简介： AI批量写稿不等于读者已经看见文章。如何区分人工选题与自动发现，并公平比较发布后两周的效果？
102篇原稿乘以12种语言，就是1,224个语言版本。 听起来像编辑部一夜之间复制了许多份，但写完、入库、上线、获得搜索点击是不同阶段。
102篇到底怎么算
一个制作案例包括AI服务23篇、软件问题与更新23篇、网络梗21篇、粉丝疑问21篇、游戏攻略14篇，总计102个主题。翻译成12种语言得到1,224个版本。这不代表1,224个页面都已公开或被搜索引擎收录；同一文章的修订版也不能重复计算。
是谁发现选题？
一个人先在X上发现狗狗梗，再由AI撰稿，选题仍是人工。AI自己发现趋势并选择主题，才属于自动发掘。不能拿过去人工挑出的爆款，冒充刚搭建的自动系统的成功案例，否则统计表从第一天就开始“化妆”。
以真正上线的时间为起点
为每篇稿件记录文章ID、选题来源、撰稿方式、语言、URL及第一次确认公开的时间。GitHub保存日期不能代替上线日期，不同语言可能也不同时发布。按各页面上线后的7天、14天、28天比较才相对公平。
不只看PV
网站管理员自己的测试访问也可能算进PV。搜索曝光、搜索点击、索引状态和流量渠道应分别统计。以各组实际上线的文章数为分母，比较至少获得一次搜索点击的比例、超过10PV的比例、中位数及头部集中程度。前两周为零也可能只是搜索引擎发现较慢。
先测量，再扩张
不断加入新题材会让结果难以解释。先让现有流程正常上线并保留追踪，再看两周后的数据。机器能生产多少稿件是一回事，读者是否真的获得帮助又是另一回事。 别只盯着传送带的速度，要看出口交付了什么。
参考： Google内容质量指南与发布时间指南。数量为制作案例，非已上线数量。
