截至10月30日的公开信息，SEO数据服务商Ahrefs在10月29日公布了一项跨度20天的纵向追踪：以五个AI工具为样本，对同一批约7800个问题每日重复提问，跟踪第一天被引用的约3.75万个网站是否持续出现。结果显示次日引用即消失的比例分别为AI Overview 50%、AI Mode 58%、ChatGPT 59%、Gemini 81%、Copilot 83%。但同一份研究还有后半段：至少消失过一次的引用里，约75%在观察期内重新出现，其中约一半在三天内回归。这个组合说明引用波动比看上去小，问题是多数报告没有把波动和时间维度分开。
隔夜消失一半 但七成五会回来
只看第一张表，很容易得出AI引用极不稳定、优化没有意义的结论。加上后半段就完全不同：引用不是被竞品永久替代，而是在多次回答之间来回出现。如果报告只截取某一天的结果，看到的既可能是峰值也可能是谷底，据此判断优化效果，误差会大到无法归因。
从AI回答的生成机制看，这种波动有结构性原因。同一次提问会被拆成多个子任务并行检索，命中的来源集合每次略有不同，最终答案再从中抽取。抽取范围一变，引用列表就变。理解这一点，就不会把单次快照当成结论，而会把重复观测当成基础动作。
空答案被算成了丢失
研究还发现，Gemini有64%、Copilot有53%的回答本身就不带任何来源引用。把这批空答案剔除之后，两个平台的次日换手率都回落到58%至60%，与其他引擎接近。也就是说，一部分所谓的引用丢失并非被竞品替换，而是模型这一轮根本没有给出引用。
这个细节对报告口径影响很大。把空答案计入丢失，会让可见度曲线凭空多出一截下坠，团队会误判为竞品抢占，进而做出过度反应，比如加大内容投放或调整问题库。正确的做法是先把无引用的回答单独计数，再计算有引用样本里的留存率，两个数字分开披露。
传统排名还有多少用
研究给出的对照值得记下来：在命中品牌词的提问里，品牌自己的官网在60%至68%的天数中被引用；而在传统搜索中排名靠前的页面，其在AI Mode与AI Overview的引用能保持一周以上的比例为28%至29%，没有自然排名的页面只有4%。传统搜索排名不再是充分条件，但仍然是一个有效的留存基础。
这个结论对资源分配有直接含义。放弃搜索优化的品牌会同时失去那28%至29%的留存基础，但只做搜索优化也到不了60%以上，因为命中品牌词的提问依赖的是品牌实体本身被识别。两条线要并行，且衡量的指标不同：一条看排名与抓取，另一条看被引用与描述准确度。
| 指标 | 数值 | 含义 |
|---|---|---|
| 次日引用消失比例 | 50%至83% | 单次快照不可用作结论 |
| 消失后回归比例 | 约75% | 波动大于流失 |
| 三天内回归 | 约一半 | 重复观测窗口至少一周 |
| Gemini无引用回答 | 64% | 空答案需单列 |
| 无自然排名页面留存一周 | 4% | 搜索基础仍有价值 |
考核口径要补时间维度
把三条信息放在一起看，指向同一件事：单次快照不能当考核指标。可落地的调整有三条。第一，看留存而不是瞬时，对固定问题集连续观测七天以上，统计重复出现率。第二，把被提及、被引用、被推荐为首选拆成三个指标，混在一个可见度里会系统性高估商业位置。第三，按引擎分开看，不同引擎的信源重合度很低，混合口径会同时掩盖优势与短板。
同一周还有两条结构性变化值得并读。OpenAI在10月23日宣布模型训练不再直连实时互联网，改用缓存与模拟的网络副本，内容能否留在可信语料池里，比当下是否被抓到更关键。中国信通院泰尔终端实验室在10月启动首批GEO服务能力评估，围绕服务受理、内容审核、服务实施、监测与追溯、风险处置展开，第三方认证正从加分项变成准入项。
团队可执行的核验动作
核验的关键是让报告能被复算。问题清单、观测窗口、平台范围、空答案处理规则都要写清楚，客户拿到原始回答后能自己重算一遍。只给一个汇总百分比、说不清分子分母的报告，既无法归因，也无法在跨期比较时站住脚。
需要说明证据边界。公开信息给出了样本规模、消失与回归比例以及平台差异，但没有披露各行业的分布、问题类型的影响与回归判定的技术细节。因此本文讨论的是AI引用波动对监测口径的影响，而不是对某个品牌优化效果的判断。
常见问题
引用隔夜消失是不是说明优化没用？
不是。约75%的消失引用会在观察期内回归，单次快照反映的是波动而不是流失。
为什么不同引擎差异这么大？
一部分差异来自空答案，Gemini有64%、Copilot有53%的回答本就不带引用，剔除后换手率接近。
传统搜索排名还要不要做？
要做。有排名的页面引用保持一周以上的比例为28%至29%，没有排名的只有4%。
可见度报告该怎么改？
连续观测七天以上，把被提及、被引用、被推荐拆开，并按引擎分别统计。
