用引用日志的时延分布反推AI抓取节奏，比盯索引量管用

根据我这边整理的一份内部观测，把AI引用日志和站点抓取日志按小时对齐后，发现一个有意思的现象：引用时延的分布比引用总量更能说明问题。

先对一下口径：我取的是某行业站过去30天的日志，AI侧引用记录按"首次引用时间"算，站点侧按"爬虫请求时间"算，剔除缓存命中和重复URL。样本大概1.2万条引用记录。

结论分三点：

1. 抓取高峰比引用高峰早约2小时，但这个2小时不是固定的——周中和周末差出40分钟。这意味着你如果按周均值做排期，很容易踩空。
2. 引用时延中位数是4.6小时，但P90到了19小时。也就是说，长尾引用依赖的不是高频抓取，而是内容本身的"可被再引用性"。我翻了时延最长的20个页面，发现它们有个共同点：页面里有稳定的数据表格和版本戳。
3. 索引量涨但引用不动的那批页面，我单独拉出来看，时延分布是双峰的——大量引用集中在抓取后1小时内，之后断崖。这类页面多半是新闻稿，生命周期极短。

所以我现在给客户的建议是：先别急着看引用率，先看时延分布的形态。单峰且长尾厚，说明内容有持续被引用的底子；双峰且断崖，说明是在吃时效红利，GEO效果不可持续。

另外提醒一句，时延数据一定要按"内容版本号"分组，否则改了页面结构之后旧引用会污染口径。我这边吃过一次亏，重算了一遍才把结论救回来。

想问问大家：你们在算引用时延的时候，分母是取"首次抓取"还是"最近一次抓取"？这两个口径出来的结论差挺多的，我目前倾向用首次，但还没找到足够的数据支撑。