B4 · 新鲜度与时效(Freshness & Recency)
一句话:被引之后能不能持续被引——AI 有强烈”近因偏好”,旧内容被新内容挤出候选。这是 B 簇的保鲜层(收口):命中(B3) → 可答(B1) → 可引(B2) → 保鲜(B4)。 机制 → 02-3-RAG与实时检索grounding·02-2-答案生成管线总览(③排序) 怎么做 → P1-5-内容刷新与时效运营 衰减监测 → 12-5-模型波动与监测预警 证据 → 13-2-研究与数据源索引 相邻信号 → B2-信息密度·A3-EEAT与作者权威
🎯 TL;DR(30 秒)
| 问题 | 一句话答案 |
|---|---|
| 是什么 | 内容的更新时效;AI 生成答案显著偏好当前、最新的信息 |
| 多重要 | 高·季度级衰减——超约 3 个月未更新,AI 引用明显下滑 |
| 怎么算”强” | 实质内容够新 × 可见时间戳 + dateModified × 刷新节奏匹配敏感度 |
| 去哪做 | 诊断在本页;刷新/时效运营的打法 → P1-5-内容刷新与时效运营 |
只记一条:保鲜 = 实质更新(不是改时间戳),且敏感度分场景——时效型问答衰减快,知识型/常青题更宽容,别一刀切。
🧠 为什么是”保鲜层”(原理层)
- 它是 B 簇的收口:B3-语义匹配与查询扇出契合 命中、B1-可答性与答案优先格式 抽出、B2-信息密度 值得引,B4 决定这份被引能不能”保持”下去。再好的页,旧了就被新内容挤出候选。
- 近因偏好(recency bias):AI 在生成答案时显著偏好当前、最新的信息——这是跨来源反复出现的强信号之一。
- 季度级衰减:当内容超过约 3 个月未更新,对该页的 AI 引用明显下滑;可见时间戳 + 数据刷新能挽回时效分。
- 实时检索类天然偏新:RAG/实时 grounding 的引擎边检索边作答,更吃新鲜度 → 02-3-RAG与实时检索grounding。
- 作用在哪一关:主要喂养 02-2-答案生成管线总览 的 ③排序(新鲜度加权)。它是”持续被引”的维护信号、不是一次性——衰减要靠监测发现 → 12-5-模型波动与监测预警。
🔢 新鲜度 ≠ 时效信号 ≠ 时效敏感度(最常见的概念混淆)
| 维度 | 是什么 | 决定什么 | 最容易错 |
|---|---|---|---|
| 新鲜度(内容多新) | 实质内容/数据的更新近度 | 是否被时效衰减挤出 | 只动时间戳不改内容 |
| 时效信号(标注多新) | 可见时间戳 + dateModified | 帮引擎/读者判定”新” | 有信号无实质 = 反噬 |
| 时效敏感度(这题多看重新) | 按查询类型浮动 | 该不该投入刷新 | 常青题狂刷 / 时效题躺平 |
关键:真新鲜 = 实质更新(不是改时间戳),且敏感度分场景——时效型骤降快、常青题更宽容。别一刀切。
📊 证据与量级(标级 · 只链不抄)
| 发现 | 量级 | 级别 · 去哪溯源 |
|---|---|---|
| 近 3 个月更新页 vs 过时页 引用次数 | 约 6 次 vs 3.6 次 | C · 厂商方向性 → 13-2-研究与数据源索引 |
| 超约 3 个月未更新 → AI 引用下滑 | 季度级骤降 | C · 厂商 + 监测 → 12-5-模型波动与监测预警·13-2-研究与数据源索引 |
| 近因偏好(recency) | 跨源稳定出现 | B · 多源共识 → 13-2-研究与数据源索引 |
| 实时检索类对时效最敏感 | 定性·强 | B · 机制 → 02-3-RAG与实时检索grounding |
⚠️
6 / 3.6是厂商方向性、按品类浮动;常青题敏感度低,别当固定公式或精确加权。口径统一回 13-2-研究与数据源索引。
🔬 诊断:我的内容够不够新、会不会被时效挤出?
本页只做诊断(判断信号强弱);判出”弱”后去 P1-5-内容刷新与时效运营 补。
自检清单
- 核心页的最后更新日期?是否过季(>3 个月)?
- 页面有可见时间戳(“更新于…“)+ schema
dateModified吗? - 上次”更新”是实质改内容,还是只动时间戳?
- 这个主题属时效型还是常青型?刷新投入是否匹配敏感度?
- 时效话题来了,有没有快速响应机制?
实测 prompt(快速体检)
在 Perplexity / Google AI Mode:
1. 问一个带"最新/2026"的问题 → 它引的是新内容,还是你那篇旧文?
2. 对比你的页 vs 被引页的"更新日期" → 你是不是明显更旧?
→ 被引的都更新、你过季 = 时效衰减,需刷新(P1-5)。
⚙️ 平台适配
- Perplexity / Google AI Overviews(→ 03-3-Perplexity·03-2-Google-AIO与AI-Mode):实时检索类,对时效最敏感——B4 主战场。
- ChatGPT(→ 03-1-ChatGPT):训练侧对常青内容更宽容,但联网检索时仍偏新。
- YMYL(健康/金融)(→ 09-4-YMYL医疗与金融):时效与 EEAT 共同决定能否被引,过时信息高风险 → A3-EEAT与作者权威。
- 通用:敏感度按平台 + 查询类型浮动,别一刀切 → 03-0-平台横向对比矩阵。
❌ 误区 & ⚠️ 二阶误区
常见误区
- ❌ “只改时间戳不改内容” → 引擎/读者都不买账。
- ❌ “内容发了就一劳永逸” → 近因偏好下,旧内容被挤出候选。
⚠️ 二阶误区(懂了”要保鲜”之后最容易犯)
- ❌ “全站一刀切狂刷” → 浪费在低价值/常青页;按敏感度排期刷新 → P1-5-内容刷新与时效运营。
- ❌ “改时间戳 = 保鲜” → 信号 ≠ 实质,假新鲜易反噬且与可信冲突 → A3-EEAT与作者权威。
- ❌ “新鲜度能盖过权威/密度” → 它是加权项不是万能;新但空洞/不可信照样不被引(叠加非替代)→ B2-信息密度·A3-EEAT与作者权威。
- ❌ “6 次 vs 3.6 次是铁律” → 厂商方向性、按品类浮动,常青题敏感度低 → 01-5-常见误区与认知陷阱。
🧩 与相邻页的边界
- 本页(B4)= 诊断:这个信号是什么 / 为何是保鲜层 / 强弱怎么判。
- 怎么做(刷新台账、实质更新、可见时间信号 +
dateModified、抓时效话题、淘汰过期)→ P1-5-内容刷新与时效运营;时间戳 schema → P2-2-Schema部署与校验;系列化年度更新 → P1-3-原创研究与专有数据。 - 同簇上游:B3-语义匹配与查询扇出契合(命中)→ B1-可答性与答案优先格式(抽出)→ B2-信息密度(值得引)→ 本页 B4(保持被引·收口)。
- 跨簇/场景:衰减监测 → 12-5-模型波动与监测预警;YMYL 时效准入 → 09-4-YMYL医疗与金融·A3-EEAT与作者权威。
- 机制:实时检索为何偏新 → 02-3-RAG与实时检索grounding;漏斗定位 → 02-2-答案生成管线总览(③);衡量 → 07-1-指标体系-SoM与SoV;术语 → 13-1-术语表Glossary;数字溯源 → 13-2-研究与数据源索引。
- 纪律:本页只诊断、不教操作、不抄数字;数字一律标级 + 回链。
📌 关于本页(“成熟”级 · 复用叶子信号/诊断页范式):本页是 A2-品牌提及 所立 叶子信号/诊断页范式的第七次复用(继 A1/A3/A4/B3/B1/B2 之后),也是 B 簇的收口——同一模板:是什么 + 为什么重要(证据标级)+ 易混辨析 + 诊断自检 + 平台适配 + 二阶误区 + 边界。B4 在 B 簇里的定位是保鲜层(生命周期收口):命中(B3)→ 可答(B1)→ 可引(B2)→ 保鲜(B4)。至此 B 簇 4 页全部成熟(继 A 簇之后第二个全簇成熟的信号簇),团队照着就能自查”为什么以前被引、现在掉了”。
相关
- 同簇:B1-可答性与答案优先格式 · B2-信息密度 · B3-语义匹配与查询扇出契合 · 簇索引 B-内容与语义信号
- 打法 / 配合:P1-5-内容刷新与时效运营 · P2-2-Schema部署与校验 · P1-3-原创研究与专有数据
- 机制 / 衡量 / 术语:02-3-RAG与实时检索grounding · 02-2-答案生成管线总览 · 07-1-指标体系-SoM与SoV · 13-1-术语表Glossary
- 证据 / 监测 / 场景:10-1-受控实验与有效性证据 · 12-5-模型波动与监测预警 · 13-2-研究与数据源索引 · 09-4-YMYL医疗与金融 · A3-EEAT与作者权威
- 平台:03-3-Perplexity · 03-2-Google-AIO与AI-Mode · 03-1-ChatGPT · 03-0-平台横向对比矩阵 · 01-5-常见误区与认知陷阱