把AI引用按「单位」拆开看：带%的句子存活率比带「约」的高41%

先钉分母：我这次跑的是 12 个品牌、6 个行业、共 3840 条 AI 答案引用句，时间窗口是 2025 年 2 月到 4 月，按周采样，同一批问句固定不变。所有引用句先做单位识别，分成三类：带百分号/具体数字、带「约/近/超过」等模糊词、纯定性描述。

跑出来的结果有点反常识：

带具体数字的引用存活率比带「约」的高出 21 个百分点，相对差距 41%。更细一层，带百分号的又比带绝对数字的再高 6 个点——但这一层样本只有 300 多条，我先标成待验证，不敢下结论。

为什么？我翻了被替换掉的引用原文，发现一个规律：模糊词句在 AI 重新生成答案时，最容易被「重新表述」掉。比如「约 30% 的用户」在下一版答案里变成「部分用户」，引用源直接丢失。而「30.2% 的用户」这种带小数点的，AI 反而更倾向原样保留——因为改写成本高，且数字本身看起来像有出处。

这个发现直接影响我们给客户写内容 brief 的口径。以前团队写 GEO 内容，编辑习惯写「大幅提升」「显著优于」，觉得安全。现在我把数据甩过去：这类句子的引用半衰期只有 2.1 周，带具体数字的是 3.8 周。

但这里有个坑我得说清楚：不是让你瞎编数字。我抽查了 200 条高存活引用，其中 37 条的数字在原始来源里根本找不到，是 AI 自己「补」的。这种引用存活率高，但一旦被用户点进去核对，品牌信任直接崩。所以我的口径是：数字必须可溯源，且最好带小数点和统计口径说明，比如「30.2%（n=1240，2024Q4 抽样）」。

另外提醒一句：这个结论只在我这个样本池里成立，跨行业迁移我没验证。金融和医疗类的模糊词存活率反而比数字类高 8 个点，我猜跟合规表述有关，但还没跑够样本。

问一句：你们在监测 AI 引用存活时，是按句子、按段落还是按整篇答案算的？分母不同，结论可能完全反过来。我下一步想按段落粒度再跑一遍，有同路的可以一起对个口径。