作者： zzrs

一位做企业服务的读者提了个问题：一篇讲自家产品选型的文章，发出去的时候效果不错，客户还转给他看过。三个星期之后，另一个客户说：「我在 AI 里搜了半天，没看到你们。」

文章还在，URL 没变，收录也正常。他去各个平台问了一遍，确实——AI 不怎么提了。

他以为是内容不行，准备重写一篇。其实不必。更可能的原因是：他碰到的是引用的保质期问题。

你没删也没改，但 AI 的答案是有保质期的

传统搜索里，一篇文章排上去了，可以安稳很久。AI 搜索不是这样：模型每次回答都重新检索、重新挑选信源，它挑的是当下这个时刻最合适的那几段。

这意味着两件事：第一，你今天被引用，不代表下周还被引用；第二，一篇不动的文章，在语料池里是持续贬值的——因为它身边的同类内容一直在变新、变准、变全。

被引用的概率，大概是这样掉下去的

这条曲线不是精确预测，但它说明了一个反直觉的事实：引用的衰减比大多数人想的快得多。而曲线在那个 30 天的位置被顶了回去——那一次实质刷新，就是续命动作。

2026 年的四条新数据

这不是感觉，是有数字的。把下面四条记住，判断就有了依据：

数据	数字	意味着什么
AI 引用半衰期	平均约 11 天	今天被引用的内容，大约两周后就会从答案里淡出
30 天内更新过的页面	被引概率约 3.2 倍	刷新不是玄学，是可以被测量出来的差距
被检索到的页面	约 85% 从未被引用	被「看到」和被「引用」是两件事，光被检索到不算赢
检索到但从未打开 / 真被打开	7% vs 74%	能不能让模型「打开」你的页面，本身就是一道门槛

第四条值得单独说一句：被检索到只是进了候选池，真正决定成败的是模型有没有把你的页面当成一段可以引用的答案。这恰好解释了为什么有些页面排名不差，却始终不出现。

三个让内容「过期」的原因

• 身边的同类内容在变新。同一个问题，别人刚发了一篇带 2026 数据的版本，你的旧文就成了次选。
• 事实本身变了。价格、政策、规格、流程一变，旧文就从「可引用」变成「不能引用」——引错了比不引用更糟。
• 平台的偏好变了。2026 年 8 到 9 月这一轮规则调整后，平台明显更偏好近期内容，陈旧内容的权重掉得更快。

哪些该刷，哪些不用刷

刷新不是全站动一遍，按内容类型分节奏就行：

内容类型	怎么处理
价格、政策、规格、服务流程	事实一变就刷，别等下一次排期
数据、年度对比、行业报告	按季度补最新数字，注明数据截止时间
案例、复盘、方法论	一年过一遍，补新案例、删过时结论
品牌介绍、关于我们	事实有变才动，不要为了改日期而改

刷新的正确做法：不是改日期，是补事实

一次算数的刷新，通常长这样：

「本文于 2026 年 10 月更新：补充了 2026 年最新价格区间、新增两个落地案例，并修正了原第二部分中已失效的交付周期说明。」

短短一句话，交代了改了什么、为什么改、什么时候改。对读者是提示，对机器是可读的更新信号。相反，如果只是把日期从 3 月改成 10 月，内容一字未动，那既不会让你重新被引用，也可能被当成无意义的操作。

另外两个细节：更新时尽量保留原来的结构和 URL，别把一篇稳定的文章推倒重来；同时把页面的更新时间标注同步改掉，别让「发布时间」和「更新时间」互相打架。

发布前的自查清单

• 文中的价格、政策、规格，有没有超出实际有效期的；
• 有没有笼统写着「目前」「近期」，却看不出是哪一年的；
• 数据类内容有没有标注截止时间；
• 更新记录有没有写在正文里，而不只是改了系统时间；
• 更新后，原有的标题层级和表格结构是不是还完整；
• 这篇的内容类型，对应的刷新节奏有没有定下来。

常见问题

只是把发布日期改成今天，算更新吗

不算，而且有风险。改日期不动内容，机器和用户都可能把它当成无意义的操作。真正有用的刷新是补进新事实：新的价格、新的规格、新的案例、新的政策口径，并在正文里说明这次改了什么。

老文章刷新，会不会把原来的引用记录弄丢

不会。刷新保留原 URL 和原结论，只是把过期部分替换掉，典型的做法是补充而不是推翻。有页面在更新后引用掉下去，通常是因为改动过大、把原有的稳定结构打散了。

多久刷一次比较合适

看内容类型。价格、政策、规格这类硬事实一变就刷；数据类按季度补最新数字；案例和方法论一年过一遍；品牌介绍这种，事实有变才动。

我们内容本来就不多，也有必要刷新吗

更需要。内容少的站点，单篇承担的提问更多，一篇过期就等于一个话题整块失守。而且刷新旧文的成本，远低于重新写一篇——原来的结构和内链都还在。

延伸阅读

• 同一个问题问两遍，AI 为什么给出不同答案？
• AI 一次回答只引几家，你在不在名单里？
• 内容发了也收录了，AI 为什么还是不引用你？

在 AI 搜索里，内容是一份时效资产，不是一次性工程。你不刷新它，它就替你慢慢退出答案。

一位做工业设备的朋友说，他们公司在豆包里能被提到，换到另外两个平台问一模一样的问题，一个字都没有。团队第一反应是：那两个平台是不是没收录我们？

未必。有个更简单的原因经常被忽略——AI 的答案是有容量上限的，一次回答只能引用那么几条来源。你不是没被收录，是没挤进那份很短的名单。

先看清楚：一次回答只有几个位置

有研究用同一批问题、在同一时间段实测了十个平台，统计每次提问平均能被引用多少条来源。结果差得非常远：

最多的平台一次回答平均引五十多条，最少的只有六条半——差八倍。这条差距说明了一件事：在「名额少」的平台上，进不去就是彻底没有；在「名额多」的平台上，同一件事还有得争。

名额不是固定的：有人在收，有人在放

2026 年 7 月的一份监测显示，几个头部平台单次回答引用的来源数量环比分别减少了 7.5%、3.6%、1.5%；而同期的 DeepSeek、Kimi、文心则在扩大自己的引用池。

两种策略背后是两种取向：前者认为引用太多会稀释可信度，于是「少而深」——同一个来源引用得更充分；后者还在铺开候选面。对你来说，这意味着窗口期不在同一个时间点上，选平台之前先看清它当前是在收还是在放。

名额都被谁拿走了

占名额的类型	为什么它更容易进	你能怎么用
平台自有生态的内容	生态内的账号与内容天然拿得到更高的基础权重	把你的内容也搬进生态：公众号、百家号、头条号、视频号
带出处的数据	有来源、有年份的数字更容易通过交叉验证	每个关键数字都写成「来源 + 年份」，不要只写结论
口语化的场景答案	与用户的真实提问最接近，抽取成本最低	把 H2 写成客户会说的那句话，第一句直接给答案

顺带说一件容易被忽略的事：中文内容在中文平台有天然优势

同一份研究还统计了各平台引用来源里「中文标题域名」的比例，结论很直接：

平台	中文标题域名占比	意味着什么
文心一言 / 通义千问	约 94% / 96%	中文内容几乎是唯一入口
腾讯元宝 / 豆包	约 76% / 59%	以中文为主，也开放一部分英文来源
DeepSeek / Kimi	约 46% / 37%	更依赖开放网络与技术社区，英文来源占比明显更高

所以做国内市场，中文写扎实就是优势；但如果你做的是出海，或者客户是技术采购，那 English 的信源和文档就得单独补——同一篇中文文章，在 DeepSeek 和 Kimi 那边未必顶用。

怎么挤进那份很短的名单

名额少，意味着每一段都得值得被抽走。四个动作最直接：

• 结论前置：每个小节的第一句就是答案，不要先铺垫再给结论——AI 抽取的是段落，不是整篇文章。
• 段落自足：一段话能独立读懂，不依赖上一段和「如前所述」。
• 数字带源：把「很多客户」换成「服务了 320 家客户（2026 年 6 月统计）」。
• 口径统一：名称、成立时间、核心数据，在官网、公众号、各平台保持一个版本——不然交叉验证过不去。

发布前的自查清单

• 你打算主攻的平台，现在是在收紧还是在扩张；
• 每个 H2 下面，第一句是不是直接答案；
• 有没有段落脱离上下文就读不懂；
• 关键数字是否都带了来源与年份；
• 品牌名、成立时间、核心数据是否全网一致；
• 内容有没有同时出现在平台自有生态里。

常见问题

名额变少了，是不是做 GEO 更难了

是更难「进」，但进去之后更值。像豆包这样的平台把同一个来源引得更深、给的上下文更完整，一次深度引用比十次浅浅提及更能带来客户。而且不是所有平台都在收——DeepSeek、Kimi、文心的引用池还在扩，先在有窗口的平台占位。

我们内容不多，还有机会吗

名额少反而对「小而深」有利。与其铺 100 篇泛文，不如把 3~5 个客户最常问的问题写成能被完整引用的页面：结论在前、段落自足、数据带出处。

是不是每个平台都得做一遍

不必要。先问一句：你的客户主要在哪个平台提问？把 1~2 个重合度最高的平台占稳，再扩。不同平台的信源偏好差别很大，平均用力等于哪个都进不去。

怎么知道有没有占到名额

固定一批提问，逐平台做三件事：有没有出现你、引用了哪一页、说的是不是你的版本。记录来源清单，按周对比趋势——单次结果说明不了什么。

延伸阅读

• 内容发了也收录了，AI 为什么还是不引用你？
• 同一个问题问两遍，AI 为什么给出不同答案？
• 客户只问一句，AI 为什么拆成十几个问题去搜？

名额在变少，但每一个名额都在变重。与其到处露脸，不如在某一个问题上，成为绕不开的那一句。

上周有人在 AI 里搜他们公司的名字，AI 提到了他们，团队还挺高兴。这周换了个人再搜同一个问题，结果什么都没有——翻了两三遍，连品牌名都没出现。

于是内部开始复盘：是不是文章改坏了？是不是被降权了？是不是要重新做一轮？

先别急着改。AI 的引用本来就不稳，这不是你们做错了什么，而是这一层检索机制的正常状态。

先看数据：引用到底有多不稳

2026 年 10 月的几份大样本研究，给出了很具体的数字：

• 连续两次问完全相同的问题，被引用的网址只有约 四分之一会重复出现；把颗粒度放到域名一级，也只有三成上下。
• 不同引擎之间的重合更低。一份追踪了 11.6 万条引用的研究显示，ChatGPT 与 Gemini 的来源重合度大约只有 5%，任意两个引擎之间都不超过 13%。
• 在 40 天的观察窗口里，有 56% 的被引域名只出现过一次。

注意，这三条讲的都是”运气”的部分。它们解释了一件事：单次检测的结果，本身就不该被当成绩单。

问 5 遍，命中的来源不一样

把这件事画出来更直观。同一个问题问 5 次，8 个来源位里每次都出现的那两块，才是有稳定位置的：

为什么会这样：三个「抖动源」

抖动源	它怎么造成差异	你该怎么做
检索本身有随机性	同一句话，每次取到的候选片段略有不同	把每个小节写成能独立摘取的答案段
各引擎查的不是同一个库	ChatGPT 偏 Bing 索引、Claude 走 Brave、Perplexity 偏新鲜、Google 用自家索引	主力引擎分别测，别用一个平台的结果下结论
语料与权重持续变动	新内容不断入库，部分平台大幅下调了社区类内容的权重	保持更新节奏，别发完就停

三个原因叠在一起，就出现了「上周有、这周没有」的体验。它不代表你的内容变差了，只代表这一次检索没有选中你。

别把「被引用」当成单次结果来测

既然单次结果不可靠，检测方法就得跟着改：

不靠谱的测法	更靠谱的测法
搜一次没看到自己，就判定 GEO 失败	同一问题换措辞、换引擎、隔几天各测一次，看趋势
只用一个关键词代表全部	用一组真实提问，包含口语化的长句
只测自家品牌词	品牌词、品类词、场景词分开测
截图一次就下结论	记录来源清单，做周度对比
被提到就算成功	再看引用质量：有没有提到品牌名、说没说对、有没有链接

把「稳定」当成目标

看这幅图还有一层意思：稳定不是”每次都排第一”，而是成为那一小块每次都出现的来源。怎么做到？三件事最实在：

• 做唯一的出处：把你的独家数据、真实案例、具体价格写在只有你能写的地方，别人没法替代。
• 把答案写标准：同一件事，官网、简介、各平台的表述保持一致，让不同引擎检索到的都是同一个版本。
• 让多类页面都提到你：自己的站、行业媒体、社区讨论、视频说明——被引用的面越宽，某一处掉下去也不会整体消失。

还有一条给中小站点打气的数据：有统计显示，约三成被 ChatGPT 高频引用的页面，在 Google 自然结果里没有任何排名。也就是说，AI 这一层的引用面，比传统排名宽得多。

发布前的自查清单

• 有没有一份固定的 10~20 条真实提问清单，用来长期跟踪；
• 每次检测是否记录了来源列表，而不只是”有没有我”；
• 是否至少覆盖三个主力引擎；
• 检测频率是否固定（比如每周同一时间）；
• 是否区分了”被提到”和”被引用”两件事；
• 看结果时，看的是趋势还是单次。

常见问题

那是不是说明 GEO 全靠运气

不是。随机的是具体哪一条来源进入答案，不是「有没有资格进入」。有的内容每次都在候选池里，只是偶尔没被选中；有的内容从来没进过池。前者是概率问题，后者是资格问题——GEO 要解决的是后者。

多久测一次比较合理

每周固定一次就够了，关键是一直用同一套提问、同一批引擎。测得太勤反而容易焦虑：单次波动说明不了什么，连续几周的趋势才说明问题。

行业词每次都被同行占着，还有机会吗

有。研究里有一个反直觉的结论：约三成被 ChatGPT 高频引用的页面，在 Google 自然结果里根本没有排名。这说明 AI 的引用面比传统排名宽得多，尤其是那些「只有内行才问得出来」的长尾问题。

AI 提到了我们，但说错了，算被引用吗

算，但要区分两类：被提到（出现品牌名）和被引用（把你作为来源）。提到但说错，说明它读到的是别人对你的描述——这时候要补的是「事实名片」（名称、定位、数字全网统一），而不是写更多文章。

延伸阅读

• 客户只问一句，AI 为什么拆成十几个问题去搜？
• 内容发了也收录了，AI 为什么还是不引用你？
• AI 提到你，客户为什么还是不选你？

不要用一次搜索的截图，判断一整年的努力。稳定，才是引用真正的形状。

一家做企业服务的公司，去年花了小几万，上了一个「XX 行业十大品牌」的榜单。当时的想法很朴素：客户搜「哪家好」的时候，能有个名头撑场面。

今年他们发现两件事。一是客户在 AI 里搜「哪家好」，AI 的回答里确实出现了那份榜单——但没提他们；二是有的平台还补了一句提示：「内容可能为营销软文，建议谨慎甄别」。

钱花了，位次也买了，反而像是给自己贴了一张「可疑」的标签。

「自评榜单」的引用折扣，已经被量化了

2026 年 10 月初，一份公开的实测给出了具体数字：在品牌自己发布的「最好的 XX」这类榜单页上，排在第一位的那个品牌，在引用了该页面的 AI 答案中，有 83% 的情况没有被提及；同时这类自评榜单页在 AI 答案中的引用量，整体下滑了约 38%。

换句话说：AI 读到了那份榜单，却常常绕开榜单里”排第一”的人。它不太信”自己评自己”，这一变化正在变成常态。

同一句「行业第一」，命运看两件事

这不是说”榜单没用”，而是说榜单的来源决定了它的分量。把两个维度摆在一起看，就很清楚了——

四种榜单，AI 分别怎么看

客户在 AI 里问「哪家好」，AI 会同时看到好几类信息。它们的分量差别很大：

信息类型	AI 的典型态度	你该怎么做
媒体独立评测（有署名、有测试方法）	权重高，常被直接引用	把产品资料、样品给到媒体，方便对方实测
协会名单 / 认证机构名录	权重高，用来核验资质	老老实实入会、过认证，别只贴个图标
付费上榜的「十大品牌」	引用被压缩，可能被标注营销内容	如要做，明确标注赞助，不能当主力
品牌自己发的「最好的 XX」	多数答案会跳过那个自评第一	改成对比页，把取舍和适用边界写清楚
用户在社区里的真实讨论	权重上升，尤其长文实测	参与真实讨论，不要刷评刷帖

付费上榜，为什么可能踩红线

搜索引擎的链接垃圾政策里有一条很明确：以排名为目的的付费链接，如果没有标注（比如没有加赞助标识），就可能被认定为操纵排名。榜单页往往带链接、带品牌名，一旦「收费 + 不标注」，性质就从”广告”变成了”操纵”。

这和上一波链接买卖被清理是同一逻辑。区别只是：过去买的是链接，现在买的是”看起来像评测的推荐”。对站点来说，最危险的不是花钱，是假装没花钱。

不买榜，怎么让第三方愿意替你说话

真正稳定的做法，是让”别人说的”变得有据可依。改法并不复杂：

现在这么做	改成这样
花钱买「十大品牌」的位次	把预算投到可核验的第三方评测与认证上
官网写「我司是行业第一」	改成「我们擅长 X，不擅长 Y」的对比页
找 KOL 发榜但不标注	合作内容明确标注赞助，这是合规底线
自己写「用户都说好」	放可核验的第三方评价与真实案例数据
把榜单当成获客主力	把官网做成能接住一串问题的答案页

发布前的自查清单

• 官网里是否出现了「自己评自己第一」这类说法，而没有对比和边界说明；
• 所有付费的合作内容，是否都标注了赞助或广告属性；
• 引用的榜单，能否说清是谁评的、怎么评的；
• 有没有把「荣誉」「奖项」当成核心论据，却没有配套的真实数据；
• 第三方提到你的内容，是不是只有你花钱买的那几条；
• 把预算从”买位次”挪出 30%，投到可核验的内容上。

常见问题

我们已经买过榜单了，需要撤掉吗

不用急于撤，但别把它当主力。真正要做的是把可核验的内容补起来——官网的对比页、客户的实测数据、真实的第三方评价。榜单本身不是罪，把它当成唯一的信任来源才是问题。

付费合作就一定违规吗

不一定。规则针对的是「以排名为目的、又不说明关系的付费链接」。正常的品牌合作、广告投放，只要按规范标注赞助或广告属性，就没问题。踩线的是「假装成客观评测、暗地里收费排位」这种做法。

我们没预算做第三方评测，怎么办

评测不一定要花钱。行业媒体做选题时缺的是真实素材：愿意接受参观的工厂、能提供对比数据的样品、肯回答具体问题的工程师。把这些开放出来，比买一个位次划算得多。

怎么判断一个榜单是不是「自己评自己」

看三处：榜单的发布方是不是利益相关方、评选方法有没有公开、以及排在前面的品牌是不是同一个集团或同一批关联公司。这三点里任意一点对不上，就说明它更接近广告，而不是评测。

延伸阅读

• AI 提到你，客户为什么还是不选你？
• 内容发了也收录了，AI 为什么还是不引用你？
• 客户只问一句，AI 为什么拆成十几个问题去搜？

花钱能让别人念你的名字，但念不念得进客户的决策里，取决于内容本身站不站得住。

一家做小型冷库的公司，官网做得不算差：产品参数、机组品牌、库板厚度，一条条列得清清楚楚，底部还写着「深耕制冷行业十五年」。

可客户在 AI 里问一句「小型冷库怎么选」，AI 给出的回答里，从价格区间到该买多大，从一天耗多少电到多久能装好，全都讲了一遍——唯独没有提到他们。

原因不复杂：AI 回答的不是「小型冷库」这个词，而是一连串问题。他们只写了参数，其余的问题，都是别人在答。

AI 不是直接回答，它先把题拆开

这一机制有个名字，叫查询扇出（query fan-out）。当你提出一个稍复杂的问题，系统不会只做一次检索，而是先把它拆成若干条相关的子搜索，分别去找材料，最后拼成一段回答。

有一个对比很说明问题：Google 上的平均查询只有 3 到 4 个词，而人们在 ChatGPT 上提问，平均长度接近 23 个词。提问越长、越具体，背后隐含的问题就越多，被拆出来的路也越多。一个只围绕关键词搭建的页面，很难接住这些路。

换句话说：你过去优化的是「这个词」，而 AI 现在要的是「这一串问题的答案」。这两件事，不是一个做法。

一句提问，会被拆成哪几路

把「小型冷库怎么选」摆在面前，客户嘴上问的是一个「怎么选」，心里其实在同时问好几件事。AI 会把这些都搜一遍：

这六类子问题，你分别答了吗

子问题不是随机的，它们基本落在固定的几类里。对照下面这张表，看看自己的页面缺在哪一类：

子问题类型	客户心里真正在问	页面上该出现的内容
价格类	到底要花多少钱	「3 立方 / 5 立方 / 10 立方小型冷库，含安装的价格区间」
选型类	我这种情况该买多大	「按日周转量、库温、开门频次给选型建议」
使用成本	以后每个月要花多少	「常见规格的日耗电量与电费估算」
交付类	多久能用上、要不要改场地	「标准交期 X~X 天，是否需要地面承重与电源改造」
售后类	坏了谁管、多久来人	「质保年限、响应时效、服务覆盖范围」
对比类	买新的到底值不值	「新机与二手在寿命、故障率、维保成本上的差别」
合规类	要不要报备、能不能过验收	「相关资质与验收要点、需要配合的手续」

为什么「关键词覆盖」救不了你

最典型的误区，是把标题写成关键词，然后以为就覆盖到了：标题写「小型冷库」，正文反复出现「小型冷库」，看上去密度够了。

但拆出来的那几路搜索是「小型冷库 价格」「小型冷库 耗电」「小型冷库 多久装好」——这些问题，重复那个词是答不了的。密度解决不了意图，只有内容能解决内容。

还有一个位置问题。多项研究给出的结论一致：AI 引用高度集中在页面的前半部分——有统计显示过半引用来自页面前 30% 的内容。所以每个小节的答案要写在最前面，不要先铺垫三段再给结论。

把一页，改成能接住问题簇的页

不需要推倒重来，改法其实很朴素：

现在这么写	改成这样
标题只写「小型冷库」	「小型冷库怎么选：价格、尺寸、耗电、安装一次说清」
整页一段产品介绍	每个子问题单独一个二级标题，标题下第一句就给结论
把答案埋在第三屏	结论前置，细节往后放，方便跳读和摘取
只讲参数和机芯	把价格区间、交期、售后、对比一并写进去
「详情请咨询客服」	能公开的答案直接写在页面上，客服只负责后续沟通

发布前的自查清单

• 标题写的是「问题」，不是一个品类词；
• 每个子问题都有独立的二级标题，能单独被摘出来看；
• 每个小节的第一句话就是结论，不绕圈子；
• 价格、交期、售后、对比这四类至少各有一块内容；
• 页面里不出现「详情请咨询」来代替答案；
• 同一页能同时回答「是什么、多少钱、适不适合我」。

常见问题

我们只是个小厂，答不了这么多问题

不用一次答完，先把客户最常问的那三四个答透。比如价格区间、常见规格的选型、交期、售后怎么管——这四条写清楚，就已经比只放一段产品介绍强得多。剩下的一点点补。

把价格和交期都写出来，会不会被同行抄

价格区间和交期是行业常识，同行本来就知道。真正抄不走的是你的客户案例、真实数据和交付能力。藏着不写的结果是：AI 只能去引用别家公开的数字。

一页放这么多内容，会不会太长、读者看不完

关键不是长短，是结构。每个子问题单独一个二级标题，标题下面第一句就给结论，想看细节的往后再读。读者是按需跳读的，AI 也是按块摘取的。

这和「被 AI 引用」是什么关系

AI 是把你的提问拆成多路去检索的，每一路都要找到能用的材料。你能接住的路越多，被写进答案的机会就越大；只答一路，剩下的路它就用别人的内容补上了。

延伸阅读

• 数据、引用、引述都加了，AI 为什么还是没提你？
• 内容发了也收录了，AI 为什么还是不引用你？
• AI 引用你之前，为什么会先查「这话是谁说的」？

客户问的是一句，AI 要答的是一串。能接住几路，你就能出现在答案的几分之几里。

一家做工业配件的公司，内容团队一直想不通一件事。

他们写的产品说明、选型指南、常见问题，都是工程师花时间整理的，数据来自真实项目；而同行那家的文章，看起来平平无奇，却经常出现在 AI 给出的答案里。

后来他们发现，差别在一个很小的地方：同行每篇文章下面都有署名——真名、岗位、做这行多少年。而他们的文章底部，署名一栏写着「admin」。

10 月起，「谁写的」被写进了评分口径

2026 年 10 月，Google 更新了它的内容与生成式 AI 相关指引。这次更新有两处值得注意：一是把「发布前人工核查」写成关键动作，核查范围覆盖标题、页面描述、结构化数据和图片说明；二是给内容定了更具体的评分维度，评委按投入、原创、专业能力、准确四项来打分。

更值得注意的是另一句：伪造作者身份被明确列为欺骗性行为。AI 生成的头像、编造的人名、虚构的资质，不再只是「不够严谨」，而是和刷量、隐藏文字同一类的问题。也就是说——「没人署名」是小问题，「假装有人署名」是大问题。

四项分，具体在打什么

把四项拆开看，会发现它们正好对应「一篇内容值不值得信」的四个侧面：

这四项不靠嘴硬。投入看的是内容细节和面向对象，原创看的是有没有你自己的数据，专业看的是判断是否内行，准确看的是事实能不能被核对。而署名，恰恰是这四项的共同入口：读者和模型都需要先知道「谁在说」，才谈得上判断这四项。

署名怎么写才算数

「写个名字」和「写得能被核对」是两回事。下面这张表，左边是常见的敷衍写法，右边是能被信任的写法：

信息位置	常见的敷衍写法	可核验的写法
作者姓名	空白，或写成 admin / 编辑部	真实姓名，附岗位（如「李×，质量工程师」）
专业背景	只写「资深专家」	写清负责什么方向、做了多少年、做过哪些类型的项目
资质证明	含糊地提一句「持证」	写全证书名称与编号（有就写，没有就别编）
审核与来源	不写	「数据来自 XX 报告，由 XX 岗位复核」
更新时间	不写，或只有一个发布时间	同时标注首次发布与最近一次更新时间
可联系渠道	没有	留一个能找到人的入口（工单、咨询、企业联系方式）

为什么「假作者」比「没作者」更糟

因为「没写」只是信息不足，而「编造」是在提供错误信息。

一个不存在的专家、一张生成的证件照、一段虚构的从业经历，会让整页内容从「待核实」变成「不可信」。对新站尤其致命：站龄短、内容多，本来就处在被重点观察的阶段，一旦被判为刻意欺骗，受影响的往往不是一篇文章，而是整个站点。

好消息是，这一条对认真做内容的人反而有利。你不需要比同行更会写，你只需要把真实存在的那部分写清楚——谁写的、凭什么写、错了怎么改。这些真实信息，虚构的对手永远补不上。

这三种写法最容易踩雷

现在这么写	改成这样
「作者：admin」	「作者：李×，售后技术负责人，8 年设备维护经验」
「作者：资深行业专家」	「作者：王×，专注冷链仓储运营，主持过 X 个仓库改造项目」
配 AI 头像 + 编造履历	放真实团队照片；没有照片就不放，姓名岗位照实写
「本文由 AI 整理」	「本文由内容团队采写，数据经技术部门复核」

发布前的自查清单

• 每篇文章都有具名作者，而不是 admin 或「编辑部」；
• 作者信息写的是真实岗位与领域，不用「资深」「权威」这类空定语；
• 有资质就写全名称与编号，没有就不写，绝不编造；
• 数据与结论标注来源，说明由谁复核；
• 同时标注首次发布时间与最近更新时间；
• 作者是虚构的，立即撤掉——这比没有署名危险得多。

常见问题

我们就是小公司，没有「专家」，作者栏怎么写

不用装专家，写真话就行。写清「谁写的、负责什么、做了多少年」，哪怕只有三个人也能写。小公司最值钱的是「老板亲自盯质量」这件事，写出来比虚构一个「首席专家」可信得多。

用 AI 生成的头像和简介，会被查出来吗

这才是最危险的做法。Google 10 月的新口径里，伪造作者身份（AI 头像、编造姓名、虚构资质）被明确归为欺骗性行为，属于会被整站降权的信号。没有名字可以不放头像，但绝不能放一个不存在的人。

作者信息写在页面上，会不会被人骚扰

只写「必要的那部分」就够了：姓名、岗位、专业领域。手机号和私人邮箱不必放，放公司联系方式或在线咨询入口即可。可信度来自「这个人真实存在且懂行」，不来自联系方式有多全。

这些内容和「被 AI 引用」到底有什么关系

AI 判断一条内容能不能用时，除了看你写了什么，也在判断这话值不值得信。署名、背景、审核方式，都是它用来判断「说话的人靠不靠谱」的依据。内容再好，来源不可考，权重就会打折。

延伸阅读

• AI 现在会核查四个地方，你是不是只核对了正文？
• AI 提到你，客户为什么还是不选你？
• 内容发了也收录了，AI 为什么还是不引用你？

内容写得再好，来源不可考，权重就要打折。先把「谁说的」写清楚，再谈说得多好。

有位做工业配件的老板，上周收到一封提醒邮件：站点存在「批量生成的低质内容」风险。他一条条翻了自己的文章，正文数据、案例、报价都核对过，实在想不通哪里出了问题。

后来技术同事把页面源码打开，问题才露出来：文章描述是主题自动截取的开头，末尾还挂着截断符号；结构化数据里的价格填的是模板默认值；十二张配图的替代文字，全是一串重复的关键词。

他核对了正文，却漏掉了另外三处。而 2026 年 10 月这一轮规则更新，恰恰把核查的范围从正文扩到了整页。

10 月这轮变化：要核查的，不再只是正文

10 月 1 日，Google 更新了关于生成式 AI 内容的指引，第一次直接把写作者指向搜索质量评估指南里的两条：一条讲「规模化内容滥用」，一条讲「缺少投入、原创与附加价值的内容」。

更值得注意的变化是核查范围。新指引明确把元数据、结构化数据、图片替代文字和正文并列，都算「发布前必须核对的内容」。换句话说，AI 草稿写完就直接发布的时代过去了——而且不是只检查正文。

与此同时，9 月下旬开始的一轮反垃圾更新还在持续，打击的重点里就有批量自动生成的内容。两件事叠在一起，方向很清楚：页面上任何一段能被读到的文字，都要经得起核对。

AI 真正会读到的四个位置

把搜索引擎读一个页面想象成读一份文档，它至少会读四个地方。绝大多数人只核对其中一个：

这四处的关系不是「正文最重要、其他无所谓」，而是同一条事实的不同表达。标题说你在北京，结构化数据里的地址写着郑州，就算正文完全正确，机器也会认为这个页面的信息不可靠。

四处分别该核对什么

位置	最常被漏掉的地方	核对办法
标题	模板自动拼接的后缀、副标题里的夸张词	把搜索里显示的完整标题读一遍，确认每句都站得住
页面描述	自动截取正文开头、夹带残缺标签	手动写 80 字左右，事实与正文一致
结构化数据	插件填的默认值、与正文不同的价格日期	把字段与页面逐条对齐：名称、价格、日期、地区
图片替代文字	一堆重复关键词，或者干脆空着	用一句话描述图里的事实，不堆词
正文与数据	引用的数字没有来源与时间	关键数据标出来源和统计时间

为什么描述和 alt 也算「内容」

原因不复杂。AI 回答问题时不是「看」页面，而是抽取可读的文字片段。它能拿到的，就是你页面上所有能以文字形式呈现的内容——标题、描述、结构化数据字段、图片替代文字，还有正文。

所以会出现一种反直觉的情况：一段堆满关键词的替代文字，在人工看来只是敷衍，在机器看来却是一段「内容」——而且是一段质量很差的正文。它不会帮你多得一次引用，反而会给整页贴上低质标记。

这也解释了为什么「结构化数据加了就完事」并不成立。标记本身不产生信任，标记里写的和页面上说的对不对得上才产生信任。

这几处最常写错，对照改掉

常见的错法	改成这样
图片替代文字填「关键词, 关键词, 关键词」	「某型号不锈钢法兰，DN50 规格实物图」
页面描述由插件截取，末尾带截断符号	手写一句完整描述，末尾是句号
结构化数据里的价格是模板默认值	改成页面上公开的真实区间，并注明口径
标题写「行业领先」，结构化数据填具体排名	两处口径统一，删掉没有依据的说法
正文数据没有来源与时间	每个关键数字后面标出来源和统计时间

发布前的四处自查清单

• 把搜索结果里显示的标题读一遍，确认每一句都能兜住；
• 页面描述手动写，不复用自动截取的开头，也不留残缺标签；
• 结构化数据里的名称、价格、日期、地区，与页面逐条对齐；
• 每张图都给一句描述图片事实的替代文字，不堆关键词；
• 正文里的关键数字补上来源与统计时间；
• 改完抽查三个页面（首页 / 产品页 / 一篇文章），确认没有自相矛盾。

常见问题

这些不是技术 SEO 的事吗，跟内容质量有什么关系

以前可以这么分，现在分不开了。新指引把元数据、结构化数据、图片替代文字直接算进「要核对的内容」，也就是说它们不再是技术细节，而是内容的一部分。正文没写错、这几处对不上，照样会被判低质。

描述和结构化数据是插件自动生成的，也算我的责任吗

算。页面呈现给用户和爬虫的时候，不会标注「这段是插件写的」。插件默认截取正文开头当描述、默认填模板默认值当字段，这类内容最容易对不上。建议安装完先抽查三页，确认没有残缺标签和模板默认值。

图片 alt 真有那么重要吗

对纯文字页面没那么重要，对你却不是。AI 抓页面时读的是可解析的文本，图片里的信息只能靠 alt 和周边文字转述。堆关键词的 alt 等于没写，空 alt 等于放弃一次说明机会。用一句话把图里的事实讲清楚就够了。

现在补还来得及吗，会不会已经被判定成低质了

来得及。这类判定是动态的，页面整改后重新被抓取就会重新评估。顺序上先改影响面最大的：首页和产品页的标题、描述、结构化数据，然后是文章里的图片替代文字。

延伸阅读

• 内容发了也收录了，AI 为什么还是不引用你？
• AI 提到你，客户为什么还是不选你？
• 数据、引用、引述都加了，AI 为什么还是没提你？

机器核对一个页面，不看你重点写了哪一句，而是看每一处说的是不是同一件事。