<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:media="http://search.yahoo.com/mrss/">
  <channel>
    <title>Content Strategy · 仁才德</title>
    <link>https://jared.lynskey.co.nz/zh-cn/tags/content-strategy/</link>
    <description>关于软件工程与研发团队领导力的短文——绩效评估、招聘与团队扩张、CI/CD、DevOps 监控、智能体 AI。写于首尔。</description>
    <generator>Hugo</generator>
    <language>zh-CN</language>
    <copyright>© 2026 仁才德</copyright>
    <lastBuildDate>Sat, 07 Nov 2026 00:00:00 +1300</lastBuildDate>
    <atom:link href="https://jared.lynskey.co.nz/zh-cn/tags/content-strategy/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>怎样被 ChatGPT 引用：一个小博客做了什么，日志又怎么说</title>
      <link>https://jared.lynskey.co.nz/zh-cn/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/</link>
      <guid isPermaLink="true">https://jared.lynskey.co.nz/zh-cn/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/</guid>
      <pubDate>Wed, 16 Sep 2026 00:00:00 +1200</pubDate>
      <dc:creator>Jared Lynskey</dc:creator>
      <category>SEO</category>
      <category>Crawlers</category>
      <category>LLM</category>
      <category>Hugo</category>
      <category>Cloudflare</category>
      <category>Content Strategy</category>
      <category>Writing</category>
      <description>想被 ChatGPT 等 AI 助手引用（GEO），我在这个博客上做了什么：该放行哪些 bot、不用浏览器就能读的 HTML、带作者的结构化数据，以及没人读的 llms.txt。</description>
      <content:encoded><![CDATA[<p>想被 ChatGPT 等 AI 助手引用，第一步是放行它们回答问题时来抓页面的检索 bot。这些 bot 和训练爬虫是两回事，拦住一种对另一种毫无影响。然后要给出不跑 JavaScript 也能读的 HTML，并带上写明作者的结构化数据。至于 llms.txt，从我的日志看根本没人来取，所以没用；最要紧的是写作时让每一节第一句就亮出结论，让任何一段都能单独被引用。</p>
<p>这个博客的搜索流量已经平了两三年，我也不指望它再动了。所以我转而去看访客都是从哪来的，AI 助手在不在其中。在，勉强算在。截至 2026 年 9 月 16 日的十二个月里，访问统计记到这里有 5,372 个会话。其中 27 个来自 AI 助手：12 个来自 chatgpt.com，9 个来自 gemini.google.com，6 个来自 Perplexity，来自 claude.ai 的是零。半个百分点。不过从 ChatGPT 来的访客是好的那种。他们平均停留五分钟，直接访问是 27 秒，Google 来的是三分钟，因为他们已经读过答案，想看的是细节。</p>
<p><figure><span class="mc-img"><img
    class="my-0 rounded-md"
    loading="lazy"
    decoding="async"
    fetchpriority="auto"
    alt="十二个月按来源统计的会话数，AI 助手高亮显示"
    width="2400"
    height="1164"
    src="https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/chart-referrers_hu_590f408ed875db1f.webp"
    srcset="https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/chart-referrers_hu_590f408ed875db1f.webp 800w, https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/chart-referrers_hu_d8da7a3f1d1c9190.webp 1280w"
    sizes="(min-width: 768px) 50vw, 65vw"
    data-zoom-src="https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/chart-referrers_hu_b3dda7d23abf271d.webp"></span><figcaption>十二个月按来源统计的会话数。蓝色是 AI 助手：5,372 次会话里占 27 次。</figcaption></figure>
</p>
<p>所以我花了些时间琢磨，一个小博客怎么才能被选中当这些回答的来源。这篇写的是我在这个站上做了什么，以及日志对此怎么说。有数字的地方我给数字，靠猜的地方我说明是猜。初稿里有三句话，一查之下发现是错的，我把改正留在了文里。</p>

<h2 class="relative group">两种 bot，只有一种会引用你
    <div id="两种-bot只有一种会引用你" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e4%b8%a4%e7%a7%8d-bot%e5%8f%aa%e6%9c%89%e4%b8%80%e7%a7%8d%e4%bc%9a%e5%bc%95%e7%94%a8%e4%bd%a0" aria-label="锚点">#</a>
    </span>
    
</h2>
<p>第一件要弄清楚的事：&ldquo;AI bot&rdquo; 其实是两种不同的活，用的是不同的 user agent，拦住一种对另一种毫无影响。</p>
<p>训练爬虫成批地抓页面，用来训练下一个模型。OpenAI 的叫 GPTBot，Anthropic 的叫 ClaudeBot，Google 的由 Google-Extended 这个 token 控制，Apple 的是 Applebot-Extended，Common Crawl 的 CCBot 则喂着大多数开放数据集。它们拿走的东西最后变成权重，不会有任何链接指回你。拦掉这些是有道理的，我不觉得这想法傻。</p>
<p>检索 bot 是另一种。有人问 ChatGPT、Claude 或 Perplexity 一个问题时，助手会跑一次搜索，当场抓几个页面，读一遍，然后写出带引用的回答。这些抓取来自 OAI-SearchBot 和 ChatGPT-User、Claude-SearchBot 和 Claude-User、PerplexityBot 和 Perplexity-User。Google 的 AI Overviews 用的就是普通的 Googlebot，所以根本没有单独的开关。会把访客送回来的是这些 bot。如果目标是被引用，你要优化的就是它们，而且值得知道的是，拦不拦 GPTBot，ChatGPT 的搜索结果都不会因此变好或变坏。</p>
<p>这个站的 robots.txt 是 Hugo 的默认，也就是全部放行：</p>
<div class="highlight-wrapper"><div class="highlight"><pre tabindex="0" class="chroma"><code class="language-text" data-lang="text"><span class="line"><span class="cl">User-agent: *
</span></span><span class="line"><span class="cl">Allow: /
</span></span><span class="line"><span class="cl">Sitemap: https://jared.lynskey.co.nz/sitemap.xml</span></span></code></pre></div></div>
<p>我想过把它拆开，放检索 bot 进来，把训练爬虫挡在外面，最后觉得对一个存在意义就是被人读的博客来说不值得。真要那么做的话，写出来就是下面这样。把它放出来是因为和<a href="https://jared.lynskey.co.nz/zh-cn/posts/2026/2026-09-09-cloudflare-crawlers-cache/" >Cloudflare 给 Googlebot 发了一个空页面</a>里的教训一样：列表里写的得是 bot 的名字，不是厂商。没有哪一行能写成&quot;OpenAI&quot;。</p>
<div class="highlight-wrapper"><div class="highlight"><pre tabindex="0" class="chroma"><code class="language-text" data-lang="text"><span class="line"><span class="cl">User-agent: GPTBot
</span></span><span class="line"><span class="cl">User-agent: ClaudeBot
</span></span><span class="line"><span class="cl">User-agent: Google-Extended
</span></span><span class="line"><span class="cl">User-agent: Applebot-Extended
</span></span><span class="line"><span class="cl">User-agent: CCBot
</span></span><span class="line"><span class="cl">Disallow: /
</span></span><span class="line"><span class="cl">
</span></span><span class="line"><span class="cl">User-agent: *
</span></span><span class="line"><span class="cl">Allow: /</span></span></code></pre></div></div>
<p>站在 Cloudflare 后面的话，有一件事要查一下。从 2025 年年中起，那里新建的 zone 默认拦 AI 爬虫，bot 设置里还有一个一键开关，能对已有的 zone 做同样的事。它两种都拦。这个博客上周刚搬到 Cloudflare Pages，所以这件事在我的清单上。如果你因为&quot;AI bot&quot;听起来像该挡的东西就把它打开了，那你也把引用一起关掉了。Cloudflare 后来开始在它托管的 robots.txt 里写一行 <code>Content-Signal</code>，带 <code>search</code>、<code>ai-input</code> 和 <code>ai-train</code> 三个独立的标志。没人有义务遵守它，但这套词是对的：和上面一样的划分，只是表达成一种偏好，而不是一堵墙。</p>

<h2 class="relative group">真正来敲门的是谁
    <div id="真正来敲门的是谁" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e7%9c%9f%e6%ad%a3%e6%9d%a5%e6%95%b2%e9%97%a8%e7%9a%84%e6%98%af%e8%b0%81" aria-label="锚点">#</a>
    </span>
    
</h2>
<p>搬到 Cloudflare 有个副作用：我头一次能按 user agent 看到每一个请求。下面是 2026 年 9 月 13 日到 16 日这四天进来的东西，假冒的已经剔掉了，那部分后面再说。</p>
<table>
	<thead>
			<tr>
					<th>Bot</th>
					<th>请求数</th>
					<th>做了什么</th>
			</tr>
	</thead>
	<tbody>
			<tr>
					<td>ClaudeBot（训练）</td>
					<td>1,777</td>
					<td>两天里抓了 1,380 个不同页面，五种语言全在内，另外读了 37 次 robots.txt</td>
			</tr>
			<tr>
					<td>meta-externalagent（训练）</td>
					<td>1,748</td>
					<td>一样，晚一天</td>
			</tr>
			<tr>
					<td>OAI-SearchBot（ChatGPT 的搜索索引）</td>
					<td>59</td>
					<td>五种语言的页面都有，robots.txt 读了十六次</td>
			</tr>
			<tr>
					<td>ChatGPT-User（回答时抓取）</td>
					<td>20</td>
					<td>冷启动那篇的日语版、自建更新服务器那篇、首页</td>
			</tr>
			<tr>
					<td>Claude-User（回答时抓取）</td>
					<td>8</td>
					<td>更新服务器那篇、联系页、首页</td>
			</tr>
			<tr>
					<td>PerplexityBot</td>
					<td>2</td>
					<td>iOS 调试那篇，英语版和越南语版</td>
			</tr>
			<tr>
					<td>Claude-SearchBot、Perplexity-User</td>
					<td>0</td>
					<td></td>
			</tr>
			<tr>
					<td>Googlebot / Bingbot / Applebot / CCBot</td>
					<td>168 / 71 / 45 / 28</td>
					<td></td>
			</tr>
	</tbody>
</table>
<p>有两点很显眼。训练爬虫把整个站读了两遍，用的时间只够检索 bot 读几十个页面。而检索 bot 抓的不是随机页面：ChatGPT-User 和 Claude-User 都奔着更新服务器那篇去了，那是站上最具体的一篇，日语的冷启动那篇被抓的也正是日语版。</p>
<p>再说假冒的。自称 GPTBot 的 20 个请求里，有 18 个来自 OpenAI 公布的地址段之外，要的是 <code>/.env</code>、<code>/.git/HEAD</code> 和 <code>/firebase-adminsdk.json</code>。36 个 &ldquo;ChatGPT-User&rdquo; 请求里有 15 个是同一路货色。&ldquo;PerplexityBot&rdquo; 的流量大多想要 <code>/id_ed25519</code>。user agent 就是一个谁都能发的字符串，漏洞扫描器已经发现 AI bot 的名字会被放行。OpenAI、Anthropic 和 Perplexity 都公布了自己的 IP 段。如果你打算对某个 bot 特殊对待，不管是放还是拦，查地址，别查名字。上面的 20、59 和 8，是从正确地址来的那些请求。</p>
<p><figure><span class="mc-img"><img
    class="my-0 rounded-md"
    loading="lazy"
    decoding="async"
    fetchpriority="auto"
    alt="声称是 OpenAI user agent 的请求，按是否来自 OpenAI 公布的 IP 段拆分"
    width="2400"
    height="722"
    src="https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/chart-spoofed_hu_e7035266dc7ce0b1.webp"
    srcset="https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/chart-spoofed_hu_e7035266dc7ce0b1.webp 800w, https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/chart-spoofed_hu_638e8c6286f5c91f.webp 1280w"
    sizes="(min-width: 768px) 50vw, 65vw"
    data-zoom-src="https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/chart-spoofed_hu_11d44262308d7c6c.webp"></span><figcaption>同样的 user agent 字符串，按来源地址拆开。多数自称 &lsquo;GPTBot&rsquo; 的流量根本不是 OpenAI 发来的。</figcaption></figure>
</p>

<h2 class="relative group">页面不用浏览器也得能读
    <div id="页面不用浏览器也得能读" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e9%a1%b5%e9%9d%a2%e4%b8%8d%e7%94%a8%e6%b5%8f%e8%a7%88%e5%99%a8%e4%b9%9f%e5%be%97%e8%83%bd%e8%af%bb" aria-label="锚点">#</a>
    </span>
    
</h2>
<p>检索 bot 在回答的那一刻抓取，有超时，而且大多数不跑 JavaScript。一个在 bundle 加载完之前只是一个空 div 的页面，就是它们读不到的页面。Hugo 输出的是完整的 HTML，所以这个博客白得了这一点，这也是我从没动过心思把它搬到什么更聪明的东西上的主要原因。我做的市场应用是反面例子，一个 React Native 的 Web 应用，为了让爬虫拿到一份真正的文档，先做了一条动态渲染分支，然后又被一个缓存 bug 悄悄抵消了。上面那篇 Cloudflare 的文章讲的就是这事。</p>
<p>速度也是同样的道理，而这里日志纠正了我。我原本以为，静态站放在 Cloudflare 后面，就是从最近的边缘节点出去的。不是。这个博客放在 Cloudflare Pages 上，HTML 是不经缓存发出去的，从首尔发请求，响应从洛杉矶回来，大约要半秒。对一个超时有好几秒的 bot 来说这仍然够用，但它不是我原本会张口就说的几十毫秒，而且我知道这一点只是因为我测了。一个正从六个页面里拼答案的助手，会把那个要花三秒的丢掉，而且不会告诉你它丢了。</p>

<h2 class="relative group">写得让一段话能单独被摘出来
    <div id="写得让一段话能单独被摘出来" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%86%99%e5%be%97%e8%ae%a9%e4%b8%80%e6%ae%b5%e8%af%9d%e8%83%bd%e5%8d%95%e7%8b%ac%e8%a2%ab%e6%91%98%e5%87%ba%e6%9d%a5" aria-label="锚点">#</a>
    </span>
    
</h2>
<p>这些系统用页面的方式和读者不一样。它们把页面切成块，给每块按问题打分，引用得分高的那些。一篇用八百字铺垫到结论的文章，每一块的分都低。一篇每一节第一句就亮出观点、后面再论证的文章，会在匹配的那一节得分。</p>
<p>这件事对我在这里写东西的影响，比任何技术上的事都大。front matter 里的 description 现在是对文章内容的概括，不是勾你点进来的钩子，因为 description 往往是助手唯一展示的部分。小节标题说的是这一节的结论。数字连同单位写进句子，而不是放在图表里。日期写全，因为&quot;上周&quot;对一年后读这页的模型来说什么都不是。还有，一篇文章只讲一件事。</p>
<p>另一半是要有值得引用的东西，而这里的数据是掺杂的。日志里，回答时的 bot 抓的都是具体的那些页面：冷启动、更新服务器、iOS 调试。Naver 的爬虫叫 Yeti，Daum 的叫 Daumoa，我用的托管平台上机器重启是一个 30 秒的 504 窗口，Cloudflare 在线做的 Brotli 在我的 bundle 上测出来比 gzip 还差。这些事实没几个地方写过，所以需要其中某一条的问题就会落到这里。可是从助手那边点进来的人，大多落在 2023 年和 2024 年那些讲管理的文章上，每篇一两个会话。具体的文章被机器读，泛泛的文章拿到点击。这我给不出一个利落的解释，宁可照实报出来，也不想编一个。杠杆要是有的话，仍然是把你这周弄明白的、当初搜也搜不到的那件具体的事写下来，因为机器明摆着读的就是这些。</p>

<h2 class="relative group">说清楚是谁写的，而且每次都说一样的
    <div id="说清楚是谁写的而且每次都说一样的" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e8%af%b4%e6%b8%85%e6%a5%9a%e6%98%af%e8%b0%81%e5%86%99%e7%9a%84%e8%80%8c%e4%b8%94%e6%af%8f%e6%ac%a1%e9%83%bd%e8%af%b4%e4%b8%80%e6%a0%b7%e7%9a%84" aria-label="锚点">#</a>
    </span>
    
</h2>
<p>一个助手在决定要不要引用一个页面时，做的事和一个认真的读者差不多：这是谁写的，什么时候写的，和我找到的其他东西对得上吗？这个站上这部分的机制大多是主题的功劳。每篇文章都带 Article 结构化数据，有作者、发布日期和修改日期，作者是一个 Person，链接到同一组公开主页。这在模板里只是几行，却是&quot;一个页面&quot;和&quot;一个有来历的、署了名的人写的页面&quot;之间的区别。</p>
<p>不是主题功劳的那部分是一致性。关于页、llms.txt、各个公开主页和每篇文章顶上的那一行，描述的都是同一个人，同一段工作经历。有东西变了，就全都要改，不然忘掉的那个就成了错的那个。听起来挺较真，但一个页面说我是工程经理、另一个说我是自由职业，正是那种会让模型含糊其辞、或者干脆换个人引用的矛盾。</p>
<p>修改日期也得老实。内容变了它才变，否则我不碰它。为了显得新鲜而去改它，是那种管用一次、然后整个域名都被打折扣的事。</p>

<h2 class="relative group">llms.txt 是什么，以及没人读它这件事
    <div id="llmstxt-是什么以及没人读它这件事" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#llmstxt-%e6%98%af%e4%bb%80%e4%b9%88%e4%bb%a5%e5%8f%8a%e6%b2%a1%e4%ba%ba%e8%af%bb%e5%ae%83%e8%bf%99%e4%bb%b6%e4%ba%8b" aria-label="锚点">#</a>
    </span>
    
</h2>
<p>llms.txt 是 2024 年 9 月提出的一个方案：在站点根目录放一个 Markdown 文件，给语言模型一段站点概述和一份精选的链接列表。我今年 2 月加了一份。开头一段讲我是谁，然后按管理、基础设施、移动和社区分节，每篇文章一行：标题、URL，加一句话说这篇文章的结论。读起来像一份写给赶时间的人的目录。</p>
<p>要说明的是，没人读它。在我手上这四天的日志里，请求过 <code>/llms.txt</code> 的只有我自己。Common Crawl 在 2026 年 8 月那一轮抓取里收了这个站的 76 个页面，从来没收过这个文件。没有哪家主要的助手说过它会读它。所以这里有什么被引用都不是因为它，我也不会以此为由推荐给任何人。留着它有两个原因。它只花了一个小时，而且给每篇文章写一句&quot;这篇到底得出了什么结论&quot;，比文件本身更值，因为它让我看到了哪些文章什么结论都没有。它也是站上唯一一个告诉机器这个站是干什么的页面，我宁愿有它而用不上。之后它已经跑偏了，因为我是手写的，会忘，这也是应该改成用 Hugo 的输出格式从 front matter 生成它的理由。这事在清单上。</p>

<h2 class="relative group">Feed、sitemap 和五种语言
    <div id="feedsitemap-和五种语言" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#feedsitemap-%e5%92%8c%e4%ba%94%e7%a7%8d%e8%af%ad%e8%a8%80" aria-label="锚点">#</a>
    </span>
    
</h2>
<p>无聊的管道照样算数。sitemap 是爬虫在新文章上线当天找到它的方式。RSS 是它得知一篇文章改过的方式。两个都是 Hugo 的默认，我从没需要操心。ClaudeBot 两天里读了 36 次 sitemap，它就是这样那么快找到 1,380 个页面的。</p>
<p>语言是我没料到会有影响的部分。这里的所有内容都有英语、日语、韩语、简体中文和越南语版本，带 alternate 链接，让爬虫知道它们是同一篇文章。爬虫把它们当成五个站：ClaudeBot 的抓取几乎是在五种语言之间平分的，Common Crawl 8 月收走的 73 个文章页面里，只有四个是英语的。助手用被提问的语言回答，也偏向那种语言的来源，所以一个关于冷启动的韩语问题，可以直接从韩语页面回答，而不是现场把英语页面翻一遍，而 ChatGPT 实际抓走的正是日语那一页。条件是译文读起来得像用那种语言写的。今年早些时候我请母语者帮着检查做的那一遍修订，本来是为了人类读者，但也正是它让越南语页面成了一个来源，而不是一个稀奇玩意儿。</p>

<h2 class="relative group">我能测量什么
    <div id="我能测量什么" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e6%88%91%e8%83%bd%e6%b5%8b%e9%87%8f%e4%bb%80%e4%b9%88" aria-label="锚点">#</a>
    </span>
    
</h2>
<p>比我以为的多，只要别再靠猜。Cloudflare 的免费套餐给的是按 user agent 和路径分的请求日志，一次查询一天，上面那张 bot 表就是从这来的；referrer 要付费套餐才有。访问统计工具里有 referrer，通过它的报表 API 把数据拉出来，而不是眯着眼看仪表盘，开头那些数字就是这么来的。两边合起来能看出个大致轮廓。四天里，检索 bot 从 OpenAI 和 Anthropic 的地址抓了大约九十个页面。上一个月，有两个人从 ChatGPT 过来。读得多，偶尔引，很少点。据我所知，还是没有办法看到那些用了某个页面却没被点击的回答。最有用的检查依然是手动的那种：拿你文章回答的那个问题去问助手，看它引的是谁的页面。</p>
<p><figure><span class="mc-img"><img
    class="my-0 rounded-md"
    loading="lazy"
    decoding="async"
    fetchpriority="auto"
    alt="十三个月里每月来自 AI 助手的会话数，看不出趋势"
    width="2400"
    height="968"
    src="https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/chart-monthly_hu_cd5dc99be8b0cfc3.webp"
    srcset="https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/chart-monthly_hu_cd5dc99be8b0cfc3.webp 800w, https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/chart-monthly_hu_7d401a84f177509c.webp 1280w"
    sizes="(min-width: 768px) 50vw, 65vw"
    data-zoom-src="https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/chart-monthly_hu_5c308d89ad110ef7.webp"></span><figcaption>AI 助手带来的访问按月分布。没有什么趋势可言。</figcaption></figure>
</p>
<p>如果这一切里只能留一样，我留写作那条规则。robots.txt、结构化数据和 llms.txt 是一个下午的活，做完就完了。让每一节先说观点，写具体的事而不是泛泛的事，是一种习惯，而正是这个习惯决定了一个页面到底值不值得引用。第二样是：先测了再说。被机器信任，结果看起来和被人信任很像：说你是谁，说你知道什么，而且每次都用同一种说法。</p>
]]></content:encoded>
      <media:content url="https://jared.lynskey.co.nz/en/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/featured.jpg" medium="image" type="image/jpeg" />
    </item>
    <item>
      <title>内容排序算法：浏览量和点赞之外，还该看哪些信号</title>
      <link>https://jared.lynskey.co.nz/zh-cn/posts/2023/2023-10-06-reinenforcement-learning/</link>
      <guid isPermaLink="true">https://jared.lynskey.co.nz/zh-cn/posts/2023/2023-10-06-reinenforcement-learning/</guid>
      <pubDate>Fri, 06 Oct 2023 00:30:03 +0000</pubDate>
      <dc:creator>Jared Lynskey</dc:creator>
      <category>Content Ranking</category>
      <category>Metrics</category>
      <category>SEO</category>
      <category>Machine Learning</category>
      <category>User Engagement</category>
      <category>Content Strategy</category>
      <description>内容排序算法到底在做什么，为什么只按浏览量和点赞排会让热门的越来越热，还有哪些信号值得一起算进同一个分数，附一段加权求和再按时间衰减的示例代码。</description>
      <content:encoded><![CDATA[<p>内容排序算法决定信息流、搜索结果页或者“热门”榜单里，什么排前面、什么排后面。它给每条内容算一个分数，分数来自好几种信号（用户对它的反应、内容本身怎么样、够不够新、相关不相关），然后按分数排序。可如果只按浏览量和点赞排，就会陷入“强者恒强”的循环：排在最上面的被看到得最多，于是攒到更多浏览和点赞，于是继续待在最上面。</p>
<p>这就是浏览量和点赞明摆着的缺陷：它们只奖励本来就火的东西。新内容在信息流底部挨饿，平台慢慢变成一个重播频道。信息流排序在我们公司也是个不显山露水的难题，所以哪些信号值得信任，我花了不少时间琢磨。</p>

<h3 class="relative group">看行为，别看点击
    <div id="看行为别看点击" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e7%9c%8b%e8%a1%8c%e4%b8%ba%e5%88%ab%e7%9c%8b%e7%82%b9%e5%87%bb" aria-label="锚点">#</a>
    </span>
    
</h3>
<p>显式反馈又少又有偏；行为数据却管够。停留时长和滚动深度能告诉你，这篇东西是真被读完了，还是第一段就被人关掉了。回访更有分量——愿意回头再读一篇文章，比任何点赞都更能说明问题。而秒退是很有用的负面信号：内容承诺的东西，读者没拿到。</p>

<h3 class="relative group">藏在内容本身的信号
    <div id="藏在内容本身的信号" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e8%97%8f%e5%9c%a8%e5%86%85%e5%ae%b9%e6%9c%ac%e8%ba%ab%e7%9a%84%e4%bf%a1%e5%8f%b7" aria-label="锚点">#</a>
    </span>
    
</h3>
<p>好内容未必一上来就收获点赞，但质量总会以别的方式露出来。一是新意：这篇是不是覆盖了平台上还没人写过的领域？二是结构——排版干净、语法过关、表达清楚，这些和质量的相关性高得让人不太好意思承认。作者的过往记录也是合理的先验，但要按以前的作品留住了多少读者来算，而不是按点赞数。早期评论同样有用：三条真心的好评，胜过三十个顺手点的赞。再加一点语义分析，还能挖出那些正好补上平台空白的内容。</p>

<h3 class="relative group">从平台外面借信号
    <div id="从平台外面借信号" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e4%bb%8e%e5%b9%b3%e5%8f%b0%e5%a4%96%e9%9d%a2%e5%80%9f%e4%bf%a1%e5%8f%b7" aria-label="锚点">#</a>
    </span>
    
</h3>
<p>现在什么最有共鸣，外面的互联网会告诉你。和热门搜索词对上的内容，天生就带时效性；对热点话题下手快的作者，值得给点加成。Twitter 和 Reddit 上在热什么，往往就是你的用户接下来想看什么的预告片——稍微做点预测，就能赶在浪头之前把对应的新内容推上去，而不是浪打过了才跟。自家的搜索框也被低估了：用户反复搜某个主题，或者某篇文章持续从搜索引擎带来流量，这种时效性根本不用猜。</p>

<h3 class="relative group">把信号揉成一个分数
    <div id="把信号揉成一个分数" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e6%8a%8a%e4%bf%a1%e5%8f%b7%e6%8f%89%e6%88%90%e4%b8%80%e4%b8%aa%e5%88%86%e6%95%b0" aria-label="锚点">#</a>
    </span>
    
</h3>
<p>把思路写成几行 Python 大概是这样。这只是示意，不是线上真在跑的系统。每个信号先归一化到 0 到 1 之间，免得原始数值大的信号把其他的盖过去；再加权求和得到一个分数；最后乘上时间衰减，让新帖也有机会和上个月的爆款掰掰手腕。</p>
<div class="highlight-wrapper"><div class="highlight"><pre tabindex="0" class="chroma"><code class="language-python" data-lang="python"><span class="line"><span class="cl"><span class="n">WEIGHTS</span> <span class="o">=</span> <span class="p">{</span><span class="s2">&#34;read_depth&#34;</span><span class="p">:</span> <span class="mf">0.3</span><span class="p">,</span> <span class="s2">&#34;revisits&#34;</span><span class="p">:</span> <span class="mf">0.25</span><span class="p">,</span> <span class="s2">&#34;quality&#34;</span><span class="p">:</span> <span class="mf">0.25</span><span class="p">,</span> <span class="s2">&#34;early_comments&#34;</span><span class="p">:</span> <span class="mf">0.2</span><span class="p">}</span>
</span></span><span class="line"><span class="cl"><span class="n">HALF_LIFE_HOURS</span> <span class="o">=</span> <span class="mi">48</span>  <span class="c1"># a post loses half its score every two days</span>
</span></span><span class="line"><span class="cl">
</span></span><span class="line"><span class="cl"><span class="k">def</span> <span class="nf">normalise</span><span class="p">(</span><span class="n">values</span><span class="p">):</span>
</span></span><span class="line"><span class="cl">    <span class="n">lo</span><span class="p">,</span> <span class="n">hi</span> <span class="o">=</span> <span class="nb">min</span><span class="p">(</span><span class="n">values</span><span class="p">),</span> <span class="nb">max</span><span class="p">(</span><span class="n">values</span><span class="p">)</span>
</span></span><span class="line"><span class="cl">    <span class="k">return</span> <span class="p">[(</span><span class="n">v</span> <span class="o">-</span> <span class="n">lo</span><span class="p">)</span> <span class="o">/</span> <span class="p">(</span><span class="n">hi</span> <span class="o">-</span> <span class="n">lo</span><span class="p">)</span> <span class="k">if</span> <span class="n">hi</span> <span class="o">&gt;</span> <span class="n">lo</span> <span class="k">else</span> <span class="mf">0.0</span> <span class="k">for</span> <span class="n">v</span> <span class="ow">in</span> <span class="n">values</span><span class="p">]</span>
</span></span><span class="line"><span class="cl">
</span></span><span class="line"><span class="cl"><span class="k">def</span> <span class="nf">rank</span><span class="p">(</span><span class="n">items</span><span class="p">):</span>
</span></span><span class="line"><span class="cl">    <span class="s2">&#34;&#34;&#34;items: dicts holding raw signal values plus &#34;age_hours&#34;.&#34;&#34;&#34;</span>
</span></span><span class="line"><span class="cl">    <span class="n">norm</span> <span class="o">=</span> <span class="p">{</span><span class="n">name</span><span class="p">:</span> <span class="n">normalise</span><span class="p">([</span><span class="n">item</span><span class="p">[</span><span class="n">name</span><span class="p">]</span> <span class="k">for</span> <span class="n">item</span> <span class="ow">in</span> <span class="n">items</span><span class="p">])</span> <span class="k">for</span> <span class="n">name</span> <span class="ow">in</span> <span class="n">WEIGHTS</span><span class="p">}</span>
</span></span><span class="line"><span class="cl">    <span class="n">scores</span> <span class="o">=</span> <span class="p">[]</span>
</span></span><span class="line"><span class="cl">    <span class="k">for</span> <span class="n">i</span><span class="p">,</span> <span class="n">item</span> <span class="ow">in</span> <span class="nb">enumerate</span><span class="p">(</span><span class="n">items</span><span class="p">):</span>
</span></span><span class="line"><span class="cl">        <span class="n">base</span> <span class="o">=</span> <span class="nb">sum</span><span class="p">(</span><span class="n">weight</span> <span class="o">*</span> <span class="n">norm</span><span class="p">[</span><span class="n">name</span><span class="p">][</span><span class="n">i</span><span class="p">]</span> <span class="k">for</span> <span class="n">name</span><span class="p">,</span> <span class="n">weight</span> <span class="ow">in</span> <span class="n">WEIGHTS</span><span class="o">.</span><span class="n">items</span><span class="p">())</span>
</span></span><span class="line"><span class="cl">        <span class="n">scores</span><span class="o">.</span><span class="n">append</span><span class="p">(</span><span class="n">base</span> <span class="o">*</span> <span class="mf">0.5</span> <span class="o">**</span> <span class="p">(</span><span class="n">item</span><span class="p">[</span><span class="s2">&#34;age_hours&#34;</span><span class="p">]</span> <span class="o">/</span> <span class="n">HALF_LIFE_HOURS</span><span class="p">))</span>
</span></span><span class="line"><span class="cl">    <span class="n">order</span> <span class="o">=</span> <span class="nb">sorted</span><span class="p">(</span><span class="nb">range</span><span class="p">(</span><span class="nb">len</span><span class="p">(</span><span class="n">items</span><span class="p">)),</span> <span class="n">key</span><span class="o">=</span><span class="k">lambda</span> <span class="n">i</span><span class="p">:</span> <span class="n">scores</span><span class="p">[</span><span class="n">i</span><span class="p">],</span> <span class="n">reverse</span><span class="o">=</span><span class="kc">True</span><span class="p">)</span>
</span></span><span class="line"><span class="cl">    <span class="k">return</span> <span class="p">[</span><span class="n">items</span><span class="p">[</span><span class="n">i</span><span class="p">]</span> <span class="k">for</span> <span class="n">i</span> <span class="ow">in</span> <span class="n">order</span><span class="p">]</span></span></span></code></pre></div></div>
<p>在下面说的实验验证之前，这些权重都只是拍脑袋的猜测。浏览量和点赞照样可以放进去，只不过它们变成了好几个输入里的一个，而不是分数的全部。半衰期决定旧帖沉下去有多快，这本身就是个大话题，我在<a href="https://jared.lynskey.co.nz/zh-cn/posts/2023/2023-09-27-simulating-views/" >信息流排序算法如何决定什么时候埋掉旧帖子</a>里专门写过。真实的系统通常让模型去学权重，而不是手工拍定，但形状是一样的：很多信号进去，一个数字出来，然后排序。</p>

<h3 class="relative group">最后，老老实实做实验
    <div id="最后老老实实做实验" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e6%9c%80%e5%90%8e%e8%80%81%e8%80%81%e5%ae%9e%e5%ae%9e%e5%81%9a%e5%ae%9e%e9%aa%8c" aria-label="锚点">#</a>
    </span>
    
</h3>
<p>信号再聪明，也得 A/B 测试：把新内容放给一部分用户，跟老牌热门比一比互动数据。还要盯着内容怎么传播——站内站外的分享、提及、嵌入，比一个浏览计数器能说明的多得多。</p>
<p>没有哪个单一指标经得起现实的捶打。真正好用的排序，是把行为、内容本身的质量、时效性和诚实的实验揉在一起，并且不让任何一个信号说了算。</p>
]]></content:encoded>
      <media:content url="https://jared.lynskey.co.nz/en/posts/2023/2023-10-06-reinenforcement-learning/featured.jpeg" medium="image" type="image/jpeg" />
    </item>
    <item>
      <title>SEO 趋势：照着最佳实践走，还是自己开一条路？</title>
      <link>https://jared.lynskey.co.nz/zh-cn/posts/2023/2023-10-04-following-seo-trends/</link>
      <guid isPermaLink="true">https://jared.lynskey.co.nz/zh-cn/posts/2023/2023-10-04-following-seo-trends/</guid>
      <pubDate>Wed, 04 Oct 2023 00:30:03 +0000</pubDate>
      <dc:creator>Jared Lynskey</dc:creator>
      <category>Search Engine Optimization</category>
      <category>SEO</category>
      <category>Algorithms</category>
      <category>Digital Marketing</category>
      <category>Content Strategy</category>
      <category>Online Visibility</category>
      <description>SEO 趋势和最佳实践，是老老实实照着做，还是自己做实验？什么时候跟着大家走更划算，什么时候值得试一试，以及熬过每一次算法更新的那条规则。</description>
      <content:encoded><![CDATA[<p>今年读过的 SEO 指南，讲的内容几乎一样，连顺序都差不多。这算是好消息还是坏消息，得看你怎么想。这个问题我琢磨了一阵子——一半是为了这个博客，一半是为了工作，毕竟公司产品的搜索流量比我想承认的更重要。</p>
<p><em>2026 年 10 月更新：写完这篇之后，很多搜索在给出链接之前，会先给一段 AI 写的回答，比如 Google 的 AI Overviews、ChatGPT 搜索等。这些回答会注明并链接它们参考的网页，而最容易被引用的，是既有用、又把答案直接说清楚的页面。所以文末那条最无趣的规则，非但没有过时，反而更重要了。我为此在这个博客上做了哪些改动，写在了<a href="https://jared.lynskey.co.nz/zh-cn/posts/2026/2026-09-16-blog-as-a-source-for-ai-assistants/" >把博客做成 AI 助手会引用的来源</a>里。</em></p>

<h3 class="relative group">为什么跟着大家走基本没错
    <div id="为什么跟着大家走基本没错" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e4%b8%ba%e4%bb%80%e4%b9%88%e8%b7%9f%e7%9d%80%e5%a4%a7%e5%ae%b6%e8%b5%b0%e5%9f%ba%e6%9c%ac%e6%b2%a1%e9%94%99" aria-label="锚点">#</a>
    </span>
    
</h3>
<p>最佳实践之所以叫最佳实践，是有原因的。它们从成千上万个网站的数据里提炼出来，就算你是 SEO 新手，照着做也能少走很多弯路。走大路意味着少踩坑——按照 Google 官方文档的建议去做，几乎不可能在算法更新时被处罚。而且算法一直在变，光是跟上最新的官方指引，本身就是一份正经工作。</p>
<p>麻烦在于，所有人读的都是同一批指南。当一个领域里每个网站都是同样的结构、同样堆满关键词的标题、同样在底部钉一块 FAQ 时，谁也别想脱颖而出。而且你会永远处于被动：等下一次更新，然后手忙脚乱地去适配。</p>

<h3 class="relative group">自己做实验的理由
    <div id="自己做实验的理由" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e8%87%aa%e5%b7%b1%e5%81%9a%e5%ae%9e%e9%aa%8c%e7%9a%84%e7%90%86%e7%94%b1" aria-label="锚点">#</a>
    </span>
    
</h3>
<p>实验几乎是找到只适合你自己网站的打法的唯一途径。在美妆社区管用的方法，放到菜谱博客上未必管用，通用清单不会告诉你这种差别。实验一旦成功，会有一段时间只有你在这么做。等它被更多人知道，你就成了被模仿的那一方，这份价值还会继续累积。</p>
<p>坦白说，缺点也很明显：大多数实验都会悄无声息地失败。可能投入几周，最后什么都没留下。如果搜索流量撑着公司的收入，想让别人批准你花这个时间，并不容易。</p>

<h3 class="relative group">我的结论
    <div id="我的结论" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e6%88%91%e7%9a%84%e7%bb%93%e8%ae%ba" aria-label="锚点">#</a>
    </span>
    
</h3>
<p>先把无聊的基本功做扎实。然后留出一小块专门做实验的时间，用数据判断效果，别凭感觉。小网站应该重仓既定套路，只在边缘做点小实验；资源充裕的大公司，才有本钱下真正的注。</p>
<p>熬过历次算法更新、至今没变过的规则只有一条，也是最无趣的一条：给搜索的人做点真正有用的东西。其余的都是潮流而已。</p>
]]></content:encoded>
      <media:content url="https://jared.lynskey.co.nz/en/posts/2023/2023-10-04-following-seo-trends/featured.jpeg" medium="image" type="image/jpeg" />
    </item>
    <item>
      <title>情绪效价是什么？效价、唤醒度与内容为什么会火</title>
      <link>https://jared.lynskey.co.nz/zh-cn/posts/2023/2023-10-05-viral-success/</link>
      <guid isPermaLink="true">https://jared.lynskey.co.nz/zh-cn/posts/2023/2023-10-05-viral-success/</guid>
      <pubDate>Wed, 04 Oct 2023 00:30:03 +0000</pubDate>
      <dc:creator>Jared Lynskey</dc:creator>
      <category>Viral Content</category>
      <category>Marketing</category>
      <category>Emotional Appeal</category>
      <category>Content Strategy</category>
      <category>Social Media</category>
      <category>Engagement</category>
      <description>情绪效价指一种情绪有多愉快或多不愉快，唤醒度指它让人多激动。两者哪个更能决定内容会不会火？结合《纽约时报》转发研究和具体例子讲清楚。</description>
      <content:encoded><![CDATA[<p>情绪效价（valence）说的是一种情绪有多正面或多负面：一头是愉快，另一头是不愉快。喜悦、敬畏的效价是正的，愤怒、恐惧、悲伤的效价是负的。在营销和传播领域，这个词也用来形容信息本身：正效价的内容让人看完心情变好，负效价的内容让人看完心里不舒服。</p>
<p>和效价成对出现的是唤醒度（arousal），也就是一种情绪有多“提神”，从平静、懒散到激动、上头。心理学里常把情绪同时放在这两条轴上看，这个思路可以追溯到 James Russell 1980 年提出的情绪环形模型（circumplex model of affect）：兴奋是愉快且高唤醒，满足是愉快且低唤醒，愤怒是不愉快且高唤醒，悲伤是不愉快且低唤醒。而如果你想让内容被转发，第二条轴的作用至少不比第一条小。</p>
<p>在内容平台工作，等于坐在头排看一场奇怪的抽奖：两篇质量差不多的帖子发出去，一篇悄无声息地沉了，另一篇却火了。我找到的最接近的解释，是内容所携带的情绪：它把人往哪个方向拉（效价：正面、负面或中性），以及拉得有多猛（唤醒度）。</p>

<h3 class="relative group">正面、负面、中性
    <div id="正面负面中性" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e6%ad%a3%e9%9d%a2%e8%b4%9f%e9%9d%a2%e4%b8%ad%e6%80%a7" aria-label="锚点">#</a>
    </span>
    
</h3>
<p>正面内容让人心情变好：暖心的故事、无厘头的表情包、振奋的新闻。转发它本身就像送人一份小礼物，是日常疲惫中的喘息，所以传得开。更让我意外的是负面情绪的威力。愤怒、焦虑、厌恶都是强劲的传播引擎——关于不公、争议人物或社会问题的内容，人们会为了“让更多人知道”或者拉人站队而不停转发。还有一类是中性内容，它不怎么搅动情绪，靠纯粹的价值赢得分享：一个真正有意思的冷知识、一项新发现、一篇能解决实际问题的教程。</p>

<h3 class="relative group">传播靠的是唤醒度
    <div id="传播靠的是唤醒度" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e4%bc%a0%e6%92%ad%e9%9d%a0%e7%9a%84%e6%98%af%e5%94%a4%e9%86%92%e5%ba%a6" aria-label="锚点">#</a>
    </span>
    
</h3>
<p>贯穿这一切的规律只有一条：情绪越强烈，人们越可能评论、点赞、转发。一篇让人微微愉悦的帖子，几乎每次都输给一篇让人火冒三丈的帖子。至于这说明了人性的什么，那是另一个话题。</p>
<p>这个直觉有正经研究撑腰，而且结论比“越强越好”更精确。Jonah Berger 和 Katherine Milkman 拿《纽约时报》三个月里发表的近 7,000 篇文章，看哪些进了该报的“邮件转发最多”榜单（“What Makes Online Content Viral?”，<em>Journal of Marketing Research</em>，2012）。正面文章比负面文章转发得多，说明效价确实有用。但唤醒度的作用更大：不管是正面（敬畏）还是负面（愤怒、焦虑），能唤起高唤醒情绪的文章都更容易上榜；而唤起悲伤这种低唤醒情绪的文章，上榜的可能反而更低。即使控制了文章有多出人意料、多有趣、多实用，以及在网站上摆得多显眼，结果依然成立，他们的实验也指向同一个方向。</p>
<p>所以我之前说的“强度”，其实就是唤醒度。悲伤可以很深，却传不远，因为它是一种让人蔫下来的低唤醒情绪：它让人停下来，而不是去做点什么。</p>

<h3 class="relative group">效价和唤醒度：举例对照
    <div id="效价和唤醒度举例对照" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e6%95%88%e4%bb%b7%e5%92%8c%e5%94%a4%e9%86%92%e5%ba%a6%e4%b8%be%e4%be%8b%e5%af%b9%e7%85%a7" aria-label="锚点">#</a>
    </span>
    
</h3>
<table>
	<thead>
			<tr>
					<th></th>
					<th>高唤醒</th>
					<th>低唤醒</th>
			</tr>
	</thead>
	<tbody>
			<tr>
					<td><strong>正效价</strong></td>
					<td>敬畏、兴奋、好笑：让人目瞪口呆的发现、看了笑出声的表情包、弱者逆袭</td>
					<td>满足、平静、释然：舒缓的日常 vlog、慢条斯理的教程、一张好看的照片</td>
			</tr>
			<tr>
					<td><strong>负效价</strong></td>
					<td>愤怒、焦虑、义愤：不公事件、防骗提醒、吵翻天的争论</td>
					<td>悲伤、无聊、失望：沉重的讣告、丧气的趋势分析</td>
			</tr>
	</tbody>
</table>
<p>如果 Berger 和 Milkman 说得对，大部分转发都来自高唤醒那一列，而右下角“负面又低唤醒”那一格，就是帖子悄悄沉底的地方。</p>

<h3 class="relative group">哪些内容天生占便宜
    <div id="哪些内容天生占便宜" class="anchor"></div>
    
    <span
        class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none">
        <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%93%aa%e4%ba%9b%e5%86%85%e5%ae%b9%e5%a4%a9%e7%94%9f%e5%8d%a0%e4%be%bf%e5%ae%9c" aria-label="锚点">#</a>
    </span>
    
</h3>
<p>有几类内容一出生就领先。首先是有争议的观点——人们转发要么为了赞同，要么为了反驳，立场分裂的话题涨势最快。其次是建立在共同经历上的幽默，整个社区同时会心一笑的“圈内梗”，威力不容小觑。普通人熬过难关的真实故事，永远有人看。蹭热点也有效，但前提是角度真的新鲜，而不是炒冷饭。最后是互动形式——测验、投票、挑战赛——因为参与本身就已经走到分享的半路上了。</p>
<p>把这些加在一起也凑不成公式，谁要是卖“爆款公式”，我劝你多留个心眼。但如果只能押一个变量，我押这个：不管往好的方向还是坏的方向，能让人激动起来的内容，每周都在赢过只让人平静的内容。</p>
]]></content:encoded>
      <media:content url="https://jared.lynskey.co.nz/en/posts/2023/2023-10-05-viral-success/featured.jpeg" medium="image" type="image/jpeg" />
    </item>
  </channel>
</rss>
