把「AI引用日志」按天拆开看，我怀疑一半的「增长」是爬虫刷新出来的

老周先说一句：这周我又干了件笨事——把系统里三十天的「AI引用日志」导出来，一天一天地数。

起因是老板问我：“上个月引用率涨了12个点，是不是可以加预算了？”我没敢接话。开船不能只看风向，还得看水流。引用率涨了，这水到底是客户搜出来的，还是爬虫自己刷出来的？

我的笨办法

我把日志按三个字段拆开：日期、问句ID、来源IP段。结果一看，傻眼了。

• 周一到周五，每天早上九点半到十点半，固定有一批IP段在跑同一批问句，条数跟上班打卡一样齐。
• 这批问句的ID，八成来自我们上个月刚灌进去的“产品FAQ扩写版”。
• 周末引用条数直接掉六成，周一又准时回来。

你说这是客户在搜，还是机器在巡？我拿秒差对了一下，同一IP段连续请求的间隔平均0.8秒，这不是人点得出来的。

我的判断

不是说GEO没用，是说这12个点里，我估摸至少一半是“爬虫刷新”和“问句池自然覆盖”的假象。真正能归到客户主动搜的，可能就三四个点。这个口径不跟老板说清楚，下个月预算加下去，年底复盘我拿什么交代？

我做的三件事

1. 在日志表里加了一列“是否疑似爬虫”，规则就三条：同IP段十分钟内超过20次、请求间隔小于1秒、问句ID集中在近期批量导入的批次。
2. 让技术把“人工问句”和“系统探针”的批次ID分开标记，别再混在一个池子里算引用率。
3. 跟老板重新对了口径：以后看引用率，先看“去爬虫后的净引用条数”，再看“净引用里问句ID的分散度”。光看总数，跟看股票只看成交量一样，容易上头。

踩过的坑

最早我图省事，直接用平台后台的“引用趋势图”跟老板汇报。后来才发现，那图把爬虫探针和客户真实搜索混在一起画。我拿三天的原始日志倒推，怎么也对不上图上的数。从那以后，任何引用数据我都要先导原始表，再自己算一遍。

抛个问题

你们做GEO监测的时候，日志里怎么区分“爬虫探针”和“真人搜索”？有没有靠谱的识别规则或者字段？我这边目前只能靠IP段和请求间隔硬猜，心里没底。