拿URL锚点做引用粒度实验,发现AI更爱引整段而不是一句话
最近在折腾引用粒度的问题,起因是客户投诉说AI引了他的页面,但只引了半句话,导致品牌信息被断章取义。我一开始以为这是AI摘要能力的问题,后来翻了翻日志,发现事情没那么简单。
先说实验设计:我从三个行业站各挑了20个页面,每个页面手动标记了5个可引用的“逻辑完整段”,然后在段内再切出3个“单句锚点”,用星芒的API跑了两周引用日志,统计AI到底引的是整段还是单句。结果有点反直觉——在1200多次引用里,引整段的比例是67%,单句只有22%,剩下11%是跨段拼接。
这意味着什么?AI的引用行为更倾向于“语义块”而不是“句子”。我拿这个结论去回看之前踩过的坑,比如我们给某产品页加了一段“最后核实时间”,本来是想增加可信度,结果引用率掉了两成。当时以为是时间戳让AI觉得内容过时,现在看可能是那段的时间戳插在段落中间,把原本完整的语义块切碎了,AI干脆不引了。
所以我的判断是:GEO做内容可被引用性,第一优先级是保证每个语义块自包含,而不是堆关键词或者加花哨的结构化标记。具体做法我试了两条:一是把长段落按“问题-答案-证据”切成不超过150字的块,块内不插无关元素;二是给每个块加一个稳定的锚点ID,方便追踪。改完之后,同一批页面的引用率从11%回到了17%左右,虽然没回到最初水平,但至少止血了。
不过这里有个坑我得提醒:锚点ID不要用动态生成的,我一开始用了带时间戳的哈希,结果AI每次抓取都认为是新内容,引用日志里全是重复条目,白跑了一周。后来换成内容哈希才稳定下来。
现在的问题是,跨段拼接那11%的引用我没想明白怎么处理,AI把两段不相邻的内容拼在一起,语义经常跑偏。你们有没有人研究过这种拼接引用的触发条件?或者有谁试过用API的引用上下文参数去约束它?
