此前从未有人深入研究过谷歌反向链接对人工智能可见性的影响。直到现在。我发现了令人惊讶的洞见，这些洞见将为您的谷歌外链策略提供重要指引。
在我们正式开始之前：
- 虽然不太爱炫耀，但我还是要说，上周在G50 SEO世界锦标赛中获得第四名，我感到非常自豪。
- 我将于10月22日在NESS——全球新闻与编辑SEO峰会——上发表演讲。Growth Memo的读者使用优惠码“kevin2025”可享八折优惠
从历史上看，反向链接一直是搜索引擎结果中最为可靠的可见性指标之一。
我们知道，链接对于在基于人工智能的搜索中提升可见性至关重要，但它们在大型语言模型内部——包括AI概览、Gemini、ChatGPT等——的具体运作机制，目前仍是个“黑箱”。
人工智能搜索模型的兴起，改变了自然搜索可见性规则以及在大型语言模型搜索结果中的话语权竞争格局。
那么问题来了：在基于人工智能的搜索模式下，反向链接是否仍能带来曝光……如果可以，又是在哪些场景下呢？
如果反向链接曾是LLM问世前网络世界的“货币”，那么本周的分析便是首次审视，在全新的AI搜索经济中，它们是否仍能作为法定货币流通。
我与Semrush合作，分析了1,000个域名及其AI提及情况，并将其与核心反向链接指标进行了对比。
数据揭示了四个明确的结论：
- 通过反向链接获得的权威性有所帮助，但并非全部。
- 链接质量胜过数量。
- 最令人惊讶的是，nofollow链接同样能产生实际效果。
- 图片链接能够显著提升权威度。
这些发现有助于我们理解AI模型如何呈现网站，同时也揭示了营销人员可以利用哪些反向链接策略来影响其可见性。
以下是方法论、更深入的数据洞察，以及面向高级订阅用户的行动建议（附基准参考），助您将这些发现付诸实践。
研究方法
在本次分析中，我考察了1,000个随机选取的网站域名之间与人工智能相关的提及情况。所有数据均来自Semrush AI SEO工具包,即Semrush的人工智能可见性与搜索分析平台。
我与Semrush团队一道，对以下各平台上的提及次数进行了分析：
- ChatGPT。
- 已启用搜索的ChatGPT。
- Gemini。
- 谷歌的AI概览。
- Perplexity。
（如果您想知道Claude.ai在本分析中的定位，我们目前未将其纳入，因为其用户群体通常不太关注网络搜索，而更倾向于生成式任务。）
针对上述平台，我们测算了声量份额以及AI提及次数，并将其与以下反向链接指标进行对比：
- 总反向链接数。
- 独特的链接域名。
- 关注链接。
- nofollow链接。
- 权威分数（一项由Semrush推出的指标以下简称Ascore）。
- 文本链接。
- 图片链接。
如何理解本分析：皮尔逊相关与斯皮尔曼相关
在本分析中，我采用了两种不同的方法来衡量数据之间的相关性：皮尔逊相关系数和斯皮尔曼相关系数。
如果您熟悉这些概念，请直接跳至下一节，我们将在那里深入探讨分析结果。
对于其他所有人，我会把这些内容逐一拆解，以便您更好地理解下面的调查结果。
皮尔逊相关系数和斯皮尔曼相关系数都是相关系数——它们是介于-1与+1之间的数值，用于衡量两个不同变量之间的相关程度。
系数越接近+1或-1，表明相关性越强、越显著。（接近0则表示相关性很弱甚至不存在。）
- 皮尔逊相关系数用于衡量两个变量之间线性关系的强度和方向。皮尔逊相关系数基于原始数据值计算线性相关性，因此对异常值较为敏感。然而，如果变量之间的关系呈曲线状或存在阈值，则皮尔逊相关系数会低估这种关系。
- 斯皮尔曼相关系数ρ（rho）用于衡量单调关系的强度和方向，即变量值是否始终沿同一方向或相反方向变化，而不一定呈直线趋势。斯皮尔曼相关系数考察的是数据中的秩相关性。它考察的是较高的X是否往往伴随较高的Y；而斯皮尔曼相关系数则探究：“当某一变量增大时，另一变量是否通常也会随之增大？”这是一种对异常值更具稳健性的相关性度量，并且能够捕捉非线性、单调变化的模式。
皮尔逊相关系数与斯皮尔曼相关系数之间的差距可能意味着收益呈非线性关系。
换句话说：存在一个需要跨越的门槛。这意味着X对Y的影响并不会立即显现。
同时考察皮尔逊相关系数和斯皮尔曼相关系数，可以揭示在达到某一阈值之前几乎不存在（或仅有极弱）的相关性，而一旦超过该阈值，相关关系便会显著显现。
以下是一个包含两种系数的分析所能揭示的简要示例：
在广告上花费500美元（行动X）可能并不会显著推动销售增长（结果Y）。但一旦支出达到每月5,000美元左右（行动X），销售额便会开始稳步增长（结果Y）。
好了，今天的统计学课程就到这里。
要点一：权威性在AI提及中至关重要，但只是拼图的一部分
我们首先考察的信号是，某个网站获得的反向链接数量与其人工智能声量份额之间的关联强度。
以下是数据所显示的内容：
- 权威得分与声量份额（SoV）存在中等程度的相关性：皮尔逊相关系数约为0.23，斯皮尔曼相关系数约为0.36。
- 更高的权威意味着更高的 SoV，但收益并不均衡。你需要跨越一道门槛。
- 权威度确实有助于提升可见性，但它并不能解释大部分的差异。这意味着，反向链接的确会对AI的可见性产生影响，但影响因素远不止于此，还包括内容质量、品牌认知等其他方面。
此外，独立链接域名的数量比反向链接的总数更为重要。
简而言之，当你的网站拥有来自众多不同网站的链接时，其市场占有率（SoV）往往高于仅来自少数几个网站的大量链接。
要点二：质量 > 数量
在所有模型中，权威度得分与提及次数之间的相关性最为显著（皮尔逊相关系数为0.65，斯皮尔曼相关系数为0.57）
以下是Semrush对权威评分的定义：
权威得分是我们用于评估网站或网页整体质量的综合指标。得分越高，表明该域名或网页指向其他网站的外链所具有的权重越大。
它综合考量了反向链接的数量与质量、链接源页面的自然流量，以及链接档案的垃圾化程度。
当然，Ascore 只是质量的一个代理指标。大型语言模型在评估反向链接质量时自有其方法。但数据显示，我们可以将 Semrush 的 Ascore 视为一个不错的代表性指标。
大多数模型对提及次数这一指标的权重与其它指标相同，但ChatGPT Search和Perplexity对该指标的权重却低于平均水平。
令人惊讶的是，在所有模型中，普通版ChatGPT（未启用搜索功能）的Ascore得分最高。
关键须知：中位提及量从第8分位的约21.5跃升至第9分位的约79.0。这种关系呈非线性特征。换言之，最大的提升往往出现在触及权威阈值——或在此情境下的Ascore——的上端时。
（作为背景说明，一个十分位是将数据集划分为10个等份的一种方法。每个分段，即一个十分位，在数据按顺序排序后，包含10%的数据点。）
要点3：nofollow链接与普通链接具有同等影响力
也许这项分析得出的最重要结论是链接设置为nofollow反向链接与否其实影响不大！
而这具有重大意义。
确认nofollow链接的价值至关重要，因为这类链接往往比dofollow链接更容易获取。
这正是大型语言模型与搜索引擎截然不同的地方：我们早就知道，谷歌也会统计nofollow链接，但并不知道具体数量以及用于何种目的（如抓取、排名等）。
再次强调，只有当您位于前30%的分位数时，才能看到显著的提升。
关注链接 → 提及：
- 皮尔逊相关系数0.334，斯皮尔曼相关系数0.504
nofollow链接 → 提及：
- 皮尔逊相关系数0.340，斯皮尔曼相关系数0.509
相反，谷歌的AI概览和困惑度对普通链接的权重最高，而对nofollow链接的权重最低。
有趣的是，Gemini 和 ChatGPT 对nofollow链接的权重最高（甚至高于普通follow链接）。
以下是我自己关于为什么 Gemini 和 ChatGPT 更加重视nofollow 的一种看法：
关于 Gemini，我很好奇谷歌是否将nofollow链接的权重设定得比我们以往所认为的更高。至于 ChatGPT，我的假设是，Bing 也在提高 nofollow 链接的权重（自从 Google 开始这么做之后）。不过这目前还只是个理论，我暂时还没有相关数据来佐证。
要点4：图片链接同样有效——有时甚至更佳
除了基于文本的反向链接，我们还测试了基于图片的反向链接是否同样具有同等权重。
而且在某些情况下，它们与提及之间的关联强度甚至超过了基于文本的链接。
但究竟有多强呢？
- 图片与提及：皮尔逊相关系数0.415，斯皮尔曼相关系数0.538
- 文本链接与提及：皮尔逊相关系数0.334，斯皮尔曼相关系数0.472
一旦你已经具备一定权威，图片链接的效果才会真正显现出来。
- 从中等分位数以上，这种关系转为正向，并逐渐增强，在最高分位数中最为显著。
- 在低Ascore分位数（第1和第2分位数）中，图片→提及的关联较弱或呈负相关。
如果您希望在 Perplexity 或 Search-GPT 上实现提及量的增长，图片链接尤其有效。
- 在Perplexity和Search-GPT中，图像与提及的关联性最高（斯皮尔曼相关系数约为0.55和0.53），其次是ChatGPT/Gemini（约0.49–0.52），最后是Google-AI（约0.46）。