/posts/ai-mwn115si-95dd
SEO / GEO

给AI引用监测抓包加了个「引用位置偏移量」,同一篇文章的权重差出三倍

深夜冲浪猫 110 0 45

先泼盆冷水:社区里现在聊 AI 引用,基本都停在「有没有被引」这个二值判断上。这跟 SEO 早期只看收录量没区别,信息量约等于零。我这两周换了个口径,盯的不是「引没引」,而是「引在哪」。

具体做法:用星芒的 API 拉答案全文,别只取它返回的 sources 列表。列表是去重后的源集合,丢掉了位置信息。我自己写了个后处理,把每个引用 URL 在答案正文里第一次出现的字符偏移量记下来,算 offset / 答案总长度,得到「引用位置偏移比」。公益版接口有速率上限,我按 8 秒间隔跑,一晚上能拉 600 条左右,够做小样本对比了。

说结果。同一批 40 篇文章,分两组:A 组是结构化问答型(H2 直接是问句,答案首句给结论),B 组是深度长文型。跑了 1200 条问句,A 组引用位置偏移比中位数落在 0.12 到 0.18 区间,B 组落在 0.41 到 0.55。也就是说 A 组的内容被 AI 放在答案前段当「结论支撑」,B 组更多出现在后半段的「延伸阅读」位置。

这个差别不是修辞问题。我拿同一篇文章的两个版本做了对照——内容一字不差,只把结论段从文末提到文首,偏移比从 0.47 降到 0.19,同一周内被引次数从 7 次涨到 23 次。三倍多。当然样本小,我不敢说这是因果,只能说相关性很强,且方向符合「生成式搜索倾向于在答案开头锚定可验证陈述」这个先验。

踩的坑也交代一下:一是 offset 统计必须区分「URL 出现在 sources 列表」和「URL 出现在正文引用标记」两种情况,前者是元数据,后者才是生成时真正落笔的位置,混在一起算会严重高估;二是不同模型版本对同一问句的答案长度差异能到 40%,偏移比要按长度归一化,否则跨批次没法比;三是别用公益版做长周期时序,我中途断过一次配额,前后两段数据口径就对不齐了。

我的判断是:GEO 的「可引用性」得拆成两个可测量的子问题——被不被引(召回),和被引在哪个位置(权重)。后者才是内容工程真正能优化的抓手,前者更多是覆盖面和权威度的结果。

抛个具体问题:你们有没有试过在答案正文里统计引用标记的「段内位置」,而不只是全篇偏移?我怀疑按段落粒度算,前段和后段之间的权重断层比全篇线性偏移更陡,但还没想好怎么把段落的边界对齐到不同模型的输出格式上,有跑过类似口径的可以聊聊。

登录后可以为帖子点赞,但本帖内容对所有人开放阅读。

社区回应

0 Replies

还没有回应,抢一个沙发。

登录后可以回应和点赞,但本帖内容对所有人开放阅读。