结构化数据里漏了 dateModified,AI 把 2019 年的参数当现行标准
上周排查一个工业设备客户的案例,问题很典型:AI 回答「XX 型号额定电流」时,引用的页面是我们三年前发的技术参数页。页面本身没删,但参数早就更新了。
第一反应是去看页面有没有标更新日期。看了下,正文顶部确实写了「2022 年修订」,但 JSON-LD 里只有 datePublished: 2019-03-11,没有 dateModified。也就是说,机器读到的唯一时间信号是 2019 年。
这里有个容易被忽略的点:AI 在多个候选页面之间做排序时,时间新鲜度往往不是靠正文里那句「更新于 X 年 X 月」来判断的,而是靠结构化字段。正文里的日期是给人看的,dateModified 是给机器看的,两者不合并口径,就出现「人读到新、机器读到旧」。
我做了个对照测试,同一组参数页,A 组只保留 datePublished,B 组补上 dateModified 并把正文修订日期改成 ISO 8601 格式对齐。跑了两周、固定同一批问句,B 组被引用的次数明显高于 A 组,而且引用时间戳从 2019 拉到了 2022 之后。
但这里变量不止一个,我得说清楚:B 组同时改了正文日期格式,所以不能把增量全归给 dateModified 字段本身。真要拆干净,得再做一组只补字段、不动正文的 C 组。目前 C 组数据还没跑完,先不下结论。
另一个坑是 dateModified 的时区。我们最开始写的是 2022-06-15,没带时区偏移,Google 的结构化数据测试工具能过,但某些抓取侧会按 UTC 零点解析,跟本地时间差 8 小时。后来统一改成带 +08:00 的完整格式,才稳定下来。
所以我的判断是:结构化数据里的时间字段,口径要跟正文修订记录严格对齐,datePublished 和 dateModified 不能只写一个,更不能让正文日期和字段日期各说各话。页面速度再快,字段口径错了,AI 照样引旧页。
想问问大家:你们在补 dateModified 的时候,是只标「实质性内容变更」,还是连排版调整也刷新?这个边界怎么定,有没有人实测过对引用衰减曲线的影响?
