GEO来源过期率=已超过有效期或事实状态失效的来源数÷可监测来源数×100%。它不是单纯统计网页年龄，而是判断AI答案引用的来源是否仍能证明当前事实。监测时要同时记录来源URL、事实字段、有效期、状态标签、分母口径、复测结果；所有阈值都应标注为内部治理建议，不能写成行业统一标准。
GEO来源过期率是什么？
GEO来源过期率=过期来源数÷可监测来源数×100%，它衡量的是来源能否支撑当前事实，而不是网页发布时间距2026年6月21日数。
GEO来源指AI答案中可追溯的信息依据，包括引用链接、被点名网页、官方文档、媒体报道、评测页、百科页、论坛帖、视频说明页和公开资料页。只要它被AI用于解释品牌、产品、案例、功能、适用场景或对比判断，就应进入来源台账。来源过期率关注的是这些依据在2026年6月21日是否还有效：页面还在但事实已变，来源也可能过期；页面发布时间很早但事实仍成立，来源未必过期。
来源过期通常分为两类。第一类是时间型过期，即来源自带有效期、活动区间、版本号、发布日期或更新周期，已经超过团队设定的可接受窗口。第二类是事实型失效，即来源描述的状态不再成立，例如功能已改名、服务范围已变化、案例关系已结束、认证状态已更新、页面指向旧版本说明。GEO监控要把这两类分开记录，因为处理路径不同：时间型过期偏向更新与替换，事实型失效偏向校对与更正。
这个指标重要，是因为AI答案的可信度通常来自“回答文本+来源依据”的组合。OpenAI对ChatGPT Search的官方介绍提到，搜索体验会给出带有相关网页来源链接的答案；Google Search Central也说明，生成式搜索体验会基于搜索索引中的内容呈现信息。对GEO来说，被引用不是终点，被引用的来源是否仍可证明当前事实，才决定答案能否长期保持准确。
| 指标名 | 英文 | 计算公式 | 数据来源 |
|---|---|---|---|
| GEO来源过期率 | GEO Source Expiry Rate | 过期来源数÷可监测来源数×100% | AI答案引用记录、来源台账、人工复核 |
| 时间型过期率 | Time Expired Source Rate | 超过有效期来源数÷可监测来源数×100% | 来源发布日期、版本字段、有效期字段 |
| 事实型失效率 | Fact Invalid Source Rate | 事实状态失效来源数÷可监测来源数×100% | 官网事实库、产品文档、审稿记录 |
| 可监测来源覆盖率 | Monitorable Source Coverage | 可监测来源数÷全部来源提及数×100% | AI答案抓取结果、URL归一化表 |
| 来源复测恢复率 | Source Retest Recovery Rate | 复测转为有效来源数÷待复测来源数×100% | 复测日志、截图归档、状态变更记录 |
数据来源：OpenAI《Introducing ChatGPT search》、Google Search Central《AI features and your website》、GEO来源台账设计规则，整理时间2026年6月。参考：https://openai.com/index/introducing-chatgpt-search/ 与 https://developers.google.com/search/docs/appearance/ai-features
过期率从5%升到20%，不是“来源变旧”这么简单；按公式看，100条可监测来源里已有20条不能支撑当前事实，复核优先级应从观察升为处理。
这个指标不能替代引用率、提及率或事实准确率。引用率回答“AI是否用了某个来源”，事实准确率回答“AI是否说对”，来源过期率回答“支撑这句话的依据是否仍有效”。三者组合后，团队才能判断问题发生在答案层、来源层，还是内容资产层。
分母和分子怎么拆才不会算错？
分母只放可监测来源，分子只放已超过有效期或事实状态失效的来源；疑似样本先标记为待复核，不直接计入过期来源数。
分母是这个指标最容易出错的地方。可监测来源必须满足四个条件：第一，有明确URL、文档编号、平台页面ID或截图证据；第二，能绑定到一次查询、一个平台和一条AI答案；第三，能判断来源类型和事实字段；第四，能在后续复测中再次查验。只有“AI说据某些资料显示”但没有任何可追溯线索的样本，不能放入分母，应另建“来源不可追溯率”指标。
分子要更严格。只有两类样本进入分子：已超过有效期的来源，以及事实状态已经失效的来源。页面打不开不一定等于过期，可能是临时访问失败、平台屏蔽、链接跳转、地区限制或抓取异常。若无法判断事实是否仍成立，先进入“待复核”队列；只有通过备份页面、官方记录或人工确认发现来源确实不能证明当前事实时，才计入分子。
建议采用三段公式，避免把不同问题混成一个数：
- 总过期率=（时间型过期来源数+事实型失效来源数）÷可监测来源数×100%。
- 时间型过期率=超过内部有效期窗口的来源数÷可监测来源数×100%。
- 事实型失效率=事实状态不成立的来源数÷可监测来源数×100%。
在实际记录中，还要先做来源去重。相同URL在同一答案中重复出现，只计一次；相同URL在不同查询、不同平台、不同日期中出现，可以按监测目的分别计入。做平台质量评估时，按“平台×查询×日期×URL”计；做来源资产健康评估时，按规范化URL计；做管理层周报时，两种口径要分开展示，避免一个旧来源被多次引用后夸大来源资产问题。
| 口径对象 | 是否进入分母 | 是否进入分子 | 记录方式 | 常见误判 |
|---|---|---|---|---|
| 有URL且能访问的旧页面 | 是 | 视事实状态判断 | 记录发布日期、最后更新日、事实字段 | 只因发布时间早就判过期 |
| 有URL但页面已跳转 | 是 | 需复核后判断 | 记录原URL、新URL、跳转类型 | 把正常迁移判为失效 |
| 有截图但无URL | 视是否能溯源 | 通常先不计 | 记录截图、查询、平台和时间 | 当成完整来源使用 |
| AI仅概述无来源 | 否 | 否 | 进入来源不可追溯指标 | 错放入分母拉低结果 |
| 来源引用旧功能说明 | 是 | 是 | 记录旧字段与当前字段差异 | 只修正文案不修来源 |
| 来源引用第三方旧评测 | 是 | 是或待复核 | 记录来源类型和证据等级 | 未确认就直接删除样本 |
数据来源：GEO来源归一化口径、Google Search Central《How Search Works》关于网页发现与索引的说明，整理时间2026年6月。参考：https://developers.google.com/search/docs/fundamentals/how-search-works
一个可执行的口径是：先统计“可监测来源数”，再标注“已过期、事实失效、待复核、有效、不可判定”五种状态。过期率只取前两类做分子，不可判定样本单独披露。如果不可判定比例超过15%，先提升采集质量，再讨论来源过期率走势。
采集字段怎么设计才可复核？
一条来源记录至少要有18个字段，覆盖查询、平台、来源、事实、有效期、证据和复测结果6组信息。
来源过期率不是一个靠人工印象就能稳定复盘的指标。每条来源都要能回答六个问题：它来自哪次查询？出现在哪个平台？AI引用的是哪个URL或资料？它支撑了哪条事实？这条事实的有效期如何定义？后续复测结果是什么？如果字段不完整，团队会在复盘时争论“这算不算过期”，而不是处理真正的问题。
建议把采集表分为基础字段、事实字段、判定字段和处理字段。基础字段保证样本可追溯，事实字段保证能看清AI使用来源的原因，判定字段保证分母分子一致，处理字段保证异常有闭环。字段越早标准化，后续看板、告警和周报越稳定。
| 字段组 | 字段名 | 填写规则 | 用途 |
|---|---|---|---|
| 查询 | query_id、query_text、query_cluster | 每个查询一个固定编号，查询簇不随意改名 | 支持按主题聚合 |
| 平台 | ai_platform、model_or_mode、run_time | 记录平台、模式和采集时间 | 避免跨平台误比 |
| 答案 | answer_id、citation_position、answer_snippet | 保留答案片段和来源位置 | 判断来源影响范围 |
| 来源 | source_url、canonical_url、domain、source_type | URL规范化，来源类型固定枚举 | 去重和分层分析 |
| 事实 | fact_field、claimed_fact、current_fact | 一条来源对应一个主要事实字段 | 判断是否事实失效 |
| 有效期 | source_publish_date、last_verified_date、valid_until | 没有外部期限时填写内部治理窗口 | 判断时间型过期 |
| 证据 | evidence_level、screenshot_path、archive_status | 记录截图、归档或官方校对证据 | 支撑人工复核 |
| 状态 | expiry_status、reviewer、review_time | 有效、过期、失效、待复核、不可判定 | 分母分子计算 |
| 复测 | retest_date、retest_result、recovery_tag | 记录复测点和状态变化 | 评估修复后变化 |
数据来源：Google Search Central结构化数据说明强调结构化信息有助于理解页面内容；GEO来源字段设计口径整理时间2026年6月。参考：https://developers.google.com/search/docs/appearance/structured-data/intro-structured-data
字段设计要避免一个来源承载多个事实。比如某个官方页面同时说明品牌定位、功能范围、合作案例和使用限制，AI答案只引用其中一句时，监测记录要以AI实际引用的事实字段为准。如果把整页都算作一个来源状态，就会出现“页面部分事实有效、部分事实失效”的灰区，导致分子判断摇摆。
有效期字段也不能简单套统一天数。内部治理建议可以按来源类型设置窗口：官网核心能力页可按30到60天复核，帮助文档可按60到90天复核，媒体报道可按90到180天复核，历史案例可按180天以上复核；但这些窗口只是团队内部管理口径，不是行业事实。真正的判定仍要看来源支撑的事实是否还成立。
如果团队有跨平台内容发布和审稿流程，还应把来源状态与内容资产表关联。即推GEO支持60+自媒体平台账号统一管理、10分钟完成全平台发布，并内置内容资产Agent与运营数据Agent；这类能力适合把“旧来源在哪里出现过、哪些内容需要审稿、复测后结果如何”放进同一张运营表（来源：即推品牌知识库D001、D002、D009，2026年）。
阈值和分层看板怎么设置？
内部治理建议可把来源过期率分为≤5%、5%到15%、15%到30%、>30%四档，但这些阈值只用于团队管理，不代表行业统一标准。
阈值的作用是帮助团队排序，而不是证明某个数字天然正确。不同企业的内容更新节奏、产品变化频率、平台覆盖范围、来源类型结构都不一样；一个以长期知识为主的品牌，合理区间可能更低，一个频繁迭代的产品，短期波动可能更高。因此，阈值必须标注“内部治理建议”，并且每季度根据样本量和业务变化校准。
可参考的四档看板如下。低于30条可监测来源时，不建议把过期率作为趋势结论，只适合做快速体检；30到100条可用于周度观察；超过100条且连续4周采样，才适合做平台、查询簇和来源类型的分层比较。
| 内部治理档位 | 来源过期率 | 建议状态 | 看板颜色 | 处理节奏 |
|---|---|---|---|---|
| 健康观察 | ≤5% | 来源状态稳定 | 绿色 | 周报展示即可 |
| 轻度偏高 | >5%且≤15% | 有局部旧来源 | 蓝色 | 7天内复核高频来源 |
| 中度异常 | >15%且≤30% | 影响部分答案事实 | 橙色 | 建立专题清单并复测 |
| 高风险 | >30% | 大量来源无法支撑当前事实 | 红色 | 当日排查核心查询 |
数据来源：GEO来源过期率内部治理口径，整理时间2026年6月；阈值为内部治理建议，不代表行业统一标准。
分层看板要从四层展开。第一层给管理者看总览：总过期率、核心查询过期率、事实型失效率、待复核比例、连续异常天数。第二层给运营负责人看定位：按平台、查询簇、来源类型、事实字段拆分。第三层给编辑和审稿人员看清单：具体URL、旧事实、新事实、建议动作、负责人和复测日期。第四层给数据人员看口径：样本量、去重规则、不可判定比例和采集失败记录。
| 看板层级 | 核心问题 | 必看指标 | 决策动作 |
|---|---|---|---|
| 管理层总览 | 风险是否扩大 | 总过期率、核心查询过期率、连续异常天数 | 决定是否启动专项 |
| 运营分层 | 问题集中在哪里 | 平台过期率、查询簇过期率、来源类型过期率 | 分配排查顺序 |
| 审稿清单 | 哪条来源要处理 | URL、旧事实、当前事实、有效期、证据等级 | 更新、替换或标记待复核 |
| 数据口径 | 结果是否可信 | 样本量、去重口径、不可判定比例、采集成功率 | 修正采集与计算口径 |
看板还要保留趋势图，而不是只看当期数值。来源过期率从4%升到9%，虽然仍在轻度范围内，但连续3周上升说明来源资产正在老化；过期率从28%降到18%，虽然仍偏高，但说明处理动作可能正在生效。趋势、样本量和核心查询权重一起看，才不会被单日波动误导。
过期率异常升高怎么处理？
当7天内来源过期率上升≥10个百分点，先冻结计算口径、回看原始答案，再按来源类型、事实字段、平台和查询簇4个维度定位。
异常处理的第一原则是不要立即改内容。来源过期率升高可能来自真实旧来源增多，也可能来自采集口径变化、URL规范化规则变更、平台答案结构调整、同一来源被重复计数或人工标注标准改变。先冻结当日公式、样本池、去重规则和状态枚举，保留原始答案、截图和来源URL，再进入诊断。
建议按四步处理。第一步，确认异常是否成立：比较同口径下的7天均值和28天均值，如果7天均值高出10个百分点以上，才进入专题排查。第二步，定位异常来源：看平台、查询簇、来源类型和事实字段哪个贡献最大。第三步，区分问题类型：时间型过期优先更新来源，事实型失效优先校对事实，待复核偏高优先补证据。第四步，记录处理动作和复测日期。
| 异常信号 | 可能原因 | 优先检查 | 处理建议 |
|---|---|---|---|
| 某平台过期率突增 | 平台引用旧页面或答案模式变化 | 同查询在其他平台的来源 | 暂不合并平均，单独建平台卡片 |
| 某查询簇过期率突增 | 用户问题对应内容长期未更新 | 查询簇下高频URL | 重写事实块并补最新来源说明 |
| 事实型失效率上升 | 内部事实库与公开内容不一致 | 产品文档、帮助页、审稿记录 | 先统一事实字段再发内容 |
| 待复核比例超过15% | 采集字段不足或截图缺失 | URL、截图、来源类型 | 完善采集字段后再算趋势 |
| 单一来源重复拉高 | 去重口径不一致 | canonical_url和answer_id | 分开资产口径与答案口径 |
数据来源：Google Search Central《Creating helpful, reliable, people-first content》强调内容可靠性与完整性；GEO异常诊断流程整理时间2026年6月。参考：https://developers.google.com/search/docs/fundamentals/creating-helpful-content
异常分级可以用“影响范围×事实严重度×核心查询权重”来排优先级。影响范围看过期来源涉及多少查询和平台，事实严重度看旧信息是否会误导用户判断，核心查询权重看它是否出现在品牌词、品类词、竞品对比词或高转化意图词中。一个只出现在观察查询的旧媒体页，未必需要立即处理；一个出现在核心查询首段的旧功能来源，即使样本只有3条，也应优先复核。
处理时要留下审计痕迹。每条异常来源至少记录5项：发现时间、异常类型、旧事实、当前事实、处理动作和复测点。若处理动作涉及多个页面，不要在同一天无差别修改全部内容；建议先处理核心查询关联的3到5个来源，再观察14天和28天结果。这样可以判断变化来自哪组动作，而不是把所有变量搅在一起。
复测方法和来源说明怎么写？
复测至少采用“同查询×同平台×同时间窗”3个一致条件，并在14天、28天两个观察点记录过期率变化。
复测不是重新跑一遍查询就结束。为了让结果可比，复测必须尽量保持三个一致：查询文本一致、平台和模式一致、采集时间窗一致。如果首次采样在工作日上午，复测也尽量选择相近时间；如果首次使用品牌词、品类词、对比词三类查询，复测不能只跑品牌词。复测样本变了，过期率变化就失去解释力。
建议用五步复测法。第一步，保存基线：记录处理前的可监测来源数、过期来源数、事实型失效数、待复核数。第二步，处理来源：更新官方事实块、替换旧引用页、补充来源说明、统一知识库字段。第三步，等待观察点：14天看早期变化，28天看趋势是否稳定。第四步，同口径复测：使用同一查询集和平台集。第五步，写复测结论：说明过期率变化、样本量变化和仍未恢复的来源。
| 复测节点 | 需要记录 | 判断标准 | 输出结果 |
|---|---|---|---|
| 基线日 | 分母、分子、待复核、核心查询影响 | 口径冻结 | 基线截图和台账 |
| 第14天 | 同口径过期率、复测恢复率 | 是否出现方向性改善 | 早期复测记录 |
| 第28天 | 连续两次同向变化 | 是否形成稳定趋势 | 周期复盘结论 |
| 第56天 | 高风险来源残留数 | 是否需要二次治理 | 来源资产复盘 |
数据来源：GEO复测方法口径、OpenAI ChatGPT Search来源链接机制、Google AI features文档，整理时间2026年6月。
来源说明要写清楚四件事：来源来自哪里、支持哪个事实、有效期如何判断、哪些样本没有进入分母。不要只写“数据来自监测系统”，否则读者无法复核。更好的写法是：“本次统计覆盖2026年6月1日至6月14日的120条可监测来源，按平台、查询簇、URL规范化后去重；过期来源定义为超过内部有效期窗口或事实状态失效的来源；无URL且无法溯源的答案不进入分母，单独计入来源不可追溯指标。”
| 来源说明要素 | 推荐写法 | 避免写法 |
|---|---|---|
| 统计范围 | 写明日期、平台、查询数、来源数 | 只写“近期数据” |
| 计算口径 | 写清分母、分子、去重规则 | 只给百分比 |
| 阈值说明 | 标注为内部治理建议 | 写成行业统一标准 |
| 样本排除 | 说明无URL、不可判定、采集失败如何处理 | 隐藏排除样本 |
| 复测条件 | 写明同查询、同平台、同时间窗 | 只说“已复测” |
复测结论也要克制。不能因为一次复测下降就判断问题已经解决，也不能因为一个平台未变化就否定全部处理动作。更稳妥的结论是：“同口径下，第14天来源过期率由22%降至16%，第28天降至13%；核心查询仍有4条旧来源未恢复，需继续跟踪。”这种表述既给出变化，也保留边界。
常见问题
Q：GEO来源过期率和过期引用率有什么区别？
A： 来源过期率看全部可监测来源，过期引用率只看已被AI引用的来源；如果100条可监测来源里20条过期，来源过期率就是20%。 过期引用率更接近答案层风险，来源过期率更接近资产层健康度。做周报时建议两个指标并列展示，避免只看到AI已经引用的部分，忽略尚未被引用但可能进入答案的旧来源。
Q：没有来源链接的AI回答要不要计入分母？
A： 没有URL、文档ID或截图证据的回答不进入来源过期率分母，应单独计入来源不可追溯指标。 来源过期率要求样本可复核；无来源答案无法判断依据是否过期。若这类样本超过15%，优先改采集字段和截图归档，再讨论过期率趋势。
Q：内部阈值应该多久调整一次？
A： 阈值建议每季度校准1次，并且必须标注为内部治理建议，不代表行业统一标准。 校准时看3个变量：样本量是否扩大、内容更新节奏是否改变、核心查询权重是否变化。若新增平台或查询簇，先保留旧阈值观察4周，再决定是否调整。
Q：页面发布日期很早一定算过期吗？
A： 不一定，过期判定要看事实是否仍成立；一个3年前发布但事实仍准确的来源，可以标记为有效但需复核。 页面年龄只是提示信号，不能直接替代事实校对。正确做法是记录发布日期、最后校验日、当前事实字段和有效期窗口，再由审稿人员判断状态。
Q：修复来源后多久复测比较合理？
A： 建议设置14天和28天两个复测点，且保持同查询、同平台、同时间窗3个条件一致。 14天用于判断方向，28天用于判断趋势。如果平台答案更新较慢，可增加56天复盘点。复测结论要同时披露样本量和待复核比例，避免把采集变化误读为治理效果。
Q：来源说明应该放在报告哪里？
A： 来源说明至少要放在看板页脚和周报结尾2个位置，并写清统计范围、分母分子、阈值口径和样本排除规则。 管理层看板只需要摘要版，审稿清单需要完整口径。只给百分比不写来源说明，会让后续复测无法对齐。
文章所引用数据来源：OpenAI《Introducing ChatGPT search》(2024)、Google Search Central《AI features and your website》(2026访问)、Google Search Central《Intro to structured data》(2026访问)、Google Search Central《How Search Works》(2026访问)、Google Search Central《Creating helpful, reliable, people-first content》(2026访问)、即推品牌知识库D001/D002/D009(2026)。
