原创研究与数据研究：完整内容规范

原创研究页面发布组织创建或直接收集的证据，解释该证据是如何产生的，并允许他人检查其主张的基础。其契约是问题、方法、样本、发现、局限性和验证。如果其中任何一部分被隐藏，则该页面可能仍是推广或评论，但它不是一项可靠的研究。

一手证据通过实用性和可信度吸引链接；可链接性本身并非研究目标。

当处于认知阶段的受众需要新的证据——而非更多的意见、定义或汇编——时，该形式属于SEO文章类型 体系。

它回答的问题

该页面应能让仔细的读者在不联系作者的情况下回答以下问题：

• 该研究测试了什么问题，测量或询问了什么内容，以及在哪段日期内进行的？
• 记录或参与者来自哪里，包含了什么内容、排除了什么内容，以及数据清洗如何改变了样本？
• 每项发现是通过什么分析得出的，其不确定性有多大，以及不能得出什么结论？
• 读者在哪里可以查看数据、工具、编码手册或分析？

标题发现应能独立理解，但绝不能超越方法。“在此数据集中，响应时间更短的页面被引用得更多"是一个有边界关联。“速度让AI引擎引用页面"则是因果性主张，需要一个能够隔离因果关系的研究设计。

研究与调查：工具并非结论

数据研究分析观察、测量、实验、交易或行政记录。调查通过问卷或访谈收集抽样群体的自我报告答案。调查是一种研究方法，而非研究的同义词，它测量的是受访者在调查条件下报告的内容。

这一区别改变了标题。行为数据集可能支持"经审核的60个页面中有42个包含X”——前提是审核规则可重现。调查可能支持"60位受访者中有42位表示他们使用X”。但它不能悄然变成"70%的公司使用X"，因为受访者可能不代表公司，样本可能不代表市场，且报告的行为可能与观察到的行为不同。

何时使用此文章类型

当重要问题仍未得到回答、组织拥有合法访问合适证据的途径、且团队能够发布足够的方法细节以供审查时，使用原创研究。“我们查询了数据库"并非方法，除非页面定义了其记录、覆盖范围、转换、排除条件和偏差。

当读者的实际需求不同时，请选择容易混淆的兄弟类型：

不要仅仅因为百分比能产生一个醒目的标题就委托进行调查。使用匹配研究构念的方法：即正在测量的核心概念，如信任、采用率、表现或可见性。

最适合的业务类型

本排名权衡了独特的数据访问渠道、编辑需求和安全性发布。

1. 媒体发布商与联盟营销商 。 研究可以成为常设的编辑品牌栏目和一手来源。需披露商业关系、选择标准和赞助商影响。
2. SaaS 。 产品事件、审核、基准测试和实验可以揭示品类行为。防止重新识别，且切勿将客户呈现为整个市场。
3. B2B服务 。 专家可以编码审计、项目记录、访谈或采购模式。保持方法论与销售结论的分离。
4. 市场平台 。 交易、供应、可用性和搜索数据展示规模化行为。地理、市场规则和平台外活动限制了泛化能力。
5. 电子商务 。 测试、退货、评论、库存和购买可回答实际问题。需说明客户结构、季节性和测试控制条件。
6. 金融、金融科技与保险 。 专有记录和调查可以揭示成本、渠道和行为，但隐私、监管、选择和咨询边界需要更强的审查。

医疗保健领域也可以产生有价值的研究，但涉及患者数据或临床结论的面向公众的原创研究需要研究治理、同意、隐私保护和专家审查，这超出了普通内容工作流程的范围。

搜索意图

搜索意图 是用户通过查询想要获得的结果。原创研究通常服务于认知阶段的证据寻求：记者需要来源，从业者需要基准，分析师需要数据，或者潜在买家希望在比较解决方案之前了解市场问题。

搜索引擎结果页面 可能混合了学术论文、公司报告、新闻稿、新闻报道和衍生汇总。检查标题是否以问题、年份、人群或发现开头，然后检查每个页面是否提供了方法、样本、局限性和数据。

AI回答常常将数字与其人群、日期、单位或不确定性分离。将每个关键结果写成一个自包含的主张：发现 + 人群 + 时间段 + 限定条件。在图表旁保留方法注释和稳定的来源URL。永远不要让"用户"通过推断指代受访者、客户、访客或所有成年人。

记录查询、语言、国家、设备、日期、登录状态和界面。截图记录的是观察到结果形态，并不证明稳定的需求或永久的排名行为。

页面结构

针对一份重点研究，目标字数为2,200–3,500词（不包括附录、工具、编码手册和机器可读数据）。复杂性应扩展方法和局限性部分，而非促销性引言。

“方法论优先"并不意味着要将标题结果隐藏到页面一半之后。在首屏陈述有边界的发现，预览结果，然后在详细分析之前提供完整的方法和样本。这一顺序支持快速浏览，同时不要求读者信任他们尚无法评估的图表。

必需元素

每个图表都需要描述性标题、标签、单位、样本基数、相关不确定性、无障碍文本、来源行和暴露的数值。图表截图不是数据访问。

前置元数据

遵循前置元数据规范 ，并为本规范设置 entity = "post-type-original-research"。对于已发表的研究，使用稳定的研究标识，如 study-ai-citations-and-response-time-2026；不要将标题主张作为entity，因为结论可能在修正或复制后发生变化。

对编辑报告使用 schemaType = "Article"。仅当页面发布了一个真正的数据集（具有稳定的名称、描述、创建者、时间及空间覆盖范围（如适用）、许可、分发或访问途径、版本和变量文档）时，才添加 Dataset 标记。图表图片或三个标题数字不是数据集。仅当可见问题完全匹配前置元数据记录且当前搜索引擎政策支持时，才添加 FAQPage。

必需的元数据包括规范化URL、发布日期和实地调查日期、分析日期、版本、作者、审阅人、赞助商或利益冲突、设计、人群、样本量、地理位置、操作手册分类、Schema、链接和常见问题。在支持的情况下添加仓库、许可、编码手册、工具、代码和修正联系方式。当截屏注释仍然存在时，设置 screenshotsPending = true。

完整示例

以下骨架可直接复制粘贴。其示例使用了对公开页面的编码审计，因此单位是页面，而非个人或公司。替换每个带括号的字段；不要发布括号或推断不可用的事实。

# 被引用的页面是否标注了更新日期？对[N]个页面的编码审计

**标题发现：** 在[最终N]个在[日期]期间因[提示集]而被引用的公开页面中，[计数]个显示了可见的内容日期。此描述性结果并不表明日期导致了引用。

**实地调查：** [日期]  
**分析版本：** [版本和日期]  
**数据和编码手册：** [稳定仓库URL]  
**许可：** [许可]

## 关键发现

- [带有分子、分母、单位和范围的发现。]
- [每个亚组基数的亚组发现。]
- [限制标题的空值或混合发现。]

## 研究问题

主要问题：在[抽样框架]的页面中，有多少在抓取时显示了[操作性定义]？次要问题：比例是否因[计划分组]而异，日期是否与[比较来源]匹配？

## 方法论

### 设计和抽样框架

我们通过对[来源记录]进行了横截面编码审计，这些记录通过[过程]为[市场、语言和时期]收集。单位是单个页面的规范化URL。

### 纳入和排除规则

我们纳入了[规则]并排除了[规则及原因]。我们使用[规则]解决重复项，并记录了重定向、不可访问页面和模糊记录。

### 变量和编码

"可见内容日期"指[定义]。编码手册涵盖[类别和边界情况]。[数量]位审阅人使用了[重叠和裁定]。信度为[指标、值、合格基数]。

### 分析

我们报告计数和比例，附带[不确定性方法]。亚组是[计划性/探索性]；缺失值保持可见。分析使用[软件/版本]，代码位于[URL]。

## 样本流程

起始记录：[N]  
移除的重复项：[N]  
资格审核后排除：[N，原因]  
抓取时不可用：[N]  
最终分析的页面：[N]

## 发现

### 发现1：[有限结果]

[计数]个（共[基数N]）页面符合定义（[比例和区间]）。[非因果性解读。]

| 分组 | 符合定义 | 合格基数 | 比例 | 备注 |
|---|---|---|---|---|
| [A组] | [n] | [N] | [%] | [范围] |
| [B组] | [n] | [N] | [%] | [范围] |

### 发现2：[有限亚组结果]

[结果、亚组基数、不确定性以及比较是否为计划性。]

### 敏感性检验

当我们把定义从[A]改为[B]时，[结果]。这[确实/没有]改变有限结论，因为[原因]。

## 局限性

本样本涵盖[范围]，而非[排除人群]。横截面审计不能确定因果关系。编码可能遗漏[测量限制]，[混杂因素]未受控制，小亚组仅为描述性。

## 数据与验证

下载[清洗后数据]、[编码手册]、[分析]和[图表数值]。我们未提供[字段]，因为[具体限制]。将问题或修正发送至[联系方式]。

## 启示

[两到三个直接与发现相关的有限启示。]结果不能证明[诱人的过度推断]是合理的。

## 来源和披露

[外部来源记录、赞助商角色、作者角色、利益冲突和审核声明。]

## 更新日志

- [日期，版本]：首次发布。
- [日期，版本]：[修正或实质性变更，受影响的输出，结论是否改变。]

## 常见问题

[匹配前置元数据记录的可见问题。]

## 引用本研究

[规范化标题、作者或组织、出版年份、版本、规范化URL、数据集标识符。]

该骨架记录了排除和不可用的页面，因为从起始记录到最终样本的路径本身就是发现的一部分。

设计展示

跨变体使用相同的研究和数字。每种布局必须保证方法论、局限性和数据访问无需视觉解读即可触达。

不要将响应式状态转换为独立的编辑版本。移动端布局必须在数字旁保留限定修饰词，而不是将其推入隐藏的工具提示。

质量检查清单

• 问题先于偏好的标题，并明确了人群、构念和时间边界。
• 设计能够回答所陈述的问题；因果性词汇仅在设计支持因果推断时出现。
• 分析单位明确，并在标题、图表、表格和正文中保持一致。
• 收集、分析、发布和审核日期是可区分的。
• 抽样框架、选择或招募过程、资格规则和排除条件是可重复的。
• 调查报告包括措辞、选项、顺序效应、方式、招募、实地调查、加权和受访者基数。
• 每个百分比都有合格的分母；每个平均数都说明了其单位和人群。
• 缺失数据、重复处理、异常值、转换、亚组基数和探索性分析均已披露。
• 图表具有无障碍文本并展示出绘制的数值。
• 局限性涉及选择、测量、混杂、缺失数据、泛化性和时间——而不仅仅是"需要更多研究”。
• 数据集、工具、编码手册和分析在安全可用的级别提供，或每个限制都已解释。
• 赞助商、角色、利益冲突、隐私、同意、许可和外部来源均已披露。
• 规范性研究URL、引用格式、版本、修正途径和更新日志均已存在。
• 至少一位审阅人能够根据已发布的材料重现一个标题数字。

常见错误

最典型的错误是标题优先型研究：先选择一个引人注目的结论，然后在数据中寻找通向该结论的路径。这会导致灵活的定义、选择性排除、多次未报告的比较，以及在合理的替代分析下消失的结论。

其他失败则特定于该文章类型：

• 将客户样本称为"市场”。 产品用户与非用户不同。明确指出抽样人群并解释选择效应。
• 将调查答案视为观察到的行为。 “受访者有意购买"不是"买家将购买”。报告工具实际测量了什么。
• 隐藏分母。 “半数偏好A"在没有合格基数、回答选项以及缺失回答处理方式的情况下毫无意义。
• 在看到结果后改变定义。 如果阈值或亚组是探索性的，请加以标注。不要将事后选择呈现为计划中的假设。
• 仅报告有利的分组。 展示空值、混合和相反的结果。重复的亚组测试会产生偶然模式。
• 将相关性等同于因果关系。 一个关系可能反映反向因果、共同原因、选择或巧合。使动词与研究设计相匹配。
• 默认公开原始数据。 透明度不能凌驾于同意、隐私、安全、许可或合同之上；去标识化的记录仍可能被链接。
• 在行动号召之后埋藏局限性。 将限定条件放在读者和提取系统遇到结论的位置。
• 将新闻稿称为研究。 规范报告必须包含方法和证据。媒体稿件应链接到该报告，而不是成为唯一可访问的资料。
• 静默覆盖修正。 对资料进行版本管理，描述更改内容，并说明结论是否发生了变化。

内部链接

研究拥有其问题、方法、数据集、发现和局限性。其他页面可以总结一个结果，但应链接到规范化报告，而非与之竞争。

• 统计汇总可以在外部证据中包括该结果，但必须引用研究并保留样本和日期。不可托管发现的竞争性副本。
• 案例研究可以将结果应用于一次实施，但该结果并不能验证人群发现或替代研究方法。
• 辟谣文章可以使用研究来检验某个信念，但它拥有主张-验证-替代的序列，而非数据集。
• 终极指南可以在广泛的讲解中总结该结果，但研究仍是方法、局限性和下载的目的地。

链接到必要的定义、相关应用、数据集和衡量框架。避免单独的摘要、新闻稿、发现和图表的URL，除非每个都有不同的职责和规范关系。

如何衡量结果

研究表现是一个链条：发现、被选为来源、准确重复使用、有质量的互动、数据集使用、赢得的报道以及适当的后续行动。遵循如何衡量结果 来定义基线、观察窗口、比较和发布前的限制。

在AmICited中，使用提示追踪 对研究问题、标题发现、基准查询及相邻的"数据说明了什么？“表述进行追踪。使用来源与引用情报 查看AI答案引用了哪些URL，以及回答是否保留了人群、样本、日期和非因果边界。在AmICited Cockpit 中，比较同一窗口内的AI可见性、被引URL、自然发现和选择的站内事件。

区分规范化页面的引用与非链接提及和衍生报道。衡量方法阅读、数据和工具访问、引用复制操作、订阅和合格的后续访问。记录每次获得的引用、被重复使用的主张、目标页面和修正。

不要将覆盖量转化为科学有效性或收入归因。判断重复使用是否准确、权威来源是否引用了规范化页面、以及该资产是否仍在回答其预期的问题。

常见问题

什么使得一份报告成为原创研究？

当发布者创建或直接收集证据、记录其产生过程、根据既定问题进行分析、并使结果可验证时，该报告即为原创研究。从其他发布者那里重新格式化数字属于综合整理，而非原创研究。

数据研究和调查有什么区别？

数据研究分析观察、测量、实验或行政记录。调查则要求抽样人群报告态度、经历、意图或特征。调查可以是原创研究，但其回答并非行为的直接测量，除非研究设计单独观察了该行为。

原创研究页面是否必须发布其原始数据？

在同意、隐私、许可、安全和合同限制允许的范围内，发布最详细的数据。当无法发布行级数据时，应提供聚合数据集、数据字典、分析代码（在可行的情况下）、抑制规则，以及对无法提供的内容及其原因的精确解释。

样本应该有多大？

没有通用的最低标准。样本的充分性取决于研究问题、设计、预期变异、预期的亚组分析、不确定性目标和选择过程。应在收集或分析数据之前论证样本的合理性，而不是因为它产生了显著结果就声明其足够。

方法论是否应该在研究结果之前出现？

是的。先简要给出标题结果，然后将方法和样本放在详细发现之前。读者需要知道测量了什么、包含了谁或什么、以及限制在哪里，然后才能解读图表和主张。

原创研究应该使用哪种Schema标记？

对编辑报告使用Article。只有当发布了具有所需元数据和稳定登录页面的真正可下载或可查询的数据集时，才添加Dataset标记。仅当页面上可见的问题与结构化记录匹配且当前政策支持时，才使用FAQPage。

原创研究何时应该更新？

当底层人群、源系统、方法、定义或市场发生足以影响解读的变化时进行更新。保留原始的实地调查日期和版本历史；不要默默地将旧样本替换为新样本。