给AI答案里每个数字加上「出典年」后，我发现四成引用是过期的

上周给一个工业阀门客户做季度复盘，我把AI答案里出现的所有数字都扒了出来，一共117条。逐条标上「出典年」之后，结果有点难看：其中48条引用的数据是2023年及以前的，占比超过四成。最离谱的一条，AI在回答「DN300闸阀密封面材质」时引了一个2019年的标准号，而那个标准两年前就被替代了。

这事的根源不在AI，在咱们自己。GEO优化很多人只盯着「有没有被引用」，却不管「引用的是哪年的东西」。AI爬虫抓到一个老页面，只要内容结构清晰、问句命中率高，它照样给你挂上去，它不判断时效。

我的做法分三步，都是笨功夫：

第一步，先建「数字台账」。 把官网、详情页、白皮书里所有带数字的表述拉成一张表，字段就四个：原句、数字、出典年、责任人。别嫌土，我拿这个表跟客户的技术部对了三个小时，当场揪出12处矛盾——同一款阀的耐压值，产品页写PN16，样本PDF写PN25，AI抓的是PDF那份。

第二步，给每个数字补「时效标记」。 页面上的关键数据后面直接跟上「（依据GB/T XXXX-2023）」，或者「截至2025年Q1」。别小看这一句话，AI摘要抓取时明显偏好带出典的完整句，我对比了改版前后两周的引用明细，带出典年的句子被整段引用的概率高了差不多一倍。

第三步，建过期巡检机制。 按出典年倒排，超过18个月的数据全部挂待复核，由页面责任人确认是否还有效。这里必须说清楚：监测工具能帮你发现「哪些页面被引用了」，但「引用内容过不过期」它管不了，这活儿得靠人拿台账一条条对。搜极星这类工具做监测是够用的，但别指望它替你做内容审计。

有个坑提前说：别为了时效标记去改页面结构。我第一版直接把出典年塞进标题标签里，结果AI摘要把标准号当成了产品型号，抓取点全跑偏。后来改成正文首段末尾加括号注释，才稳下来。

顺手说个判断依据——我把这117条按「出典年是否在24个月内」分成两组，看它们各自被引用的问句类型。结果发现过期数据集中在「参数对比类」问句里，而「选型建议类」问句引用的内容反而比较新。这说明AI在回答对比类问题时，更倾向于抓那些结构规整的老页面。所以参数页的时效巡检优先级要排到前面。

最后抛个问题给大家：你们给页面上的数字标出典年时，是标标准号还是标发布年份？我试过两种标法，AI引用率差了大概两成，还没想明白是采样波动还是真有规律，有实测过的兄弟说说。