截至 11 月 8 日的公开信息，GEO 这件事第一次有了一个可以量化的衰减参数。11 月 6 日进博会期间，长安街知事、智源GEO、猎看科技、Dageno AI 与京报智库联合发布《海外GEO白皮书》，以 ChatGPT、Google AI Mode、AI Overviews、Gemini、Microsoft Copilot 五个平台的 1004.6 万条回答为样本，给出一个对做监测的人不太友好的结论：AI 回答里被引用的链接集合，半衰期只有大约一天。这意味着上周跑出来的引用清单，本周已经不能当作现状使用，证据维护的频率要从按月改成按天。
半衰期一天 把监测从月报改成日报
半衰期这个概念在内容运营里通常用来描述页面的自然衰减，但白皮书给出的口径不同，它量的是引用集合的替换速度。同一批问题、同一批平台，隔一天再问，答案里被引用的域名和页面会有相当比例被换掉。对品牌方来说，这不是内容质量突然变差，而是检索增强架构在每次生成时重新挑选证据的结果：模型手上的候选池每天都在变，谁在池子里，取决于当天可被抓取、可被解析、可被交叉验证的材料有多少。
把半衰期当工作参数，第一个改变的是采样频率。过去做 GEO 监测，常见做法是一个月跑一次问题库，把提及率、首推率做成折线图；在半衰期只有一天的前提下，月频采样等于在噪声里找趋势，一次平台侧调整就能把曲线拉出十几个点的波动，而团队会误以为是优化生效。更稳妥的做法是把采样拆成两层：日频只跑少量核心问题，看引用来源结构有没有突变；月频跑全量问题库，看趋势和竞品占位。
半衰期不等于内容失效
需要区分两件事：引用被替换，和内容失去价值。被替换的往往是排序靠后的补充证据，而一手事实、标准编号、检测报告这类结构化材料，替换率明显更低。白皮书披露的另一个细节值得注意，AI 带来的直接访问占比不足 8.8%，但 55.9% 的用户在读完答案后会主动检索品牌名，也就是说答案里的表述会转化成一串后续的品牌搜索。这部分流量不经过你的页面统计，却真实发生，它让答案里的准确性比页面排名更值钱。
五平台千万条样本里 三组数字最该看
| 披露项 | 数据 | 对 GEO 的含义 | 可监测指标 |
|---|---|---|---|
| 传统网页点击率变化 | 出现 AI 摘要时由 15% 降至 8% | 答案层成为主入口，页面层流量被动收缩 | 答案层曝光量、页面层点击量 |
| AI 直接访问占比 | 不足 8.8%，但 55.9% 用户会二次检索品牌名 | 转化发生在答案之后，不在答案之内 | 品牌词搜索增幅、直接访问占比 |
| 平台活跃规模 | AI Overviews 月活超 25 亿，ChatGPT 周活 12 亿 | 同一个问题要在多平台分别验证 | 分平台提及率与引用结构 |
| 引用集合替换速度 | 半衰期约一天 | 证据维护从按月改为按天 | 引用域名替换率、新增引用占比 |
| 样本规模 | 五平台 1004.6 万条回答 | 属于总体观测，不等于单品牌测量 | 自有问题库的独立采样 |
这张表最容易被误读的是第一行。点击率从 15% 掉到 8%，常被理解成流量腰斩、SEO 失效，但结合第二行看，结论要温和一些：用户没有停止找信息，只是把筛选动作挪到了答案层，读完答案再带着品牌名去搜。对做增长的人来说，指标要从页面点击换成答案里的表述质量与后续品牌词搜索增幅，否则会一直在错误的漏斗上做优化。
采信链条上哪一环最脆
把一次 AI 回答拆开看，至少经过抓取、解析、交叉验证、生成四步。抓取由站点可达性决定，解析由页面结构决定，交叉验证由第三方材料密度决定，生成则由模型版本与提示决定。四个环节里最脆的是交叉验证，因为它要求同一组事实在多个独立信源里出现，而多数品牌只有官网一个出口。半衰期之所以短，一部分原因就在这里：单信源的证据在重新挑选时最先被替换掉。
点击率腰斩之后 证据的算法要换
证据的算法要换，指的是从追求数量转向追求可核验性。过去做内容投放，思路是多写、多铺、多平台分发；在半衰期一天的环境里，铺量的边际收益很低，今天铺的内容明天可能就不在候选池里。真正稳住位置的是可核验的结构：字段有明确出处、数字有可查来源、结论能被第三方复述。这类材料替换成本高，因为模型换掉它就等于放弃一个可验证的锚点。
国内用户的规模变化给了这件事一个时间窗。CNNIC 口径下，我国生成式人工智能用户从 2025 年 6 月的 5.15 亿增长到 2025 年 12 月的 6.02 亿，增幅 141.7%，普及率 42.8%；同期七成六以上的使用目的是回答问题。问题型使用意味着内容要按问句组织，而不是按章节平铺。把产品页改写成能直接回答一个具体问题的结构，比再加一篇品牌故事更符合当下的采信逻辑。
一天一刷的维护台账怎么建
台账的第一步是确定问题集，数量不必多，十几到二十个核心问句足够覆盖主要决策路径。第二步是固定采样口径：同批问题、同批平台、同一时间段各问若干次取均值，记录模型版本与参数，版本变更时留断点，否则跨期对比没有意义。第三步是记录引用结构：每个问题被引用了哪些域名，其中自有域名占比多少，第三方权威源占比多少，昨天到今天新增和消失的分别是哪些。
第四步才是动作。引用结构突变时先查原因，常见有三类：页面改版导致解析失败、竞品新增了更强证据、平台侧调整了检索范围。三类原因的处置完全不同，混在一起处理往往白忙。第五步是把结论回写到内容侧，补字段、补出处、补交叉验证，一周后复测同一批问题。这套流程跑顺之后，半衰期从威胁变成节奏，团队每天知道该看什么。
常见问题
半衰期一天，是不是意味着内容白做了？
不是。被替换的多是排序靠后的补充证据，一手事实、标准编号、检测报告这类结构化材料的替换率明显更低。半衰期说明的是引用集合的更新速度，不是内容的寿命，它要求的是维护频率，不是推翻重建。
按天采样成本太高，有没有折中办法？
把采样拆成两层。日频只跑十到二十个核心问题，盯引用来源结构有没有突变；月频再跑全量问题库看趋势和竞品占位。突变触发排查，趋势用于决策，两层各司其职，成本可控。
白皮书的样本口径能直接引用吗？
可以引用结论，但要标注边界。样本覆盖五个平台、1004.6 万条回答，属于大样本观测，不是对某个品牌的定向测量。对外表述时应写清发布方、发布时间与平台范围，避免把总体观测当成自家可见度证明。
GEO 里的证据维护具体维护什么？
维护三类东西：能被解析的事实字段、能被交叉验证的第三方材料、以及指向这两者的引用路径。字段过期、材料缺失、路径断链，都会让模型在重新挑选证据时跳过你的页面。
