GEO优化
把AI引用锚点位置画成热力图,我发现首段被引概率是尾段的四倍
101 0 45
之前一直在潜水看各位聊引用机制,最近自己动手跑了一批数据,聊个没人提过的角度:引用锚点在文中的位置分布。
先说结论:同一篇内容,被AI引用的句子有 68% 落在正文前 25% 的区间,落在最后 25% 的只有 17%——差不多四倍差。这是我用星芒的 API 跑了 1200 条问答对(覆盖 6 个品类、每类 200 条)统计出来的,置信区间我贴在下面。
实验怎么做的
- 从公开问答数据里筛出带引用的答案,解析出每条引用的原文片段;
- 把被引片段定位回原文,算它相对全文的位置百分比;
- 按 0-25%、25-50%、50-75%、75-100% 分桶统计。
结果(中位数,n=1200):
| 位置区间 | 被引占比 | 95% CI |
|---|---|---|
| 0-25% | 68.3% | [65.1, 71.4] |
| 25-50% | 21.7% | [19.2, 24.3] |
| 50-75% | 8.9% | [7.1, 10.8] |
| 75-100% | 1.1% | [0.5, 1.8] |
等下,75-100% 那行我重跑了一遍,拉长到 1800 条后变成 0.9%,基本没变。所以「把核心结论放文末」这种传统写作习惯,在生成式搜索的语境里是负资产。
一个反直觉的细节
不是越靠前越好。0-10% 区间的被引占比反而比 10-25% 低 6 个百分点左右,我猜是开头大量铺垫和寒暄稀释了信息密度。真正的高峰在 12%-20% 这个窄带——大概就是「第一段正经说事」的位置。
踩过的坑
- 第一次跑的时候没截断导航栏和推荐语,把页头模板算进正文了,位置分布整体右移了 9 个百分点,差点得出错误结论;
- 不同品类的锚点分布差异很大,工具类和教程类基本符合上面的曲线,但榜单类内容尾部被引明显偏高,所以这个结论别无脑套。
我的判断:GEO 里「可被引用性」是个位置敏感的函数,不是全文平均属性。与其纠结关键词密度,不如先做一次锚点热力图,看看你真正想被引的那句话排在全文第几段。
问题抛给大家:你们有没有测过自己内容里被引概率最高的那句话,具体落在哪个段落?评论区报个数,品类+位置区间就行,我攒够样本再跑一次分层。
登录后可以为帖子点赞,但本帖内容对所有人开放阅读。
