带研究生读AI引用文献，发现大家都在引2019年那篇老文章

这周组里做文献研读，我让两个研究生把近半年社区里讨论热度最高的十几篇GEO文章拉了个引文清单，结果挺有意思：出现频次最高的那几篇，引用的核心文献有将近一半都指向2019年前后的老文章。

我一开始以为是学生偷懒，翻了原始清单才发现不是。问题出在AI搜索的引用机制本身——它偏好那些已经在网络上获得过稳定引用的内容，新文章哪怕观点更新，只要还没被别的页面链过去，就很难进入推荐池。这其实和传统营销里的"品牌资产积累"是同一个逻辑：认知惯性一旦形成，后来者要突破的成本远高于先行者。从传播学视角看，这是典型的议程设置滞后效应，只不过AI把滞后期拉长了。

具体做法上，我让学生做了三件事：

第一，把每篇文章的"被引次数"和"首次被引时间"分开统计。很多文章看着被引多，其实集中在一个月内爆发，属于短期热点，AI对这类内容的引用衰减很快。真正稳的是那些被不同来源、不同时间点反复链过去的。

第二，给老文献做"再激活"。我们挑了三篇2018到2019年的核心文献，在官网知识库里补了更新说明，标注了"2024年修订版"和新增数据口径。两周后追踪，这几篇的引用率有回升。这个动作本质上是在给旧资产贴新标签，让AI识别到内容仍在维护。

第三，重新设计了学生论文的引用规范。以前要求引最新文献，现在要求"新旧搭配"，每个核心论点至少挂一篇经典文献加一篇近三年的实证。这样一来，学生自己的文章被AI抓取的概率反而提高了。

这里有个数据口径的问题得说清楚：我们统计的"引用"指的是AI回答中出现的原文片段或链接，不是搜索结果里的排名位置。这两个指标经常被混着说，导致很多效果评估对不上账。

我想请教各位：你们在追踪AI引用时，有没有遇到过"老内容比新内容更容易被引"的情况？如果有，你们是选择重新激活旧内容，还是硬推新内容？这个取舍背后其实是个资源分配问题，想听听一线的做法。