AI 引用的「半衰期」：11 天还是 39 天？两项研究对照

一个被反复引用、但常被误读的数字

「AI 引用的半衰期只有 11 天」——这句话在 2025 年底之后被行业大量转发，通常用来说明「内容必须频繁更新」。

它来自海外 GEO 平台 Profound 在 2026 年 9 月 30 日发布的一项研究。数字本身是真实的，但只引用这一句会得出错误结论：这个数字有三层前提，而且中文场景下的同类研究测得的数值与它相差 3.5 到 6 倍。

这篇文章把两边的数据摊开讲清楚：它们各自在测什么、为什么结论不同，以及对做 AI 可见性的企业来说，真正可执行的结论是什么。

一、先明确口径：什么是「引用半衰期」

不谈口径的数字没有意义。

Profound 的定义是：某页面的「引用份额」从峰值下降到一半所需的时间。其中「引用份额」指该页面在其所属内容类目的当日全部引用中的占比，做 14 天滑动平均后，从峰值降到一半并连续保持 14 天所需的天数。

所以它衡量的不是：

• 不是页面被删除或下线（页面还在，只是被引用的频率下降）；
• 不是页面「完全不再被引用」（半衰期是一半，不是归零）。

它真正衡量的是：在同类内容的竞争中，这个页面的被引用权重衰减得有多快。

这个区分很重要。把它读成「内容 11 天后失效」，会让人做出「每 11 天重写全部内容」这种既无必要也不可持续的决策。

二、海外数据：11 天是整体中位数，但内部是两类完全不同的页面

Profound 这项研究的样本规模：约 88.3 万个页面 × 7 个引擎 × 12 个月，产出约 119 万条「页面 × 引擎」生命周期。7 个引擎包括 ChatGPT、Perplexity、Claude、Google AI Overviews、Google AI Mode、Google Gemini 与 Microsoft Copilot。

整体关键数字：

• 引用份额半衰期中位数：11 天（从峰值跌到半峰值所需时间）；
• 从「首次被引用」到「跌到半峰值」的中位时间：42 天（等于上升期加半衰期）；
• 78% 的页面在两周内就跌到峰值份额的一半（研究称之为爆发型）；
• 剩下 22% 是持续型，中位半衰期为 27–29 天。

⚠️ 这里最容易混的是「上升期」和「半衰期」不是一回事：

• 爆发型的上升期中位约 20 天，从首次被引到半峰值略超一个月；
• 持续型从首次被引到峰值的上升期中位为 36–46 天（依引擎而异），之后才进入 27–29 天的衰减。

也就是说：真正「活得久」的那部分页面，半衰期接近一个月，而不是 11 天。

按内容族分类（仅针对其中约 13.3 万个持续型页面）：

新闻公告类在全部 7 个引擎上都最先衰减；其余三类的保持率是它的 1.4–1.6 倍。

两条与「如何延长寿命」直接相关的发现：

• 引擎之间存在显著差异：Claude 的引用在 8 周后仍具相关性的概率，是 ChatGPT 引用的 2.8 倍；
• 多引擎覆盖本身就是持久性来源：被 5 个以上引擎引用过的页面，8 周后仍高于半峰值的概率，是只被 1 个引擎引用页面的 5.5 倍。

⚠️ 反向的一条同样重要：跨引擎的引用重叠度其实很低（相关系数 0.03–0.09，Google 系界面之间稍高，0.12–0.17）。这说明不同引擎的答案市场几乎是分开的——「多引擎覆盖」不会自动发生，需要主动经营。

三、中文场景的数据：39 天与 68 天

同一时期，一项针对中文生成式搜索的大规模实证研究（arXiv:2607.15771，2026 年 7 月提交）给出了另一组数字。

样本：4 个主流平台的 8 个界面（含 Web 与 App）× 614 条查询 × 每个组合重复 3 次，从 214,119 条原始记录清洗出引用级数据集进行分析。

与时效相关的关键发现：

• 对有发布日期标注的被引页面做拟合，高时效性查询的引用半衰期约 39 天，低时效性查询约 68 天。

同一研究还有三条与本主题相关的结论：

• 品牌被选中率整体为 8.3%——被检索到不等于被写进答案；
• 约 13% 的品牌曝光、71% 的联系方式曝光无法匹配到同期抓取的正文——信源归因不能假设 100% 可达；
• 同一平台的 App 与 Web 界面，源集合存在系统性差异。

四、为什么 11 天与 39/68 天差这么多：不能直接比

两组数字都是真实测量，但不能直接比较，原因有三：

一个更稳的综合结论是：引用确实是流动的——它会在竞争中被不断重新分配，而且不同引擎、不同语言市场、不同内容类型的衰减速度都不一样。任何把单一数字当作行业常数的说法，都是过度简化。

五、对做 AI 可见性的三个可执行含义

① 刷新节奏应该有依据，而不是「越勤越好」

如果目标是维持引用份额，内容更新周期不应显著长于其半衰期。海外数据的「整体 11 天」适合作为上限参考，而不是统一标准；电商类页面（28 天）与中文场景（39–68 天）都更宽松。

具体节奏建议按「本品类 + 本市场」的实测数据来定，而不是套用任何通用数字。

② 多引擎覆盖是持久性的来源，而且需要主动做

「被 5 个以上引擎引用 → 8 周后仍在半峰值的概率高 5.5 倍」配合「跨引擎重叠度仅 0.03–0.09」，指向同一个结论：不同 AI 引擎看到的信源几乎是分开的，只在一个引擎上被引用，无法自动延伸到其他引擎。

覆盖广度需要单独经营——这恰好也是多引擎监测的价值所在。

③ 内容类型的差异，比想象中小

新闻公告衰减最快（第 56 天保持率 7.0% 对 11.2%），但四个内容族在第 56 天的差距（7.0%–11.2%）远小于「爆发型与持续型」之间的差距（78% 对 22%）。

真正决定生死的不是「写什么类型」，而是「这类内容能不能进入持续型」——而这与它是否被多个引擎、多个场景反复引用相关。

六、两项研究的证据等级，与不能据此推出什么

先如实说明证据等级（这决定了结论能用到什么程度）：

• 海外研究属厂商研究：Profound 本身是商业 GEO 平台，该数据是其自有产品的产出，存在商业动机，且未经同行评审；
• 中文研究是 arXiv 预印本：尚未经同行评审，样本为 4 个平台、614 条查询。

两者都可作为方向性参考，但不构成行业标准，也不应作为对客户的承诺依据。

以上都是观测性研究，不是对照实验。请避免以下推论：

• ✗ 「11 天后我的内容就失效了」——半衰期是引用份额减半，不是内容失效；且 22% 的持续型页面中位达 27–29 天；
• ✗ 「按某个节奏刷新就能维持引用」——研究描述的是衰减的统计规律，不是「刷新 → 引用」的因果证明；
• ✗ 「两篇研究的数字可以直接比」——口径、引擎组合、样本与分层变量都不同；
• ✗ 「这些规律在我的品类或市场同样成立」——两项研究都未覆盖所有行业与语言市场；中文研究本身也只有 614 条查询、4 个平台；
• ✗ 「本平台与上述研究及其作者存在关联」——本文仅作研究与评论引用。

引用来源与说明

本文引用两项第三方研究，处理方式如下：只引用事实与数据（数字、样本量、统计结论不受著作权保护），表述由本平台重写，未整段翻译或转载原文；图表与表格全部由本平台依据公开数据自行重制；每处数据均标注来源与日期；本平台与原作者无股权、雇佣或合作关系，引用不代表原作者认可本平台或其产品。

两篇原文均未声明允许第三方转载的开放许可，故本文仅作事实引用与评论，读者可经上表链接自行核对原文。