内容新鲜度

1. 什么是内容新鲜度

内容新鲜度描述页面的年龄和更新历史如何影响引擎在检索和生成答案时对文档的评价。

不过，「新鲜度」包含两个性质完全不同的概念：

• 新近度（recency）：指时间戳，也就是距离上次发布或修改已经过去多久。这是机器可读的事实。
• 现时有效性（currency）：指页面所述内容是否仍然成立。这是语义层面的事实，任何时间戳都无法说明这一点。

此后的讨论都以这一区分为基础。§7 的各种取巧做法都试图让页面显得更新，却不愿真正修正过时内容；§6 的正当做法则会先保证内容准确，新近度也会随之改善。

新鲜度会在答案循环的两个环节发挥作用。第一是检索：更新后的版本是否已经进入索引，取决于爬虫有没有重新抓取。第二是采信与重排：引擎要从几段候选内容中决定最终采用哪一段。只把新鲜度理解为发布节奏，就会忽略检索环节；有些页面已经做了实质更新，表现却没有变化，原因往往就在这里。在 GEO 中，新鲜度只是一项信号，无法独立构成完整策略。

2. 新近度与现时有效性：各自能证明什么

属性	含义	引擎如何识别	无法证明什么
新近度	距离发布或上次修改的时长	dateModified、页面上可见的署名日期、站点地图的 lastmod、重新抓取时比对出的内容差异	证明不了页面上任何一条主张现在仍然准确
现时有效性	页面当前的主张是否仍然成立	没有直接信号，只能结合其他来源的旁证和改动幅度来推断	发布方无法直接声明内容仍然有效

两者最关键的差别是：发布方可以自行声明新近度，却不能自行声明内容仍然有效。 发布方可以任意填写 dateModified，却无法通过标记直接宣称「这话现在仍然成立」。

因此，引擎会把页面声明的日期当作有待印证的说法，不会直接视为既成事实。缺乏事实支持的日期声明会损害可信度，所以 §7 所列的做法不只是无效。现时有效性对应 E-E-A-T §4.4 可信度中的「准确、透明、时效」；它与页面结构是否便于整段引述相互独立，后者见可引用性。内容即使正确，也要便于提取；即使便于提取，也要保证正确。

3. 实测证据说了什么，又没说什么

关于「AI 系统偏好较新的内容」，目前有两组彼此独立的证据：一组来自观察性研究，另一组来自反事实研究，二者支撑的结论并不相同。

3.1 观察性证据：AI 确实更常引用较新的内容，但这些内容的实际年龄仍然很高

目前公开规模最大的数据来自 Ahrefs，覆盖 ChatGPT、Perplexity、Gemini、Copilot、AI Overviews 以及 Google 自然搜索结果中的 1,697.5 万条被引用网址（Law 与 Guan，2025 年 7 月）。研究结果显示，被 AI 引用的网址比自然搜索结果「新 25.7%」。

理解这个百分比还要看绝对数字。被引用网址的平均年龄约为 1,064 天，自然搜索结果约为 1,432 天，二者相差 25.7%。也就是说，被 AI 引用的页面平均已有 2.9 年。

所以，这里的「较新」只是相对于一个本身就相当老的基准而言，并不表示内容本身很新。这组数据不支持「每周不发新内容就会失去引用」之类的说法；就总体而言，研究结果反而否定了这种判断。不过，各家引擎在这项研究中的相对顺序很稳定：主流助手中 ChatGPT 最偏好新内容，Google AI Overviews 则更接近自然搜索，对新内容的偏好弱于其他几种 AI 答案。

这组数据属于观察性数据。较新的页面被引用得更多，原因可能是页面较新，也可能是新页面往往结构更好、外链更多，所写内容恰好符合当前需求。仅凭观察性数据无法区分这些解释，§3.2 的反事实研究则用来判断其中是否存在因果关系。

3.2 因果证据：新近偏好出自模型本身，不只是语料分布的结果

Fang、Tao、Chen、Chang 与 Sakai（2025）提供了另一组反事实证据，也是两组证据中力度更强的一组。

研究方法是：作者在 TREC Deep Learning 数据集（DL21 与 DL22）的段落前人为加入发布日期，再让大模型重新排序。段落正文完全不变，唯一变化是人为标注的日期。因此，排序上的任何变化都只能归因于日期。

测量项	结果	为什么重要
注入日期后前十名的平均发表年份	前十名内容的平均发表时间最多晚 4.78 年	仅凭日期信号，重排器选出的前十名就会发生变化
单条内容的位次变动	排名最多变化 95 位	影响幅度很大，不能视为可以忽略的小幅波动
相关性完全相同的两段内容，二选一时偏好哪一段	二选一结果的平均反转率最高为 25%	相关性持平时，新近度会决定最终选择
覆盖的模型	7 个：GPT-3.5-turbo、GPT-4、GPT-4o、LLaMA-3 8B 与 70B、Qwen-2.5 7B 与 72B	这一现象并非只出现在小模型中
模型规模的影响	更大的模型会减弱但无法消除这一偏好	前沿模型同样存在这一偏好

这项结果还支持一个明确推论：模型偏好的是人为标注的日期，不取决于内容是否真的改过。这说明机制上存在可利用的漏洞。至于为什么利用它仍然不划算，见 §7。

3.3 这些结论的边界

研究支持的结论	适用边界
引擎确实偏好较新的内容，而且这是因果关系，不只是统计上的相关	测得的效应发生在重排环节。实验采用基于 TREC 数据集的重排器，并非线上的检索系统；线上系统本身还会单独处理新鲜度
新近度最强的作用是在相关性持平时做决定	它无法弥补页面在相关性、可信度或可提取性上的不足
被引用页面的整体平均年龄约 2.9 年	厂商材料中常见的绝对门槛（「30 天以内」「13 周以内」）源于查询构成不同，并非普遍规律，见 §4

评估这个话题时，还需特别注意来源质量。二手资料中充斥着厂商营销内容，彼此转引对方的数字。真正有分量的只有三类来源：拥有原始数据的研究、经过同行评议或以预印本发表的论文、引擎方的一手文档。其余资料至多用于判断方向。

另有一项研究说明了新近度的作用上限：当模型要在互相冲突的来源之间做选择时，主导因素是主题相关性，而人类看重的那些体现可信度的文风特征几乎不起作用（Wan 等，ACL 2024）。新鲜度只是模型偏好中的一项特征，不能替代主题契合度。

4. 新鲜度的权重取决于查询类型

§3.1 显示，被引用页面平均已有约 2.9 年；厂商研究却显示，有一半的 AI 引用来自 13 周以内的内容。两组数字可以同时成立，因为新鲜度的权重由查询类型决定，而两份样本涵盖的查询类型根本不同。

这一规律从传统搜索延续到生成式检索：新近度的权重取决于答案预计会随时间发生多大变化。Google 的排名系统指南对此有明文表述，把新鲜度系统单列为一类：「多套『query deserves freshness』系统，用于在预期需要较新内容的查询上呈现较新的结果」（Google 搜索排名系统指南）。其中「预期需要」说明，这种加权有明确条件，并非笼统地偏爱新页面。

查询类型	例子	新鲜度权重	实用的检查节奏
突发、易变	「X 今天出了什么事」、实时价格、服务状态	起决定作用。内容一旦过时就会直接出错，此时重点不在降权	持续更新或按事件更新
变动快的技术类	「做 X 用哪个模型最好」、API 与版本问题、工具对比	新鲜度权重高	至少每季度一次
周期性、季节性	「2026 年最好的 X」、年度榜单	临近时间节点时权重高，其余时间低	每年一次，赶在时间节点前
变动慢的实操类	操作指南、方法论	新鲜度权重中等	每半年一次
定义性、概念性	「什么是 X」、术语解释	新鲜度权重低。正确的定义不会过期	仅在事实发生变化时

实践中常见两种相反的偏差。定义性页面每月重写一次，几乎得不到回报，却容易出现 §7 所列的失误；价格页面如果一年没有更新，无论结构多好，都已经失去现时有效性。

不同引擎对新鲜度的敏感程度也不一样：

引擎	观察到的新鲜度倾向	实际含义
ChatGPT search	在主流助手中最偏好新内容	新近度在这里的作用最强
Perplexity	实时检索，对新近度敏感	重新抓取快，真实更新能较快得到回报
Google Gemini	偏好较新的内容，介于两端之间	新近度的影响处于中等水平
Google AI Overviews	倾向最弱，表现接近自然搜索	较难仅靠新鲜度拉开差距

上表只说明相对趋势。各平台的具体天数只来自一份厂商研究，查询构成也未公开，因此不能当作稳定不变的系数。类似的 GEO 基准数字也应如此看待，见可引用性 §5。

5. 引擎如何判断内容新鲜度

引擎判断内容新鲜度时会参考五类信息，其中发布方只能控制三类。

信息来源	具体内容	发布方的控制力
结构化日期	JSON-LD 里的 datePublished 与 dateModified，标记写法见 JSON-LD 与 面向 AI 的 Schema.org	完全自行声明
页面上可见的日期	供读者查看的署名日期，Google 建议标注为「发布」或「最后更新」	完全自行声明
站点地图的 lastmod	用于声明页面已经改动，见站点地图与 IndexNow	发布方先声明，引擎再核实
重新抓取时比对出的改动	引擎会比较两次抓取之间的内容差异；能否完成这次比对，取决于爬虫何时再次访问	无
旁证	其他可信来源是否也反映了同样的更新，也就是 E-E-A-T 所说的其他可信来源	无

引擎是否采信发布方提供的前三类信息，取决于后两类信息。

Google 的说明可以直接支持这一点。只有当站点地图的 lastmod「稳定且可核实地准确，例如通过与页面上一次实际修改做比对」时，Google 才会采用这个值；所谓实质更新是指正文、结构化数据或页面链接发生变化，明确不包括仅将版权年份更新一年（站点地图的构建与提交）。对于署名日期，Google 建议在页面显著位置显示日期，添加 datePublished 与 dateModified 标记，让可见值与结构化值保持一致，同时避免填写未来日期，也避免填写页面所述事件本身的日期（为搜索结果添加署名日期）。

不过，Google 关于 AI 功能的文档并没有把新鲜度列为一项要求，这与大量新鲜度建议给人的印象相反。文档明确写着：「要出现在 AI Overviews 或 AI Mode 中，没有额外要求，也不需要其他特别的优化」，也不需要专门的 schema.org 标记（AI 功能与你的网站；面向生成式 AI 功能的优化指南）。日期标记用于消除歧义：当页面上有多个日期时，它能帮助引擎识别正确日期。日期标记本身并不能提升新鲜度。

6. 内容失效的触发条件与更新节奏

6.1 五种失效触发条件

只有出现下列任一情况时，页面才需要更新；检查周期届满并不自动意味着要修改内容。

触发条件	怎么发现	该改什么
事实变化	定期核查页面中的可验证信息	修改相关主张及其标注日期
呈现方式变化	可见度监测发现引擎回答这类查询的方式发生变化	调整直接回答问题的内容，做法见为 AI 引用而写
被竞争对手挤掉	针对目标查询做引用追踪	针对对方更有优势的部分，补充更深入、更具体的信息
依赖项变动	监测页面所提及的依赖项是否发布新版本	只修改受影响的部分
数据过期	检查页面上每一处带年份的数据及其来源年份	更新过期的统计数字及其出处

只看自己的页面，发现不了第二条和第三条，需要使用 GEO 指标中的监测方法。

6.2 什么才算一次更新

层级	例子	日期与页面应如何处理
表面改动	错别字、排版、只改日期	这些改动不构成内容更新，不要修改 dateModified
实质改动	某条主张发生变化、重写某一节、补充新数据	更新 dateModified 与 lastmod，并通知引擎页面已经更新
结构性改动	页面的论点或范围发生了实质变化	更新 dateModified，并重新判断这些内容是否仍应保留在同一页面中

6.3 结合检查周期与触发条件

先按 §4 的表格，根据查询类型设定检查间隔；再用 §6.1 的表格判断是否需要修改。

检查周期用于提醒团队查看内容，并不要求每次都修改。很多关于更新节奏的建议把检查与更新混为一谈，由此催生了只改日期的习惯：如果将「每季度检查」理解为「每季度更新」，即使页面没有任何过时内容，也要留下修改记录，最后往往只改了日期。检查后若确认所有内容均未过时，就已经达到检查目的，不应作任何改动。

本站每个条目的 frontmatter 中都有 nextReviewDue 字段，用于安排定期检查；多数检查结束后，lastUpdated 并不会随之变化。

7. 反模式：改日期的陷阱

§3.2 已经表明，人为加入日期确实能显著影响重排器，这说明漏洞真实存在。即便如此，利用它仍然不划算：

反模式	为什么看似能提高新鲜度	为什么实际会失败
只改日期	把 dateModified 改为更近的日期，内容一字未动	引擎会用实际改动核验声明日期。内容未变却更新日期，只会损害可信度
年份滚动式改标题	「2026 年最好的 X」每年更换年份，正文照旧	标题声称内容仍然有效，正文却无法支持；§2 已经说明，发布方无法自行声明现时有效性
换个网址重新发布	把旧内容放到新页面，使时间记录重新开始	这样会丧失已经积累的链接与引用，还会产生一个与原页面互相竞争的近似重复页面
用 AI 重写来「翻新」	改写整个页面，重新抓取时确实能比对出改动	页面虽然发生了改动，内容的现时有效性却没有提高；而且这种做法本身就能被识别出来，见 AI 内容识别
给定义性页面强行加节奏	每月更新，让常青内容显得一直在变化	这类查询中新鲜度的权重接近于零，仍会产生实际成本，收益却几乎为零

Google 也明确指出，表格第一行的做法属于「以搜索引擎为先的内容」，还把它列入发布方的自查问题：「你是否在内容并无实质改动的情况下，改动页面日期让它显得较新？」（创作有帮助、可信、以人为本的内容）。

页面应先保持现时有效，再据此更新日期；不能靠调整新近度反过来证明内容仍然有效。

实验结果表明，人为调整日期确实能影响实验室里的重排器。然而，这种做法收益有限、持续时间短，还会造成更大、更持久的可信度损失。Fang 等人的结果说明模型存在新近偏好，而引擎有充分动机削弱这种偏好，因此长期利用这种偏好并不可行。刻意操纵日期信号本身就是一类公认的作弊手法，见 GEO 作弊与操纵。此外，一旦竞争对手也采用同样的优化，单方收益就会明显衰减（C-SEO Bench，Puerto 等，NeurIPS ‘25 D&B）。

8. 新鲜度对 GEO 的意义与实践建议

在所有采信信号中，新鲜度最容易伪造，长期保持却成本很高，这也是它具有价值的原因。它还是主要信号中唯一会被动衰减的一项：可引用性和 E-E-A-T 即使减弱，变化通常也很慢；页面的现时有效性却会随着外部事实变化而下降，何时下降不由发布方决定。

需要解决的问题	参考条目
排查哪些页面已经失效	GEO 审计
重写已经过时的页面	为 AI 引用而写
确认来源本身是否可信	E-E-A-T
确保更新后的页面能被整段引述	可引用性
通知引擎页面已经更新	站点地图与 IndexNow
了解新鲜度在整套方法中的位置	生成式引擎优化

参考文献

学术论文：

• Fang, H., Tao, S., Chen, N., Chang, K.-X. & Sakai, T. (2025). Do Large Language Models Favor Recent Content? A Study on Recency Bias in LLM-Based Reranking. SIGIR-AP ‘25. arXiv:2509.11353 · ACM DL · 本站论文条目
• Wan, A., Wallace, E. & Klein, D. (2024). What Evidence Do Language Models Find Convincing? ACL 2024 Main. arXiv:2402.11782 · 论文解读
• Puerto, H., Gubri, M., Green, C., Oh, S. J. & Yun, S. (2025). C-SEO Bench: Does Conversational SEO Work? NeurIPS ‘25 Datasets & Benchmarks. arXiv:2506.11097

原始数据研究：

• Law, R. & Guan, X. (2025). New Study: AI Assistants Prefer to Cite ‘Fresher’ Content (17 Million Citations Analyzed). Ahrefs

引擎方一手文档（截至 2026 年 7 月）：

• Google Search Central — 为搜索结果添加署名日期 · 帮助 Google 搜索识别页面最合适的日期
• Google Search Central — 站点地图的构建与提交
• Google Search Central — AI 功能与你的网站 · 面向生成式 AI 功能的优化指南
• Google Search Central — Google 搜索排名系统指南（其中「新鲜度系统」一项）· 创作有帮助、可信、以人为本的内容