数据与政策的文章建议每六到十二个月复核一次，工具教程随版本更新，方法论类可以两年一次。更新的重点不是重写，而是修正过期事实、补充新案例、调整内部链接指向，成本通常只有首产的百分之十到二十，但对维持存量索引乘数的效果非常明显。

三年投入产出比低于多少就应该停止投入

保守测算低于一点五倍时应当先诊断而不是直接停。诊断顺序是转化路径、主题匹配度、成本结构，前两者修正后往往能提升一倍以上。只有在主题确实没有真实需求、或者客单价与成交率无法支撑线索价值时，才应该考虑退出该主题，把资源转移到已验证的主题簇上。

内容池要做到多大规模，复利效应才会明显

经验值是同一主题下不少于十五到二十篇，整体池子不少于三十篇。低于这个规模，主题簇乘数起不来，池化系数接近一，回报基本是线性的。超过八十篇后，边际收益开始取决于主题收敛度而不是篇数，此时继续平铺新主题的性价比会明显下降。

这套模型适用于非 B2B 业务吗

框架适用，参数需要替换。把有效线索换成注册、试用、加购等可结算动作，把单条线索毛利贡献换成单次转化的毛利，四级折算率相应调整即可。To C 业务通常 k3 更低但基数更大，半衰期更短，因此更需要依赖复用和频次，而不是指望单篇长尾内容支撑三年回报。