AI 概览每 2 天变化一次，但观点始终不变

AI 概览究竟有多稳定？品牌若成功在其中被提及或引用，接下来一个月是否就能高枕无忧？还是必须持续投入以维持曝光？

为找出答案，我们的数据科学家 Xibeijia Guan 在一个月内分析了超过 43,000 个关键词，每个关键词都至少有 16 条已记录的 AI 概览。

数据取自 Brand Radar——我们新推出的 AI 可见度工具，可跨七种不同的 AI 助手追踪数亿条提示与查询。

结果揭示了 Google AI 运作方式中一个令人意外的悖论：表层不断变化，底层却保持深度稳定。

AI 概览的内容有 70% 的概率发生变化

在我们分析的这一个月里，所研究的 AI 概览内容发生了剧烈变化。

事实上，AI 概览在下一次观测时有 70% 的概率发生变化。

这一指标称为“逐点变化率”（Pointwise Change Rate），计算方式是用观测到的变化次数除以相邻配对的总数。

观测到的变化次数 / 相邻配对总数

• 相邻配对总数：我们把同一搜索查询的两次连续 AI 概览回答进行对比的总次数。
• 观测到的变化次数：在所有这些对比中，AI 概览内容与前一版本不同的次数。

下面是一个展示这种波动的实例。

以下是针对查询“租客保险”（renters insurance）的两条 AI 概览，均在隐身模式下间隔两分钟抓取。

为便于对比，其中一条为浅色模式……

另一条则为深色模式……

一眼就能看出，两条概览的措辞和内容都不一样。

例如，深色模式 AI 概览的开头段落列举了租客保险覆盖的事件类型（如火灾、盗窃或水患）……

浅色模式 AI 概览则更侧重于购买租客保险是谁的责任……

其他差异还包括举例方式、细节程度以及整体结构。

研究显示，AI 概览的平均“存续期”为 2.15 天，也就是说其内容大约每 2.15 天变化一次。

由于我们并非每天检查，真实的引用变化率很可能还要高得多。

AI 概览更新时，45.5% 的引用会发生变化

即便内容被 AI 概览引用，也并不能保证持续获得曝光。

研究表明，引用频繁变动是普遍现象。

事实上，Xibeijia 发现，在相邻两次回答之间，平均只有 54.5% 的 URL 重合。

换算下来，同一个 AI 概览查询每重新运行一次，就大约有一个 URL 发生变化。

也就是说，从一次 AI 概览观测到下一次，近一半（45.5%）的引用来源是全新的。

为说明这一点，这里举一个查询“最佳蛋白粉”（Best protein powder）的例子，它通过 Keywords Explorer 在 Ahrefs 的 SERP Overview 工具中抓取。

10 月到 11 月期间，Forbes 和 Fortune 一直稳定出现，但第三个 URL 变了。

起初，一条关于蛋白粉的 Reddit 评论排在第二位，一个月后被 Fortune 的“最佳”榜单取代，同时 NBC 一篇关于“蛋白奶昔安全性”的新文章进入了第三位。

再来看一个查询“租客保险”（renter's insurance）的例子，两条 AI 概览的抓取时间仅相隔一周。

第一条 AI 概览给出了三个引用，但其中只有两个延续到第二次抓取，而第二次又有十个新的引用加入列表。

可见，AI 概览的可见度并不遵循传统搜索排名那样的一致性规律。

品牌可能今天被引用，明天就消失。

AI 概览刷新时，54% 的实体保持一致

AI 概览中实体的呈现，其波动程度几乎与引用一样大。

我们把实体定义为 AI 概览文本中出现的、具体且可识别的命名项，例如人物、组织、地点和品牌。

在我们研究的 AI 概览中，37% 包含实体，而这些概览平均每条回答会展示约三个实体。

通过研究实体重合度，我们得以衡量：对于同一搜索查询，相邻两条 AI 概览回答之间，现实世界信息保持一致的概率有多高。

我们使用的公式是：

共同实体数 / 相邻配对实体总数

• 共同实体：在被比较的两条相邻 AI 概览中都完全相同地出现的命名项（人物、组织或地点）数量。
• 相邻配对实体总数：比较两条相邻 AI 概览时，找到的所有不重复实体的总数。

由此得以计算：AI 概览发生变化时，保持不变的命名实体所占的百分比，即所谓的“实体重合度”。

结果是 54%，即每次 AI 概览更新大约有一个实体发生变化。

其余 46% 经历了波动，与引用的波动率仅相差 0.5%。

这可能只是巧合，但一种推测是：Google 重新生成 URL 和实体的速率相近。

文本、来源和主题的不断更替意味着，刷新页面往往就能得到一个不同的 AI 概览答案。

我们博客团队的 Despina Gavoyannis 就亲身遇到了这种情况……

AI 概览的语义一致性得分为 0.95（满分 1.0）

尽管文字一直在变，但 AI 概览底层的含义却高度一致。

我们测量了相邻 AI 概览回答之间的“语义稳定性”，平均余弦相似度得分为 0.95，其中 1.0 代表完全一致。

这一得分表明语义一致性达到了极高的程度。

这就像拿同一个问题去问两位不同的专家——会得到不同的用词、不同的表述，也许还有不同的例子，但根本答案是相同的。

前面那个“租客保险”的例子就证明了这一点。

尽管每条 AI 概览在长度、语言和结构上各不相同，但它们覆盖的主题大意相同，例如个人财产保障、责任保护和常见除外责任。

也就是说，AI 概览是在不断改写一个从其来源中提取出来的、稳定的底层共识，这正是概率型大语言模型的本性。

它们不会日复一日地改变对某个话题的“观点”。

即使文本、引用和实体不断进进出出，核心信息依然保持不变。

热门的 AI 概览并未被缓存

我们的 CMO Tim Soulo 曾提出一个猜想：Google 可能会缓存热门关键词对应的 AI 概览，以节省计算资源。

正是这一假设促成了整项研究……

但研究结果否定了这一猜想。

首先，如果部分 AI 概览被缓存，我们本该看到内容稳定得多。

但如前所述，相邻的 AI 概览有十次中的七次内容都不一样。

其次，Xibeijia 测量了关键词的搜索量与其 AI 概览变化率之间的实际关系，发现斯皮尔曼相关系数为 -0.014。

相关系数如此接近 0，表明这两个变量之间很可能毫无关系——极热门的搜索查询，其 AI 概览文本发生变化，与极其冷门的查询一样常见。

因此，Google 不太可能缓存热门 AI 概览，至少从我们的数据来看是这样。

总结

AI 概览既动态又稳定，二者同时存在。

表层细节，比如确切的措辞、引用的 URL、提到的实体，都在不断切换，但底层含义和核心主题保持不变。

这改变了我们看待 AI 生成搜索结果的方式。

它们不像传统搜索结果那样一成不变，但也不是随机的。

尽管应当预期品牌在 AI 概览中的提及和引用会波动，但仍有办法实现稳定出现。

与其专注于单个提示或查询，不如成为与核心主题相关的主题群方面的权威。

可以使用 Ahrefs Brand Radar 了解 AI 将哪些主题与品牌联系在一起。

只需输入品牌，然后进入“Topics”报告，它会展示各条 AI 回答分别归属于哪些主题。

例如，在 AI 概览回答中，Ahrefs 与“SEO 工具”和“SEO 软件”这两个主题联系最紧密。

在大量回答的层面上追踪 AI 可见度，也有助于透过 AI 回答的波动看清趋势。

通过关注聚合可见度和 AI 声量份额（AI Share of Voice），可以：

• 看到 AI 是否持续将品牌与某个品类联系在一起，而不只是是否出现过一次。
• 追踪随时间变化的趋势，而不只是单次快照。
• 了解品牌相对竞争对手的定位，而不只是被提及。

赢得主题，而非单个查询，才是保持可见的最佳方式——即便 AI 答案每天都在变。