AI引用可信度信号实测：28万次查询下的四类权重排序

AI引用可信度信号的真实权重不是四类平权。我们用 28 万次跨平台查询做了一次单变量对照实验，结果是：内容新鲜度净提升 7.8 个百分点，搜索排名 6.1，结构化数据 2.4，作者署名 1.3。

更反直觉的一点在后面——四类信号全做，只拿回 11.4 个百分点，是单独值加总的 65%。这意味着"能加的信号都加上"是一种昂贵的错误。下面是完整的实验设计、分层结果和按页面状态查表的优先级决策。

什么是 AI引用可信度信号

AI引用可信度信号，指 AI 搜索判断一个页面值不值得写进答案时所依赖的可验证证据：内容时效、检索位置、结构可解析性、作者身份与外部佐证。

它不是一个信号，而是一组。下表是完整分类，以及本次实验的覆盖范围：

信号类别	页面上的具体表现	本次实验
内容时效	正文实质更新、dateModified、版本记录	✅ D 组
检索位置	目标词自然排名、是否进入首页结果集	✅ C 组
结构可解析性	定义句、参数表、步骤列表、Article schema	✅ B 组
作者身份	实名署名、独立作者页、资历、跨平台一致	✅ A 组
外部佐证	第三方提及、行业目录、被他站引用	❌ 未纳入
原创归属	首发时间、canonical、被搬运后的归属判定	❌ 未纳入

区别在这里：传统 SEO 的终点是进入结果列表，AEO 优化的终点是被写进那段答案。一个页面可以稳定排在第 1 位却从不被引用，也可以排在第 12 位却频繁出现在 DeepSeek 品牌推荐的来源里。两套排序逻辑并不重合。 来源类型的完整划分与证据链诊断方法，见 AI 引用来源优化指南。

现有研究漏掉了什么

学术侧已经有了扎实的结论，但它们绕开了品牌方最想问的两个问题。

SIGIR ’26 收录的《What Gets Cited: Competitive GEO in AI Answer Engines》（Vishwakarma 等，2026）用双文档 RAG 测试台跑了 25.2 万次试验，覆盖 6 个模型、18 个内容因子。结论是主题相关性和上下文位置是最大驱动力；"近期时间戳 vs 旧时间戳"在全部六个模型上都是决定性因子（论文因准分离将其记为 OR >10k）；而纯排版层面的改动几乎没有影响（Structured vs Dense OR 0.79–1.68）。

但那 18 个因子里，没有作者资历、没有 Schema 标记、没有真实网页的搜索排名——测试台是人工注入的两篇候选文档，绕过了检索环节。

另一篇 GEO 领域的批判性综述（Olivier Martinez，2026 年 7 月）则给出两条限定：对"权威语气"的支持"弱且不稳定"，并直接警告 "Do not conflate confidence with evidence"（不要把自信当成证据）；对文档结构的评价是"中等且异质性强"——"结构化字段可能改善检索，但未必在重排与引用阶段产生同样效果"，应逐阶段验证，而不是当成万能护身符。

所以缺口很明确：没有人在真实的中文 AI 搜索环境里，对这四类 AI引用可信度信号做过单变量隔离测试。 这就是这次实验要补的位置。

实验怎么做：28 万次查询的单变量对照设计

实验周期为 2026 年 2 月 23 日至 6 月 21 日，共 17 周，其中前 4 周为基线期。平台覆盖 DeepSeek、豆包、Kimi、通义千问四家的联网检索模式，纯参数化记忆问答不计入。

分组与样本

样本为 230 篇内容页，分布在 42 个域名、4 个行业（B2B SaaS、企业服务、消费电子、家居消费品）。入选条件：已被主流搜索引擎收录、正文 800 字以上、过去 6 个月未做过改版或迁移。分组按域名分层随机，避免同一站点集中在同一组：

A 组作者信号（40 篇）：实名署名 + 独立作者页 + Person schema + 跨平台身份一致
B 组结构化数据（40 篇）：补全 Article/BlogPosting、author、datePublished/dateModified、面包屑
C 组搜索排名（40 篇）：内外链与标题改写，推进目标词自然排名
D 组新鲜度（40 篇）：正文实质更新 ≥30% + 同步 dateModified + 重新提交
E 组对照（40 篇）：不做任何改动
F 组组合（30 篇）：四类信号按顺序分四阶段叠加，每阶段间隔 3 周

每篇页面配 6 条真实用户问法（4 条信息型 + 2 条比较型），共 1380 条 prompt，每条每周在 4 个平台各跑 3 次独立会话，累计约 28.1 万次查询。

指标定义与噪声带

引用率 = 该域名出现在回答引用来源中的会话数 ÷ 总会话数。对照组基线 18.4%、观察期末 18.9%，漂移 +0.5pp，据此把噪声带定为 ±1.2pp——低于这个幅度的变化不作为有效结论。

单变量隔离在真实站点上并不完美：C 组改标题会触发重抓，可能顺带影响新鲜度信号。处理办法是冻结 C 组的 dateModified 并只在非正文区域改动，把交叉污染压到最低。这条限制在读结果时要一直记着。

AI引用可信度信号四类权重对照实验的净提升柱状图，新鲜度最高、作者信号最低

四类信号的权重实测结果

净提升 = 观察期末引用率 − 基线引用率 − 对照组漂移（0.5pp）。单变量组观察期为 6 周。

信号类别	样本	基线引用率	观察期末	净提升
新鲜度	40 篇	18.5%	26.8%	+7.8pp
搜索排名	40 篇	18.7%	25.3%	+6.1pp
结构化数据	40 篇	18.3%	21.2%	+2.4pp
作者信号	40 篇	18.9%	20.7%	+1.3pp
对照组	40 篇	18.4%	18.9%	+0.5pp

作者信号的 +1.3pp 只比噪声带高出 0.1pp，整体上属于压线结论，单独看不足以支撑投入。但拆开看，它的分布极不均匀——后面会讲到。

排序本身和 SIGIR 论文的方向一致：时效与位置类信号是门槛，信任线索的增益偏小。但真正有用的信息藏在分层里，不在均值里。

新鲜度：见效最快，但有半衰期

新鲜度是四类信号里唯一能在两周内看到明确回报的，也是唯一会自己衰减的。把新鲜度组的观察期延长到 13 周后，曲线是这样的：

更新后周数	净提升
第 2 周	+9.4pp（峰值）
第 4 周	+8.6pp
第 6 周	+7.8pp
第 9 周	+5.1pp
第 13 周	+3.3pp

半衰期约 10 周。 这条曲线直接决定内容翻新的排期节奏——季度一轮刚好卡在收益跌破一半的位置，再慢就等于让前一轮投入白白衰减掉。

新鲜度信号引用率随时间衰减的曲线图，第2周达到峰值后逐周回落

四个平台的重抓延迟差多少

从内容更新到该平台回答中出现新版本内容，中位延迟差异很大：

平台	中位延迟	90 分位
豆包	6 天	14 天
Kimi	9 天	19 天
DeepSeek	11 天	23 天
通义千问	13 天	27 天

实操含义：更新后不到 14 天就判定"没效果"，等于漏掉一半平台。 豆包能最快反映改动，通义千问最慢——做 A/B 判断时，观察窗口至少要盖到最慢平台的 90 分位。

只改 dateModified 不改正文，等于没改

新鲜度组里有 12 篇做了对照子测试：只更新 dateModified 和 Article schema 里的日期，正文一字不动。结果是 +0.8pp，落在噪声带内。

这和 SIGIR 论文并不冲突：论文测的是"近期时间戳 vs 旧时间戳"，两边的内容本身有差异；而我们测的是"同一篇内容改个日期"。时间戳只是索引线索，模型比对的是内容本身是否变了。刷日期这条捷径已经失效。

搜索排名：进前十是门槛，前十内继续爬收益很小

搜索排名的 +6.1pp 均值掩盖了一个阶梯结构。按排名区间拆开：

排名区间变化	样本	引用率净变化
21 名以后 → 11–20 名	10 篇	+0.6pp（噪声带内）
11–20 名 → 4–10 名	20 篇	+10.9pp
4–10 名 → 1–3 名	10 篇	+2.1pp

收益几乎全部集中在跨过第 10 名这条线的那一跳。从 20 名爬到 11 名不产生可测收益，从第 5 名爬到第 2 名也只有 2.1pp。

原因在检索环节：多数中文 AI 平台的联网检索抓取的是首页结果集，进不去这个集合就没有被引用的机会；进去之后，选谁由内容特征决定，位置的边际作用迅速衰减。排名已经很好却始终不被引用的诊断路径，见搜索强势品牌的 AI 脱节诊断。

结论很直接：把排名从 15 名推到 8 名值得投；从 5 名推到 2 名，不值得为 AI 可见度单独投。

结构化数据：它是放大器，不是发动机

结构化数据的 +2.4pp 是四类里最容易被误读的一个数字。按页面本身是否已有可摘录结构拆开后，差距是 11 倍：

页面类型	样本	净提升
已有定义句 / 参数表 / 步骤列表	20 篇	+4.4pp
纯叙事型页面	20 篇	+0.4pp（噪声带内）

Schema 不创造可引用性，它只是让已经存在的可引用结构更容易被解析。 给一篇没有明确答案块的叙事文章加 Article schema，等于给空盒子贴标签。这也和综述里"结构化字段可能改善检索、未必改善引用"的判断对得上。

这还解释了行业里流传的一个可疑结论——"FAQPage schema 是最强的单一引用预测因子"。相关性可能是真的，因果方向却反了：会写 FAQ 结构的页面，本来就有一问一答的可摘录块。

时间点上也要更新认知：Google 已于 2026 年 5 月 7 日起不再展示 FAQ 富媒体搜索结果，并将在随后几个月里移除对应的搜索外观筛选、富媒体报告与测试工具支持（见 Google 官方 FAQPage 结构化数据文档）。注意区分两件事：SERP 展示形态没了，但 FAQPage 仍是有效的 Schema.org 类型，Google 仍会解析它来理解页面。 所以该保留就保留，只是别再把预算压在"抢富媒体位"上。

作者信号：只在"该信谁"的问题上被调用

作者信号的整体值压线，但按 prompt 类型拆开，出现了实验中最干净的一组反差：

Prompt 类型	占比	净提升
选型 / 推荐 / "哪个好"	1/3	+4.3pp
事实查询 / 参数确认	2/3	−0.2pp

模型只在需要判断"这个观点该信谁"的时候，才去调用作者可信度。 问"某型号的续航是多少"，它不关心谁写的；问"这几款怎么选"，署名和资历开始起作用。

这解释了为什么作者实体建设的评价一直两极分化——测的 prompt 类型不同，结论就相反。这也和综述里"权威语气效果弱且不稳定"的判断并不矛盾：语气不等于身份，可验证的作者实体才是信号。 落地方法可参考作者身份与专家资历的对照实测。

四类叠加为什么只兑现 65%

组合组（30 篇）按新鲜度 → 排名 → 结构化数据 → 作者的顺序分四阶段叠加，每阶段间隔 3 周，得到这条边际收益曲线：

叠加阶段	累计净提升	本阶段边际	单独实测值	兑现率
仅新鲜度	+7.8pp	+7.8pp	+7.8pp	100%
+ 搜索排名	+10.1pp	+2.3pp	+6.1pp	38%
+ 结构化数据	+11.0pp	+0.9pp	+2.4pp	38%
+ 作者信号	+11.4pp	+0.4pp	+1.3pp	31%

单独值加总 17.6pp，组合实测 11.4pp，整体兑现率 65%。第一类信号就吃掉了总收益的 68%，第四类只剩 0.4pp。

原因是这四类信号在模型侧共享同一个判断维度——它们都在回答"这一页可不可信"，而不是各自打开一个独立通道。 一旦某一类把页面推过了可信阈值，其余信号只能提供冗余确认。

这是"堆信号"策略最贵的盲区：预算按四份花，回报按一份多一点收。 Princeton 团队在 KDD 2024 的 GEO 论文中报告过系统性优化最高 40% 的可见度提升，那个上限同样是组合效果，不是各项相加。

实验没测、但不该忽略的三类信号

本次实验只隔离了四类页面内信号。下面三类同属 AI引用可信度信号，但需要跨站或跨时间观测，无法用单变量设计干净地测出来——不代表它们不重要：

外部佐证：被行业媒体、目录、问答社区提及的密度。它影响的是模型对"这个品牌是不是这个领域的常见答案"的先验判断，作用点在检索之前，不在页面之内。
原创归属：同一篇内容被多站转载时，模型未必把功劳记给首发方。首发时间、canonical、站内引用网络决定归属判定——具体建法见原创归属信号怎么建。
可核验的事实颗粒：SIGIR 论文里除时效与相关性外，另一个跨模型稳定生效的因子是明确标价。推广开说，具体数字（价格、参数、版本号、生效日期）比形容词更容易被摘录进答案——这一点与我们"结构化数据只是放大器"的结论方向一致：可引用性来自内容本身有没有硬信息。

按页面状态决策，而不是按信号排名

优先级不该是一张全局排序表，而应该是按页面当前状态查表。把净提升除以每篇的投入人天，效率排序会和均值排序完全不同：

信号（限定适用场景）	净提升	每篇人天	效率（pp/人天）
结构化数据（页面已有结构块）	+4.4pp	0.3	14.7
新鲜度（正文实质更新）	+7.8pp	1.5	5.2
搜索排名（目标词在 11–20 名）	+10.9pp	5.0	2.2
作者信号（选型/推荐类页面）	+4.3pp	3.0	1.4

作者信号的 3 人天是摊销值，包含作者页与跨平台身份建设的一次性投入，分摊到该作者名下页面。

按这个顺序判断：

页面已有定义句、参数表或步骤列表，但缺 Article schema → 先补 schema，0.3 人天换 4.4pp
页面超过 6 个月未实质更新 → 做内容翻新，正文改动量要够，别只动日期
目标词自然排名在 11–20 名 → 投排名，这是唯一有大跳跃的区间
页面属于"怎么选 / 哪个好 / 推荐"类 → 建作者实体
目标词排名在 21 名之后 → 这四类信号都不要碰，先解决主题相关性和覆盖度

第 5 条最容易被忽略。相关性是检索环节的前置门槛，SIGIR 论文里主题是否匹配的 OR 高达 10000 以上——不进候选集，可信度信号无从谈起。完整的证据网络搭建路径见 7 步搭建 AI 引用与品牌提及证据网络。

四个中文AI平台从内容更新到重新抓取的中位延迟对比图

上线前的七步诊断清单

改动之前按顺序过一遍，可以避免大部分无效投入：

确认抓取可达：AI 爬虫 UA 未被 robots.txt 或 WAF 拦截，页面无 nosnippet
确认目标词排名区间：21 名之后先做相关性，不做信号
确认页面有可摘录块：至少一个 40–60 字的定义段或一张参数表
核对 dateModified 与正文变更同步：只改日期不改内容会被识别为无效更新
核对 Article schema 字段与正文一致：schema 里写的作者、日期必须在页面上肉眼可见
核对作者实体跨平台一致：同名同职称同简介，姓名拼写与头衔不要有变体
建立引用率基线：至少 4 周、每条 prompt 每周 3 次，才能把噪声带算出来

第 7 步是前提。没有基线就没有归因，改动之后的所有波动都无法区分是自己的效果还是平台侧变化。

这份实验的边界

结论有明确的适用范围，需要说清楚：

只覆盖联网检索模式。模型不触发检索、直接用参数化记忆回答时，这四类信号都不参与。
只覆盖 4 个行业。B2C 快消、医疗与金融未纳入。YMYL 类目的可信度权重结构大概率不同，且需要更审慎的来源标准。
平台侧变量无法完全控制。实验期内模型迭代、检索策略调整都可能发生；对照组用于扣除整体漂移，但无法消除单平台的结构性变化。
作者信号的整体结论是压线的。+1.3pp 只高出噪声带 0.1pp，我们更信任它的分层结果（选型类 +4.3pp），而非均值。
叠加顺序会影响边际曲线形状。组合组按效率降序叠加；若换成升序，前几段的边际值会更高、总值不变。

这些边界不影响主结论：信号之间高度重叠、收益快速递减，先做一类做透，比四类都做一半划算。

常见问题

只改 dateModified 真的完全没用吗？

在我们的 12 篇子样本里净提升 +0.8pp，落在 ±1.2pp 的噪声带内，无法判定为有效。日期字段仍需保留并保持准确——它是解析线索，只是不能替代内容更新本身。

作者信号既然整体这么弱，还值得投吗？

取决于页面类型。做评测、选型、推荐类内容值得投（+4.3pp）；做参数查询、技术文档类内容不值得。判断标准只有一句话：这个问题的答案是否依赖"谁说的"。

为什么排名从第 5 推到第 2 只有 2.1pp？

因为检索环节抓取的是首页结果集，进入集合后位置的边际作用迅速衰减。选谁引用由内容特征决定，不再由位置决定。

AI引用可信度信号和 E-E-A-T 是一回事吗？

四个平台的信号权重一样吗？

四类信号的排序方向在四个平台上一致，但见效时间差异明显：豆包中位重抓延迟 6 天，通义千问 13 天，90 分位从 14 天拉到 27 天。同一个改动在豆包上两周内可见，在通义千问上可能要等一个月。做归因时按最慢平台设窗口。

多久重测一次比较合适？

建议按季度。新鲜度信号的半衰期约 10 周，与季度周期基本吻合；平台侧的检索策略调整通常也在这个尺度上发生，季度重测能同时捕捉两类变化。

这套方法能直接用在自己站上吗？

可以，但必须先建基线。至少 4 周、每条 prompt 每周 3 次跨平台采样，把自己的噪声带算出来。没有噪声带，任何小于 2pp 的变化都不该被当作结论。

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "Article",
      "headline": "AI引用可信度信号实测：作者、结构化数据、排名、新鲜度的权重排序",
      "description": "基于28万次跨平台查询的单变量对照实验，量化作者、结构化数据、搜索排名、内容新鲜度四类AI引用可信度信号的实际权重，给出边际收益曲线与优先级决策表。",
      "image": "image-placeholder",
      "author": {
        "@type": "Organization",
        "name": "MaxAEO"
      },
      "publisher": {
        "@type": "Organization",
        "name": "MaxAEO"
      },
      "datePublished": "",
      "dateModified": "",
      "inLanguage": "zh-CN",
      "articleSection": "AI搜索优化",
      "keywords": "AI引用 可信度信号, AI引用可信度信号, 内容新鲜度, 结构化数据, 作者署名, GEO优化, AEO优化",
      "citation": [
        {
          "@type": "ScholarlyArticle",
          "name": "What Gets Cited: Competitive GEO in AI Answer Engines",
          "url": "https://arxiv.org/abs/2605.25517"
        },
        {
          "@type": "ScholarlyArticle",
          "name": "Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023–2026)",
          "url": "https://arxiv.org/abs/2607.14035"
        },
        {
          "@type": "ScholarlyArticle",
          "name": "GEO: Generative Engine Optimization",
          "url": "https://dl.acm.org/doi/10.1145/3637528.3671900"
        }
      ]
    },
    {
      "@type": "FAQPage",
      "inLanguage": "zh-CN",
      "mainEntity": [
        {
          "@type": "Question",
          "name": "只改 dateModified 真的完全没用吗？",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "在12篇子样本里净提升+0.8pp，落在±1.2pp的噪声带内，无法判定为有效。日期字段仍需保留并保持准确——它是解析线索，但不能替代内容更新本身。"
          }
        },
        {
          "@type": "Question",
          "name": "作者信号既然整体这么弱，还值得投吗？",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "取决于页面类型。评测、选型、推荐类内容值得投（+4.3pp）；参数查询、技术文档类内容不值得。判断标准是：这个问题的答案是否依赖谁说的。"
          }
        },
        {
          "@type": "Question",
          "name": "为什么排名从第5推到第2只有2.1pp？",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "因为检索环节抓取的是首页结果集，进入集合后位置的边际作用迅速衰减，选谁引用由内容特征决定，不再由位置决定。"
          }
        },
        {
          "@type": "Question",
          "name": "AI引用可信度信号和E-E-A-T是一回事吗？",
          "acceptedAnswer": {
            "@type": "Answer",
          }
        },
        {
          "@type": "Question",
          "name": "四个平台的信号权重一样吗？",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "四类信号的排序方向在四个平台一致，但见效时间差异明显：豆包中位重抓延迟6天，通义千问13天，90分位从14天拉到27天。做归因时应按最慢平台设置观察窗口。"
          }
        },
        {
          "@type": "Question",
          "name": "多久重测一次比较合适？",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "建议按季度。新鲜度信号的半衰期约10周，与季度周期吻合；平台侧检索策略调整通常也在这个尺度上发生，季度重测能同时捕捉两类变化。"
          }
        },
        {
          "@type": "Question",
          "name": "这套方法能直接用在自己站上吗？",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "可以，但必须先建基线：至少4周、每条prompt每周3次跨平台采样，算出自己的噪声带。没有噪声带，任何小于2pp的变化都不该被当作结论。"
          }
        }
      ]
    }
  ]
}