用数据打脸：GEO内容被AI引用的概率，跟字数真没多大关系

上周团队复盘，我把过去半年我们站群在AI搜索里的引用数据拉了个全量。样本不大，897篇内容，覆盖4个行业垂类。结果有点反常识，发出来给大家避坑。

先说结论：内容字数与AI引用概率的相关系数只有0.11，基本可以认为不相关。真正拉开差距的是下面三个变量。

1. 结构化程度（相关系数0.63）

我把内容按“是否有明确小标题+列表/表格+FAQ”分成三档。高结构化组（3项全有）的引用率是18.7%，低结构化组（纯段落）只有4.2%，差了4倍多。

具体案例：我们有一篇讲“跨境支付费率对比”的文章，一开始是2000字纯叙述，发了三周AI引用次数是3。后来我让编辑改成表格+分点问答，字数还少了300字，一周内引用涨到27次。

2. 实体密度（相关系数0.58）

我用NER工具跑了一遍，统计每千字里的品牌名、产品名、地名、数字等实体数量。高实体密度组（>15个/千字）的引用率是低密度组的3.1倍。

说白了，AI更喜欢“有具体东西”的内容。你写“某知名品牌”，不如写“蔚来ET5”；你写“大幅提升”，不如写“提升37%”。

3. 首段信息密度（相关系数0.52）

我单独看了前150字是否直接给出核心答案。前150字直接回答问题的内容，被引用的概率是“先铺垫再回答”的2.8倍。AI不是在读文章，是在找答案。

几个踩过的坑：

• 一开始迷信“长文权重高”，硬凑字数，结果AI引用率没涨，用户跳出率倒是涨了。
• 以为加FAQ schema就万事大吉，实测单纯加schema但正文没对应结构，引用率只提升0.7个百分点，几乎可以忽略。
• 忽略了更新频率。同一篇内容，每月更新一次数据的那批，引用留存率比不更新的高41%。

目前我的操作SOP：

1. 首段150字内必须给出可引用的结论句。
2. 正文至少2个表格或列表，FAQ放在靠前位置。
3. 每千字实体数不低于12个，数字优先于形容词。
4. 高价值内容每月更新一次数据，哪怕只改一个数字。

最后抛个问题：你们有没有测过内容发布后的“引用半衰期”？我这边初步看是23天左右，但样本还不够，想看看大家的数据是不是也在这个量级。评论区聊聊？