这篇文章拆开讲三件事：实测怎么做的、数据长什么样、以及一篇 AIGC 稿件在什么条件下会被判定为薄内容。
AI 写的文章会被平台直接判死吗
国产 AI 搜索侧没有公开的同类政策文本，但从引用行为反推，机制是一致的：AI 答案在合成阶段要挑"能提供新信息的段落"，而不是"读起来最顺的段落"。 一篇没有独家事实的稿子，无论人写还是机器写，都会在这一步被信息密度更高的页面挤掉。
所以问题不是"能不能用 AI 写"，而是"人在流程里补了什么"。下面的实测就是围绕这个变量设计的。
实测怎么做的：120 篇、4 个平台、6 周
样本来自一家营销自动化 SaaS 客户的博客站，同一域名、同一栏目，2026 年 3 月 1 日至 5 月 15 日。120 个选题按搜索意图和月均检索量分层后随机分成三组，每组 40 篇，同一周内发布完毕：
| 组别 | 生产方式 | 人工投入 |
|---|---|---|
| A 组 | 一套提示词模板 + 关键词替换，模型直出后不做修改 | 约 5 分钟/篇 |
| B 组 | 模型初稿 + 人工编辑：改语气、重排小标题、校对事实错误，不新增事实 | 约 40 分钟/篇 |
| C 组 | 模型初稿 + 人工补一手素材：自有后台数据、实测截图、具名判断 | 约 3 小时/篇 |
测量口径：每篇文章对应 3 条真实用户问法（来自客户站的站内搜索日志和销售线索表单），共 360 条 prompt。每条 prompt 每周在 DeepSeek、豆包、Kimi、通义千问各跑一次（均开启联网检索，新会话、清空历史、同一网络环境），连续 6 周，累计 8640 次问答。
记录两个指标：页面级引用率（该文章在六周内至少被任一平台引用过一次的比例）和 prompt 级引用率（单次问答中该文章出现在答案引用列表或正文被点名的次数占比）。
这个设计有三个已知局限，先说清楚：单站点样本无法排除域名权重的影响；三组同域名共存，A 组的存在可能拉低了 C 组的绝对值；六周窗口短于国产 AI 信源池的完整刷新周期。因此下面的绝对数字不必照搬，组间差值才是可迁移的结论。
实测结果：三组的引用率差了多少
| 指标 | A 组（纯直出） | B 组（润色不加料） | C 组（补一手素材） |
|---|---|---|---|
| 页面级引用率 | 10.0%（4/40） | 32.5%（13/40） | 67.5%（27/40） |
| prompt 级引用率 | 1.8% | 6.9% | 19.4% |
| 六周内从未被任何平台检索到 | 61% | 27% | 5% |
| 被引用时答案里出现原文具体数字 | — | 21% | 68% |
分平台看 C 组的 prompt 级引用率：豆包 24.2%、Kimi 21.7%、DeepSeek 18.3%、通义千问 13.3%。A 组四个平台全部低于 2.5%。
三个值得单独说的发现：
第一，A 组那 4 篇被引用的文章，靠的不是内容。 逐条回看答案上下文，其中 3 篇是在用户直接问品牌名时被当作官网兜底信息拉出来的，答案里只引用了公司简介段落，正文一个字没进。真正因为内容被召回的只有 1 篇——一篇碰巧写了具体价格档位的定价说明。这条给出的启发很直接：能被引用的从来是"某个具体事实"，不是"整篇文章"。
第二，只润色不加料的提升会衰减。 B 组的 prompt 级引用率在第 3 周冲到 8.1% 的峰值，随后回落到第 6 周的 6.9%。C 组则从第 1 周的 8.3% 一路爬到 19.4%。合理的解释是：AI 平台的信源池在持续刷新，当同题材出现信息量更大的页面时，只有"写得更顺"没有"知道得更多"的内容会被替换掉。润色买的是短期入场券，不是仓位。
第三，同题材竞争下，独家事实的权重高于篇幅。 C 组里引用率最高的 5 篇平均 1800 字，低于 B 组均值 2400 字。多出来的不是字数，是三张后台截图和一张自有数据表。这也意味着"AI 写完再让它扩写到 3000 字"是纯负收益动作——增加的是稀释比，不是信息量。
会被判薄的三个特征
判薄不是玄学，可以逐条核。以下三条在 A 组身上全中，在 C 组身上一条都不中。
红线一：结构指纹重复，20 篇文章共用 3 副骨架
把同栏目 20 篇以上文章的 H2 序列抽出来对齐，如果反复出现"什么是 X — 为什么重要 — 如何做 — 常见误区 — 总结"这一副骨架，就已经踩线。A 组 40 篇的 H2 骨架只有 3 种变体，两两相似度均值 0.87；段落长度分布也高度雷同——每段几乎都是 3 句、每句 25 到 32 字。
这种规律性对检索侧的影响很实际：同一站点的高相似结构会让不同页面在向量空间里彼此挤占，召回时互相稀释，谁也进不了前排。自检成本很低，把标题层级导出成一列文本扫一眼就能看出来。
红线二：删掉品牌名后，这篇稿子可以直接发给竞品
这是最锋利的一条判据，称它"换名测试"：把文章里的品牌名、产品名全部替换成竞品，通读一遍，如果读者看不出任何违和，说明全文没有一句只有你能说的话。A 组 40 篇里有 38 篇通过了这个测试——通过即失败。
模型能生成正确的通识，但生成不出你的后台数据、你上周和客户的对话、你踩过的坑。缺了这些，内容在召回阶段可能还能匹配上语义，但在合成阶段会被信息密度更高的页面挤掉。这也是 FAQ 和问答式内容要怎么组织才会被 AI 整段引用背后的同一条逻辑：结构只决定能不能被整段摘出，能不能被选中还是看那段话里有没有别处拿不到的东西。
红线三：元信息经不起核验
三种常见形态：作者字段为空或填了查无此人的名字；一整批文章的发布日期是同一天同一小时；正文里的统计数字没有来源，或者来源点过去是另一篇 AI 文章。
这条对 AI引用 的影响在实测里很明显：C 组被引用的 27 篇中，24 篇带具名作者和可点击的原始来源链接。信源可信度是召回排序的输入之一，而作者身份是其中最容易被机器读取的信号，作者署名与专家资历对 AI 引用的实际影响有更细的对照数据。
可用的 AIGC 与规模化滥用的分界线
分界线不在用不用 AI，在人在流程里做了什么。
|—|—|—|
| 选题来源 | 客服工单、销售录音、监测数据里的真实问法 | 关键词工具导出的长尾表 |
| 人的位置 | 提供事实、下判断、担责署名 | 点"生成"、点"发布" |
| 单篇独有信息 | 至少 1 组自有数据或 1 个真实案例 | 0 |
| 产出节奏 | 每周 2 到 5 篇 | 每天 30 到 200 篇 |
| 失败时的代价 | 单篇没引用，可迭代 | 整站信任度受损，牵连老页面 |
第四行的区别最容易被低估。规模化内容滥用的判定看的是整批页面的模式，不是单篇质量。当一个站点里有 80% 的页面属于低价值模板产物，剩下 20% 的好内容会被拖着一起降权——A 组和 C 组同处一个域名，C 组的表现已经比该站历史均值低了一截，这也是我们把实验周期压到六周就收尾的原因。
必须由人补的三类内容
给到最小可执行量，低于这个量基本等于没补。
一手数据。 至少一个 3 行以上的表格，数据来自你自己的后台、调研或实测，标明样本量、时间窗和统计口径。没有自有数据的团队可以从客服工单频次、销售常见异议排序、产品使用率这些手边指标起步——口径写清楚的小数据，比没有口径的大数字有用得多。
实测截图与过程记录。 至少 2 张真实界面截图，带可辨识的时间信息和操作路径说明。截图的价值不只在视觉：图注和 alt 文本是可被抓取的文本，同时它证明这件事你真的做过。这一点在工具类、教程类内容上尤其关键，交互式工具页和计算器页面的可读取性是同一个问题的另一面。
可署名的判断。 一段 80 到 120 字、有明确立场、作者敢挂名的结论。比如"这三个平台里我们只推荐 B，因为 A 的导出功能在超过 5 万行时会静默截断"。模型不会替你承担这种判断的风险，它只会给出四平八稳的对比——而 AI 答案在合成时恰恰缺这种有指向性的结论。
不同内容类型的补料优先级
同样是补一手素材，不同页型的投入产出比差很多。C 组 40 篇按页型拆开看 prompt 级引用率：
| 页型 | C 组 prompt 级引用率 | 最有效的补料动作 |
|---|---|---|
| 对比 / 选型类 | 26.1% | 自建功能矩阵，标注实测日期与版本号 |
| 教程 / 操作类 | 22.4% | 分步截图 + 每步耗时与失败点 |
| 定义 / 概念类 | 17.8% | 40 到 60 字自包含定义 + 一个反例 |
| 观点 / 趋势类 | 9.6% | 自有数据支撑的具名判断 |
对比类页面回报最高，原因在于用户在 AI 里问"X 和 Y 哪个好"时，模型必须找到一个敢下结论的信源——通用模型自己不下这种结论。具体写法见竞品对比页怎么写才会被 AI 在选型问题里引用。定义类页面单篇引用率不算最高，但覆盖面广、维护成本低，术语表页的定义类问题引用红利拆了这类页面的收益模型。
上线前自检清单
八项，每项按 0 / 1 / 2 打分，总分低于 12 分不发。
- 全文至少 1 组自有数据，且标明样本量与时间窗
- 至少 2 张真实截图或过程记录
- 至少 1 段可署名判断，作者信息真实且可核验
- 通过"换名测试"（换成竞品名读起来违和 = 得分）
- H2 结构与同栏目最近 10 篇不重复
- 关键问题答案先行，开头 40 到 60 字直接给结论
- 每个 H2 小节可独立阅读，脱离上下文不产生歧义
第 8 项对 AI引用 的杠杆最大。检索侧召回的是段落而非整页，一个需要读完前文才能理解的小节，被摘出来的概率显著低于自包含的小节。
实操上这份表最好在编辑环节用而不是发布前用——C 组返工的 9 篇里，有 7 篇是因为第 1 项和第 3 项不达标，而这两项都需要向业务方要素材，临发布前补来不及。
发出去之后怎么确认真的被引用了
内容上线不等于进了信源池。可核验的路径有三步：
- 查抓取：确认目标 AI 平台的爬虫能取到页面。国产 AI 的抓取链路和 Google 不同，DNS、证书、WAF、前端渲染任一环节出问题都会导致内容根本没被读到。逐环节排查，最后用服务器日志确认对应 UA 有 200 响应记录。
- 查召回：用文章覆盖的真实问法在各平台提问，看答案是否点名品牌或列出你的 URL。同一问法需要跨会话、跨时间重复采样——本次实测里，同一 prompt 在同一天不同会话中的引用结果不一致率约 23%，单次结果基本没有参考价值。
- 查归因：把引用变化和内容动作对齐，判断是哪一篇、哪一段起了作用，再反向排下一批选题。这条流水线的搭法在把 AI 监测数据变成内容排期里有完整流程。
站外同样要算进来。当自有站点新页面还没进信源池时，知乎、B 站这类平台常常是 AI 答案里更早出现的品牌信源，站外 AEO 资产的建设优先级按行业给了排序方法。
MaxAEO 做的就是第二步和第三步的自动化：按品牌配置的问法集，在 DeepSeek、豆包、Kimi、通义千问等平台定时采样，记录提及率、排名位置、情感倾向、引用来源域名和竞品同题表现，把"这篇 AIGC 稿子到底有没有用"变成可以逐周对比的曲线。
常见问题
能。本次实测中纯模型直出组的页面级引用率是 10.0%，补了一手素材的一组是 67.5%。决定因素不是生产工具，而是这篇里有没有模型自己生成不出来的事实。
问：用 AI 写完再用 AI 检测工具洗一遍，能提高被引用的概率吗？
不能。实测中 B 组做过一轮改写降重，页面级引用率仍停在 32.5%。检索侧判断的是信息价值不是文本特征，降重只改变表面统计量，不增加任何新事实。
问：一天发 50 篇 AI 文章，风险到底有多大？
风险不在单篇质量，在整批页面的模式。规模化内容滥用的判定看的是站点层面的低价值页面占比，一旦触发，同域名下的优质页面会被连带影响。实测中同域名的 C 组表现低于该站历史均值，就是这种连带的体现。
问：已经用模板批量发过几百篇，现在怎么办？
先按"换名测试"和结构指纹两条筛出完全可移植的页面，再按引用依赖排序处理——有引用记录的页面不要直接删，删除或合并页面前应该先算引用依赖给了具体的跳转决策方法。没有任何引用和抓取记录的，合并成少数几篇补足一手素材，比留着更划算。
问：小团队没有自有数据，怎么补一手内容？
一手不等于大规模。客服工单里最高频的 10 个问题及其分布、销售在近 30 单里遇到的异议排序、自己动手把竞品功能跑一遍的实测记录，都是竞品拿不到的事实。关键是写清楚统计口径和时间范围。
问：补了一手素材，多久能看到引用变化？
本次实测中 C 组从第 1 周的 8.3% 爬到第 6 周的 19.4%，爬升在第 2 到第 4 周最陡。经验值是：页面被抓取后 2 到 3 周开始出现零星引用，稳定进入信源池需要 4 周以上，因此评估周期不要短于 6 周。