/posts/ai-url-5
SEO / GEO

把AI引用来源里的URL参数拆开后,我发现四成引用其实是同一篇文章

深夜冲浪猫 123 0 45

先说结论:如果你统计AI答案的引用来源时只按URL计数,结果会被严重高估。我最近拿三个客户的真实日志跑了一遍,发现同源URL去重后,实际被引用的独立内容量平均只有原始计数的58%——区间在41%到73%之间,样本是过去六周抓的约1200条带引用的答案,覆盖四个不同品类的官网和博客。

具体说坑在哪。AI答案里给的引用链接经常带一堆尾缀参数,常见的有utm_*那一串、?ref=chat、#:~:text=这种文本片段锚点,还有同一篇文章的amp版和移动版。我一开始偷懒,直接按完整URL去重,统计出来的「被引页面数」看着挺漂亮。后来做交叉对比,把URL先归一化——剥掉query、去掉anchor、统一http/https和www前缀、amp映射回主路径——再重算,数字直接掉了一截。举个实例:某客户博客里一篇讲选型对比的文章,原始计数里出现了23次「引用」,归一化后其实是同一个页面被三个不同版本的入口引用,去重后独立命中1次,但被三个不同答案引,这个区别很重要。

这直接影响你怎么判断内容可被引用性。如果你按原始计数去看哪类内容被引多,结论会偏向那些入口多的页面——通常就是首页、产品页、关于我们这种被各处链来链去的,而不是真正信息密度高的长文。我自己的经验是,归一化后,产品参数类页面被引的独立命中率反而比首页高,因为AI更倾向从有结构化字段的页面抽事实,但这个信号被URL重复计数给淹没了。

操作上我是这么干的:先写个脚本把日志里的引用URL过一遍正则,剥掉utm_\w+、ref、source这类参数,再对路径做小写化和尾斜杠统一,最后按「归一化路径+正文哈希」双键去重。正文哈希这一步是关键,因为有些站同内容会生成好几个路径,只靠URL归一化不够。这一步做完再算每类页面的独立命中数和被不同答案引用的次数,两个指标分开看。

还有个小细节:文本片段锚点#:~:text=有时候能反推AI到底引了哪一段,这个信息比URL本身有用,但别把它当去重依据,否则同一段被不同答案引用会被算成一条。

我现在比较好奇的是,各家的引用链接格式差异挺大,有的干脆不给完整URL只给域名。你们在统计引用来源时,是按完整URL计数还是做了归一化?如果做了,归一化规则里有没有碰到amp或者多语言路径这种边界情况,怎么处理的?

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。