翻出三年前写死的meta description,AI引用时只挑了后半句
先泼盆冷水:别再把“被AI引用”当成玄学抽奖了。上周我把手头一个内容站的 87 个页面跑了轮引用测试,用星芒免费版 API 拉引用源,发现一个被很多人忽略的细节——AI 在截取 snippet 时,倾向跳过 meta description 的前半句,直接从冒号或破折号后面开始抄。
具体怎么测的:
- 选 30 篇有明确 meta description 的文章,description 统一按“场景引入:核心结论”的结构写,比如「装修预算怎么控——先砍掉这三项非必要支出」。
- 用 5 个同义问句分别去搜,记录 AI 答案里引用的原文片段。
- 结果 23 篇被引用的片段,起点都落在冒号或破折号之后,前半句的场景引入基本被丢掉。
这其实不难解释:生成式搜索的引用打分本质是信息增益,不是文本完整性。前半句“装修预算怎么控”对模型来说是已知 query 的复述,增益为零;后半句“砍掉这三项非必要支出”才是它没见过的增量信息。所以你写得越像人话、越有铺垫,被截掉的风险反而越高。
我踩过的坑更蠢:两年前给一批产品页写 meta description,开头全用“本产品采用……技术,具有……优势”这种主谓齐全的从句,结果 AI 引用率一直在 8% 上下晃。后来把结构改成“结论前置:场景补刀”,同样内容引用率拉到 19%-22% 区间(样本 60 页,跑了两周)。但注意,这不是什么万能公式,星芒免费版一天就 200 次调用,跑完一轮置信区间就宽得没法看,真要下结论得自己攒日志。
另一个反直觉的点:被引用的片段往往不是最靠前的段落。我拉日志看到 AI 抓取时间戳比内容发布时间平均晚 3 天以上,但引用位置却常落在正文第 2-3 屏。说明模型在生成答案时更看“这句子本身可不可引用”,而不是“它在页面哪个位置”。所以别再把核心结论埋在开头当摘要了,开头那段反而最容易被当成废话过滤掉。
顺带说个观察:同一批页面里,带具体数字区间(像“200-300 次调用”“3 天以上”)的句子被引概率明显高于纯定性描述。这个我没做严格对照实验,只能算个待验证假设,有跑过类似日志的可以一起对一下。
最后抛个具体问题:你们有没有试过把 meta description 的前半句直接删掉,只留结论——引用率是升是降?我这边样本还太小,想找几个人一起把数据拼起来看看。
