昨天还在，今天就没了：引用正在变成一份每天重洗的分布
2026 年 10 月 29 日，Ahrefs 公布了一项持续 20 天的纵向追踪：把同一批问题，每天向 Google AI Overviews、AI Mode、ChatGPT、Gemini、Copilot 五个入口各问一遍，然后盯住第一天被引用的每一个网址。37,500 条引用里，一半以上在第二天就消失了。
这个数字真正刺痛人的地方，不是它有多吓人，而是它推翻了大量团队正在用的那套记账方式——把「我们有没有被引用」当成一个可以占住、可以交付、可以写进合同的位置来经营。
一、一半的引用活不过第二天，但大部分会自己回来
把 Ahrefs 这份研究拆开看，细节比标题温和，也比标题有用：
- 第二天消失的比例：AI Overviews 约 50%、AI Mode 58%、ChatGPT 59%、Gemini 81%、Copilot 83%。后两个数字偏高有技术原因——Gemini 有 64%、Copilot 有 53% 的回答压根不给任何外链；剔除这些空回答后，五个入口都落在 50–60% 这个区间。
- 掉下去不等于死掉：约 75% 至少掉过一次的引用，在 20 天内自己回来了；其中约一半在 3 天内回来。只有 20–27% 是一去不回。
- 历史长度决定韧性：先撑住 8–14 天再掉的引用，在 AI Overviews、AI Mode、ChatGPT 上「再也不回来」的比例只有 0.7–4%；而只出现过一天的引用，这个比例是 34–41%。
- 全勤极难：20 天里一天没掉的比例，AI Overviews 是 6.6%、AI Mode 6.8%、ChatGPT 只有 4.0%。
这组数字最实用的推论很朴素：你在周一看到的「没被引用」，大概率只是噪声。一个团队据此改标题、加 FAQ、重写落地页，周三再查发现回来了，于是宣布改版成功——这正是 Ahrefs 想拆掉的那个循环。
二、不是被对手抢走，是引擎每天重新抽签
如果波动来自竞争，那么「抢回来」是成立的策略。但 Ahrefs 的第二个发现指向别处：ChatGPT 连续两天跑出完全相同的后台检索（fan-out）只有 26% 的时候；而即便检索结果完全一致，它引用的站点仍然有 81% 变了（检索发生变化时是 91%）。
换句话说，同一批候选页面摆在面前，摘哪一段、署谁的名，本身就是一个每次重新抽签的过程。竞争发生在生成环节，不在排名环节。
Profound 在 9 月给出的另一组刻度，和这个结论严丝合缝。那份研究覆盖 883,000 个页面、7 个引擎：
- 中位页面在引用份额触顶后 11 天内丢掉一半；
- 78% 的「页面 × 引擎」组合，半衰期不超过 14 天；
- 从首次被引到掉到峰值一半，中位 42 天；
- 被 5 个及以上引擎同时引用的页面，八周后仍守住一半份额的概率是单引擎页面的 5.5 倍。
Babel42 的数据补了第三刀：只有 11.3% 的 AI Overviews 与前一天引用了完全相同的站点。三家机构方法不同、口径不同、数字不能直接互换，但方向完全一致——引用是一条每天抖动的曲线，不是一个位置。
三、排名和引用，正在脱钩
过去两年最常见的误解是「GEO 就是让排名更高一点」。Ahrefs 自己的两组样本已经把这个等式拆开了：2025 年 7 月的样本（190 万条引用）里，76.1% 的 AI Overviews 引用来自自然排名前十；到 2026 年 3 月的样本（863,000 个关键词、约 400 万个被引网址），这个比例掉到 37.9%。
需要说明的是，Ahrefs 明确提示两次的解析方式有改进，不能当成严格同口径的前后对比；它给出的解释是 query fan-out——引擎不只为你打出的那句话找答案，还为它拆出来的一串子问题找答案，于是排在第十四位、但恰好答对了某个子问题的页面也能被摘走。另一家机构 BrightEdge 的样本给出的数字更低，接近 17%，口径差异较大，但同样指向下坠。
Babel42 在 660 次搜索里的发现更直观：45.7% 的被引站点不在前十，而自然排名第一的结果被引比例是 48.8%——第一名的引用率不到一半。
排名让你进入候选池，但它已经不再决定谁被摘出来说话。
四、llms.txt：被三份独立研究同时否掉的「安慰剂」
如果说引用波动是坏消息，那这一周的第二条消息算是好消息——它帮你省掉一笔钱。
llms.txt 是 2024 年 9 月提出的一个非官方约定：在站点根目录放一个纯文本文件，告诉大模型哪些页面值得读。过去一年它被大量建站插件和营销文章包装成「AI 时代必做的一步」。而 11 月初集中出来的证据，把这件事基本钉死了：
- SE Ranking 分析了约 30 万个域名，2026 年 10 月 15 日的版本仍是同一结论：约 10.13% 的域名部署了该文件，但它与「是否被引用」既无统计相关、也无法提供机器学习上的特征价值——把这个变量从模型里去掉，预测反而更准。
- Ahrefs 在 2026 年 5 月基于服务器日志统计了 137,210 个域名：约 28% 部署了该文件，其中 97% 当月一次请求都没收到；真正按需抓取的检索型爬虫（OAI-SearchBot、PerplexityBot 一类）只占请求量的约 1%。
- Google 在 2026 年 5 月的生成式 AI 优化指南里说得更直接：创建 llms.txt 对站点在 Google 搜索及 AI 功能中的可见性「既无帮助也无损害」，因为 Google 搜索并不读取它。
- 独立监测也印证了这一点：Abondance 对 2026 年 6 月 1 日至 11 月 4 日的日志统计显示，1,657 次针对 llms.txt / llms-full.txt 的请求中，只有 10 次来自可识别的 AI 机器人，其中 2 次来自 ChatGPT；35.3% 的请求来自 SEO 与 GEO 工具和扫描器——主要是同行在互相检查。
它为什么失效，机制上并不难理解：实时检索型爬虫是在用户提问的当下按查询去抓页面的，它不会先读一份站点的自述清单再决定抓什么；而训练侧的数据取舍由模型厂商在训练时决定，站点写什么文件影响不到那条链路。
一个文件如果维护不好还会悄悄腐坏——有人实测自己站点上的 llms.txt 里写着「英文博客 26 篇」，而 sitemap 里已经是 401 篇。它不是没用，它是需要成本却没回报。
五、真正稳的资产，长在站外
如果站内技术微调的边际收益这么低，那什么在起作用？现有研究把答案指向同一个方向：站外的实体一致性。
一篇 2026 年 6 月的预印本分析了 167,551 条引用、128 个品牌，发现 85.7% 的引用指向品牌自己并不拥有的站点。这与很多团队的本能相反——他们把所有精力放在官网改版上，而实际被摘去回答问题的，往往是行业媒体、百科条目、第三方评测和问答社区。
Ahrefs 在同一份研究里还提了一句值得记下的话：品牌提及比网址引用更稳定，可能更适合当 KPI。另外一组对照是：在 AI Overviews 上被引用 15 天以上的页面，月自然访问量中位数是 88；只被引用一天的页面是 8。Ahrefs 反复强调这是相关而非因果，但方向清楚。而样本里 Domain Rating 多在 64–78 之间、外链数量的多寡，对引用稳定性几乎没有区分度。
这解释了一个长期困惑：为什么有些内容质量一般、但到处被提到的品牌，在生成式回答里反而更常见。模型在判断「该信谁」时，看的是它在多少个独立来源里被一致地描述过。
企业该怎么做
把这几条拼起来，做法其实不多，但每一条都要求改掉原来的习惯：
- 把「是否被引用」从判断题改成分布题。固定问题集（30 条起）、固定引擎、连续观测，看 7 天与 30 天的留存率和回弹率，而不是某一天的截图。单次抽查测到的，一半是噪声。
- 别再为自证式文件立项。llms.txt 该有就有，五分钟的事，不要写进项目计划、更不要写进报价单。
- 把预算从「改官网」挪向「被第三方描述」。行业媒体、协会、评测、百科、问答社区里的一致表述，比首页 H1 改十版更有用。
- 先把检索层放行做对。OAI-SearchBot、ChatGPT-User、PerplexityBot、Googlebot 被 robots.txt 或 WAF 静默挡掉，是唯一「一关就直接出局」的开关，且往往没人发现。顺带纠正一个高频误解：屏蔽 Google-Extended 并不会让你退出 AI Overviews，它只管训练授权。
- 内容按「子问题」组织，而不是按「关键词」组织。fan-out 决定了引擎会拿一堆相关问法去找答案，每一节能不能独立回答一个具体问题，直接决定它有没有机会被摘走。
星锚GEO 在这件事上的立场一直没变：把上面这套观测做成每天可复算的日常，比卖一个「保证出现」的承诺诚实得多——毕竟连引擎自己，明天都可能换一个答案。