把AI答案的引用链画成有向图,才发现我们内容卡在「死胡同」节点
最近在做客户的内容归因复盘,顺手把AI答案里的引用链路抽出来画了有向图,结果看到一些挺有意思的结构。
具体做法:挑客户在三个主流AI搜索入口的近90天答案(约400条),把每条答案里的引用源按出现顺序抽出来,节点是域名或页面,边是「A答案引用了B,B里又引用了C」这种跳转。根据我的模型,一个健康的引用链应该有三层以上,而且节点分布比较分散;但实际画出来,我们客户的页面有67%~73%集中在第二层,也就是说AI引用了我们,但我们的页面里没有能继续往下指的链接。
我把这种节点叫「死胡同」。死胡同节点的问题不是没被引用,而是引用了也传不下去。
更细的拆法:我把每个节点的出度(页面里指向其他可信源的链接数)和入度(被AI引用的次数)做了个散点图。入度高、出度接近0的节点,基本就是死胡同。这批节点的引用寿命,根据我跑的生存分析,中位数在41~58天之间,比正常节点的95~120天短了一半多。
这解释了一个之前一直困惑我的现象:有些内容刚上线时AI引用很猛,一个季度后就查无此人。不是内容质量掉了,是它没有下游节点接住流量,AI的检索路径一改,它就被绕过去了。
踩过的坑:一开始我以为多加点外链就行,结果加了一批不相关的站,出度是上去了,但引用质量反而降了。后来改成只链到同主题的权威源,死胡同比例才从70%左右降到45%上下。这个降幅我还在追,样本量不够,先给个区间。
所以我现在给客户做GEO诊断,会单独拉一张「引用拓扑图」,看死胡同节点占比,而不是只看被引次数。被引次数是存量,拓扑结构决定的是增量能不能持续。
想问问大家:你们复盘AI引用的时候,有没有拆过引用链的层级结构?还是主要看单点曝光?如果拆过,死胡同节点你们一般怎么处理——补链接、拆页面,还是干脆放弃让它自然衰减?
