在 AI 搜索中反向链接还重要吗？来自 1,000 个域名的洞察 [研究]

多年来，反向链接一直是驱动传统搜索排名的最强信号之一。

但随着我们进入 AI 搜索的新时代，规则是否已经改变？

我们与 Kevin Indig 合作开展了一项数据研究，考察反向链接如何影响在 AI 生成回答中的可见度。

让我们开始吧。

核心要点

太长不看（TL;DR）：反向链接对 AI 可见度很重要，但质量和权威性远比数量重要。

• 高质量反向链接比单纯的数量更重要。以权威评分（Authority Score）衡量的反向链接权威性更强的域名，在 AI 生成的回答中被提及得更频繁。话虽如此，只有在网站进入较高的权威层级后，才会出现显著的可见度提升。

• nofollow 链接的影响几乎与 follow 链接相同。研究发现两种链接类型的相关性数值相近，显著增益只出现在最高的权威层级。

• 基于图片的反向链接可以与文字链接一样强大。一旦网站已经具备一定权威性，图片链接与 AI 提及的相关性甚至比文字链接更强——对权威性更高的域名尤其如此。

研究方法

我们与 Kevin Indig 和 Growth Memo 合作开展了这项研究。

我们查看了 Semrush AI Visibility Toolkit（AI 可见度工具包）中随机选取的 1,000 个域名，以了解与反向链接相关的信号如何影响在 AI 生成回答中的可见度。

为此，我们追踪了每个域名在五个领先的 AI 平台上被提及的频率：

• ChatGPT
• ChatGPT 搜索版
• Gemini
• Google 的 AI 概览（AI Overviews）
• Perplexity

随后，我们把AI 提及次数（一个域名在 AI 生成回答中被提及的次数）和 AI 声量份额（AI Share of Voice）（一个域名相对于非品牌查询在 AI 生成回答中的可见度）与关键的反向链接信号进行了对比：

• 反向链接总数
• 唯一引荐域名数量
• follow 与 nofollow 链接的比例
• 文字链接与图片链接
• 权威评分——Semrush 的综合指标，反映反向链接质量、引荐域名多样性、指向链接页面的自然流量以及垃圾信号

此外，我们在同一数据集上做了皮尔逊（Pearson）和斯皮尔曼（Spearman）相关性分析，以考察每种反向链接信号与 AI 可见度的关联强度，并确定这些关系是线性的还是呈现出阈值效应。

进一步了解我们是如何衡量这些相关性的。

以下是我们发现的结果。

1. 权威性可提升 AI 可见度，但只有越过某个阈值后才有效

权威评分更高的域名——这一指标在很大程度上受反向链接质量和引荐域名多样性的影响——更有可能出现在 AI 生成的回答中。

然而，总体效应是中等程度的，只有当域名进入较高的权威层级后才会变得显著。

当我们把权威评分与 AI 声量份额（即一个品牌相对于非品牌查询在 AI 生成回答中的可见度）进行对比时，结果显示如下：

• 皮尔逊（Pearson）：约 0.23 → 较弱的线性关系
• 斯皮尔曼（Spearman）：约 0.36 → 更强的、基于阈值的信号

这两个相关系数之间的差距表明，反向链接权威性对 AI 可见度有中等程度的整体影响，但真正的增益只有在达到一定权威水平之后才会出现。

换句话说，在网站达到更强的整体权威性之前，反向链接的点滴改善不会带来太大变化。

“这里最重要的结论是：你的反向链接需要达到一个最低门槛。简单来说：不要指望刚开始时或线性增长就能有回报。你需要一个最低投入才能看到预期的影响。”

Kevin Indig，增长顾问

这对你意味着什么：

• 专注于突破权威平台期。小的链接收获不会带来明显差别。要往上走，就要专注于从权威性更高、主题相关的网站获取反向链接，比如知名刊物、领先博客或行业目录。

• 扩大你的引荐域名池。从各种不同网站获得链接，比单纯堆砌链接数量更重要。优先主动联系你所在领域的新域名，而不是从相同来源收集更多链接。

• 在权威性与可信度之间取得平衡。反向链接有帮助，但 AI 模型也更青睐那些被认为值得信赖、可信的品牌。保持内容准确、及时、有据可依，并争取获得来自知名网站的提及——即使不带链接——以强化你的权威性。

2. 链接质量比数量更能驱动 AI 可见度

反向链接的质量对一个域名在 AI 生成回答中出现的频率起着重要作用。

当我们把权威评分（Semrush 用来代表链接质量的指标）与 AI 提及次数进行对比时，结果显示两者存在很强的正相关关系：

• 皮尔逊（Pearson）：0.65 → 强线性相关
• 斯皮尔曼（Spearman）：0.57 → 强相关，但略带非线性

这意味着拥有高质量反向链接档案的域名在 AI 生成回答中出现的频率要高得多，尤其是在它们越过关键的权威阈值之后。

有趣的是，这种效应在不同模型间有所差异：ChatGPT 搜索版和 Perplexity 对链接质量的权重最低，而普通版 ChatGPT（未开启搜索功能）则呈现出最强的相关性。

这对你意味着什么

• 优先考虑链接质量而非数量。 来自权威、相关网站的少数几条反向链接，能比数十条薄弱或无关的链接带来远更多的 AI 可见度。
• 定期审计你的反向链接档案。使用像网站反向链接检查工具这样的工具，找出哪些域名真正带来了权威性，而不是那些可能拖累你的低价值或垃圾域名。

• 追求有意义的权威提升。与其追逐小规模的链接交换或低价值提及，不如瞄准那些真正能提升可信度的机会，比如数字公关、专家客座文章，或被纳入值得信赖的行业资源。

3. nofollow 链接的权重几乎与 follow 链接相当

nofollow 链接对 AI 可见度的影响几乎与标准的 follow 链接相同。

当我们把两者（分别）与 AI 提及进行对比时，相关性几乎完全相同。

follow 链接：

• 皮尔逊（Pearson）： 0.334 → 中等线性信号
• 斯皮尔曼（Spearman）： 0.504 → 强阈值信号

nofollow 链接：

• 皮尔逊（Pearson）： 0.340 → 中等线性信号
• 斯皮尔曼（Spearman）： 0.509 → 强阈值信号

这表明 AI 模型在评估权威性和可见度时，对两种链接类型的处理方式相似。

权重在不同平台间也略有差异：我们发现 Gemini 和 ChatGPT 倾向于稍微更看重 nofollow 链接，而 Google AI 概览和 Perplexity 则更偏向 follow 链接。

这对你意味着什么：

• 不要忽视 nofollow 链接。它们对 AI 可见度有实质性的贡献，尤其是来自高权威网站时。请记住：被权威且相关的来源提及，比追逐快速收益更重要。
• 留意平台间的差异，并使你的策略多样化。像 Gemini 和 ChatGPT 这样的平台可能会奖励强大的 nofollow 链接（例如来自 Reddit、Quora 或维基百科的链接），而 Google AI 概览和 Perplexity 仍略微偏向 follow 链接。
• 让你的链接——包括 nofollow 链接——保持新鲜和相关。定期更新那些你的品牌已获得 nofollow 提及的页面内容。

“就像你会更新博客文章一样，也要更新 nofollow 的投放位置。轮换加入新的数据点、更新产品截图，或刷新你品牌已获得 nofollow 链接的投稿文章中的统计数据，让链接保持相关并被引用。”

Kevin Indig，增长顾问

4. 图片链接的表现与文字链接一样好（有时甚至更好）

基于图片的链接与 AI 可见度的关系比文字链接更强。

当我们把两者（分别）与 AI 提及进行对比时，相关性十分清晰。

图片链接：

• 皮尔逊（Pearson）：0.415 → 更强的线性信号
• 斯皮尔曼（Spearman）： 0.538 → 强阈值信号

文字链接：

• 皮尔逊（Pearson）：0.334 → 中等线性信号
• 斯皮尔曼（Spearman）：0.472 → 中等阈值信号

图片链接的优势同样会在网站积累了一定权威性之后显现。

从中等十分位往上，这种关系逐渐增强并在顶端达到峰值，而低权威层级则几乎没有影响。

我们还注意到平台之间存在一些差异：

• Perplexity 和 ChatGPT 搜索版 在图片反向链接与 AI 可见度之间展现出最强的关联
• ChatGPT 和 Gemini 次之，相关性略弱
• Google AI 概览的关联最弱，不过仍然可以察觉

总体而言，基于图片的反向链接被各大语言模型视为可靠的参考信号——当域名达到较高的权威水平后，它能带来最大的可见度提升。

这对你意味着什么：

• 投入精力去吸引基于图片的链接。把你的视觉素材分发到发布者和创作者寻找参考资料的地方，并提供易于复制的嵌入代码或来源署名。将它们分享到 Reddit、LinkedIn 和行业通讯等记者和内容团队寻找视觉素材的平台上。
• 专注于创造价值。 基于原创研究制作有用的图片资产，比如图表、信息图、产品视觉图和数据结构图，让别人自然而然地嵌入并链接它们。

“不要再把图片当作附属品，而要开始把它们当作内容。最好的视觉内容能够解释并简化关键或复杂的主题。”

Kevin Indig，增长顾问

反向链接依然重要，但在 AI 搜索中质量胜过数量

我们的研究揭示出反向链接影响可见度的方式发生了明显转变：在 AI 时代，质量才是王道。

与其试图尽可能多地收集链接、去“钻”系统的空子，你需要专注于构建质量信号并突破权威阈值。

你应该这样做：

• 优先追求有意义的权威提升，而非渐进式的链接建设
• 不要轻视来自高权威来源的 nofollow 链接
• 投入制作可分享的视觉资产，以赢得基于图片的链接
• 专注于让真正有增值的内容获得提及和引用

归根结底： AI 可见度来自持续的权威性，而不是一次性的链接收获。优先去赢取高质量的反向链接，把你的网站推向更强的权威区间，并让品牌持续被可信、最新的来源所引用。

我们如何衡量这些相关性

为了理解反向链接与 AI 可见度是如何关联的，我们使用了两种标准的统计方法：皮尔逊（Pearson）和斯皮尔曼（Spearman）相关性。

• 皮尔逊（Pearson）用于检验两个变量之间是否存在线性关系。如果两个值以平滑的模式同步上升或下降，皮尔逊能清晰地捕捉到这一点。但如果这种关系只有达到某个点（阈值）之后才显现出来，皮尔逊往往会漏掉它。
• 斯皮尔曼（Spearman）则专注于这些阈值效应。它考察数值是否朝同一方向变化，即使曲线并非完全平滑。斯皮尔曼对异常值不那么敏感，也更擅长识别那种“一开始什么都没发生，随后在越过某一水平后关系突然增强”的情形。

皮尔逊和斯皮尔曼都会给出一个介于 -1 和 +1 之间的分数：

• 越接近 +1 → 强正相关
• 越接近 -1 → 强负相关
• 接近 0 → 几乎没有关系

同时参考两者，帮助我们揭示各种因素之间的关系是线性的还是基于阈值的。