先立一个能被否掉的假设：在排名位置不变的前提下，把页面里回答某个子问题所需的那句结论写成可脱离上下文独立截取的句子，被引用率会上升；只把排名往前推，被引用率不会跟着动。这个假设成立，「排名掉了」就不该自动触发内容重写；不成立，说明取页与摘句其实由同一个信号决定，两套指标可以合并。下面这套方案一周跑得完，两个月后能原样重跑。
方案的起点是官方对取页的描述：核心排名系统先从搜索索引里取出相关网页，再检视这些页面里的具体信息来生成回答（生成式 AI 优化指南）。这句话把链路切成两段：取页，和从页里摘句。方法上必须分开测，因为两段的输入不同——取页吃整页的相关性与质量信号，摘句吃某一段话能不能单独把子问题答掉。
摘句这一段在文档里有对应机制：页面被索引、且有资格出 snippet，是参与的前提（AI features）；snippet 由页面内容自动生成，针对不同搜索显示不同片段（snippet 文档）。同一页面在不同子问题下暴露的可引用段并不相同，样本因此按问法组织，不按页面组织。指南同时否掉了三类准备动作：不需要为生成式 AI 加特殊标记，不需要 llms.txt，不需要自己把内容切块，系统能理解一页里的多个主题并取相关的那一块。所以自变量不该设在「切块」上，要设在句子本身。
主假设拆成三条可测的子假设。H1：结论句独立成段、首句即结论的版本，在同一子问题下的引用率高于把结论埋在第三段的版本。H2：同一页面在不同子问题上的引用与否不相关，一个子问题下被引用不预示另一个下也被引用——这条用来检验 query fan-out，官方例子是「怎么修一块长满杂草的草坪」，派生除草剂选型、不用化学药剂、如何预防三路。H3：排名位置变化而句子未变时，引用率不变。三条里 H1 验证收益，H2 定问题集颗粒度，H3 做排除。
样本是问题，不是页面。定三十条，三层各十条。第一层直接问品牌：你们做什么、靠不靠谱、跟谁比。第二层问品类选型，句子里不出现品牌名，例如「做 X 的公司怎么选」。第三层是带条件的场景长句，把行业、规模、预算这些用户真会说的限制写进去。三个来源各取十条：客服问句、搜索词报告、销售开场问题；保留原话语序，只把重复的品牌词去掉。问题集定下后不再替换，加词就新开一列：fan-out 是从原句派生的，问法改一处，子问题集合就换一批，前后两期便没法比。
自变量只动一处：目标页面里回答该子问题的那段话的写法，独立成段、首句给结论、补上可核的事实与数字，其余不动。因变量分三层记：被排名，指你在传统结果里占着位置；被提及，指回答里出现品牌名，却没给链接，或链接指向别人的页面；被引用，指链接落在你的域名上，且那句话在你页面里能定位到原文。三层合成一个「AI 可见度」会互相抵掉：被提及在报表里比「没出现」好看，却收不到流量也改不了那句话。控制变量四项固定：同一国家或地区出口、同一登录状态、同一设备类型、连续两小时内跑完；同时记下当次出的是 AI 概览还是 AI Mode，官方写明两者可能用不同模型与技术，回答和链接集合不一样（AI features 文档）。
一条问题问三次，每次重开会话，防止上一轮的上下文把后两轮带偏。三次结果记 0 到 3，即三次里命中几次。三十条乘三次是九十次查询，一个人一天跑得完；改动前后各一轮，同周内完成，中间不换账号、不换网络。模型版本可能在一周里变化，两轮的日期、界面形态、出口地区都要写进记录，否则差异无法归因。
判定标准要在跑之前写死，跑完再定就只会挑对自己有利的口径。三个数各管一件事：用命中次数除以总查询次数，得到单次命中率，它看总量；用至少命中一次的问题数除以问题总数，得到覆盖率，这是并集口径，随机性容易把它抬高；用三次全中的问题数除以问题总数，得到稳定命中率，它看可重复性。判据用稳定命中率：改动后，被改动那段话所在的那一层，稳定命中率上升，且覆盖率不下降、未触发率（AI 概览没出现的比例）不变，假设才算成立；只有覆盖率涨、稳定命中率不动，判为随机波动。做趋势看覆盖率，做决定看稳定命中率。
每次查询记四列：是否出现品牌名；出现形态是正文提一句、带链接还是带引号摘句；链接域名是不是你的；被引用那句能否在页面上定位到具体段落。第四列决定这份表值不值得信：定位不到原文，说明模型在概括而不是引用，概括会漂移，摘句相对稳定。这列只能人工比对，也因此比第三方工具的报表可信。跑完把定位到原文的句子抄进内容待办——那些正是模型在用的表达，改它们比新写十篇有效。
还有一列必须单记：未触发。官方说 AI 概览只在系统判断它对经典搜索有增量时才出现，因此经常不触发。问题集里一半以上没出 AI 回答，这批词就不适合用引用率考核，混进分母会把结论拉成「我们做得差」，实际是这个问法没有 AI 场景。判读顺序固定成：未触发率、覆盖率、稳定命中率与被提及但不被引用的比例。顺序反过来，会先被总量带跑。
这套口径的边界写在结论旁边：它测模型在你给的问题上的行为，不是全量市场的引用份额。三十条代表不了所有问法，但能稳定回答一件事——同一批问法上，你比上个月更常被引用，还是更少。Search Console 给的是聚合数，AI 流量并入整体统计，在效果报告的 Web 类型里呈现，它能回答量在涨还是在跌，回答不了「为什么这句选了他没选我」，后者只能逐条比对。另一个反向信号：从带 AI 概览的结果页点进来的访问，用户更可能多停留（官方博客），引用带来的点击可能更少但更实。
三种情况先别做这个实验。品类太窄、问题集里 AI 概览几乎不触发，先别设指标，测了只有噪声。品牌名指向多个主体、实体没对齐，先修实体，否则引用会指向错的那个你。目标页是纯产品页、没有可摘的结论句，测出来只会是被提及，先补事实段落，再谈引用率。
这套方案不严格，但可复现：同一套问题、同一套环境、同一套口径，两个月后再跑，差异才有解释力。不能复现的「AI 可见度提升三倍」不进决策，你分不清是内容变好还是模型换了版本。一份能重跑的实验记录，比一次好看的截图有用。
