引用会掉、答案会变、竞品会挤进来——三件事叠在一起，单次抽样的结论就没有意义。按 11 月 14 日的公开信息与公开梳理，AI 概览的引用存在明显衰减：隔天消失的比例落在 50% 到 83% 之间，其中约 75% 会在 20 天内回来，能连续留存 8 天以上的引用有 96% 到 99% 会再次出现，而只出现一天的引用里有 34% 到 41% 再没回来。另一组数字更冷：AI 概览回答里的中位引用含率约 3%，约 73% 的站点用 robots.txt 或 CDN 规则挡住了 AI 爬虫。对做可见度监测的人来说，这三组数合起来只说明一件事——测一次不算测。
衰减数字能用到什么程度
这些数字来自第三方对不同引擎、不同市场的采样，不能直接搬到自家品类上，但方向是稳的：引用是流动的，而且流动有规律。规律之一是回访——大部分掉下去的引用会回来，说明候选池里那一页仍然有效，只是没被这次生成选中。规律之二是分层——能连续多日留存的引用，几乎都会再出现；只露过一次面的引用，有四成左右从此消失。
把这两条规律翻成动作，就是复测要看的不是「今天有没有」，而是「这七天里有几天有」。前者是快照，后者是分布。快照适合给老板看一眼，分布才适合决定要不要改内容、要不要补信源。很多团队卡在这里：拿着单次快照做判断，改了一轮又一轮，最后发现改的是噪声。
单次抽样为什么不算数
输出是概率性的
同一问题在不同时间提问，模型会给出不同措辞、不同引用组合，这属于正常行为，不是故障。既然输出是分布，测量也必须按分布来：同一问题至少问三次，取并集，再按周聚合。一次结果只能证明「存在这种可能」，不能证明「这就是现状」。
引擎之间的差异比想象的大
同一批内容在不同引擎里的待遇差得很远。公开监测里，同一品牌在豆包的回答中提及率约 38.6%，在 DeepSeek 约 18.9%，差了近一倍；有的引擎更像在给短名单，进了就是前列，进不去就是零。跨引擎只测一个平台，得到的不是可见度，是某一个平台的口味。
还有一层容易被忽略：采信需要时间。新建立的第三方信源从上线到被纳入答案，两三个月是正常节奏，因为引擎要先做交叉验证，确认这是一个持续稳定的来源。这意味着复测的周期必须撑得住这段窗口——两周没动静就推倒重来，等于每次都在窗口打开之前放弃。
七日被引天数怎么记
下面这张表是周度复测的最小结构，四列填完就能区分结构性进场和短期抖动。示例值取自本篇公开信息，实际使用时替换为自己的问题库。
| 记录项 | 填写口径 | 用途 |
|---|---|---|
| 问题编号 | 固定问题集，四周内不改 | 保证跨周可比 |
| 本周被引天数 | 七天内出现自家引用的天数 | 区分抖动与进场 |
| 引用域名 | 自有站与第三方分开记 | 判断信源结构 |
| 提及但无引用 | 品牌出现但无出处的次数 | 识别记忆型曝光 |
四列里最常被跳过的是第四列。提及但无引用，说明品牌被模型记住了，却没有页面被检索到——这时补内容的收益很小，该补的是可被第三方引用的材料：带日期、带出处、能复核的项目记录与参数说明。反过来，有引用但提及很少，问题在品牌事实口径不统一，同一个英文名、同一个主营描述在官网、目录与新闻稿里写法不一致，模型凭记忆点名时就容易写错。
常见问题
周度复测要花多少人力？
固定 30 到 50 条问题、三到五个平台，一条问题问三次，一小时能跑完一轮。真正的成本在存档与对表，所以表格要在第一次就设计好，别中途改字段。
引用回来了还要继续测吗？
要。回来的引用大多来自同一批页面，一旦内容过期或竞品补上更强的信源，它会再次掉下去。复测的意义是发现第二次下滑，而不是庆祝第一次回升。
竞品挤进来怎么记录？
在每条问题下记同场出现的竞品域名与排序。竞品占位是可见度最直接的对照系，只看自家数字，很难判断是自己变好还是大盘变差。
换模型版本要不要重设基线？
要。模型换代会让答案整体位移，旧基线不再可比。做法是保留旧基线、另起一条新基线，两条并行观察两周，再决定是否合并。
