AI 引用页面的 INP(响应能力)表现如何?

AI 引用最多的页面在 87% 的加载中记录良好的 INP,而引用最少的页面为 89%——在原本健康的基线之上,这是一个适度的相关性优势。

交互到下一帧绘制(INP)衡量页面响应用户输入的速度。当页面在大多数真实用户场景下能在 200 毫秒内响应交互时,即为“通过”INP,该数据由 Google 的 Chrome 用户体验报告(CrUX)实地数据测量。本报告将实地数据与 AmICited 的引用追踪相结合,提出一个简单的问题:AI 引擎更常引用的页面在 INP 上是否表现更好?

在所有拥有实地数据的被引用域名 中,88% 记录良好的 INP——这是一个坚实的基线。但被引用最多的域名表现得略好一些:被引用 10 次以上的页面中 87% 达到良好阈值,而仅被引用 1-2 次的页面中这一比例为 89%

良好 INP 率与引用频率

按引用频率划分的良好 INP 率

这一趋势与本数据集中所有其他核心网页指标 信号的方向一致:AI 更常引用的页面更有可能达到 Google 的良好 INP 标准。这里引用最多组与引用最少组之间的差距为 2 个百分点——真实且一致,但幅度很小。这表明 INP 是一个辅助性信号,而非门槛:许多被频繁引用的页面 INP 并非完美,而许多技术优秀的页面也几乎未被引用。

底层数据

引用频率有数据的域名数良好 INP 率
引用 10 次以上65987%
引用 3–9 次1,58488%
引用 1–2 次4,31389%
Logo

Ready to Monitor Your AI Visibility?

Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.

INP 与其他核心网页指标的对比

在引用页面中,各项指标的通过难度并不相同。在整个引用集合中,INP 最强(88% 良好),而 FCP 最弱(75% 良好),INP 为 88%。这一排序本身就很有用:如果你正在对自己的网站进行问题排查,AI 引用页面最常失败的指标通常就是最容易找到竞争差距的地方——那里的门槛对所有人都更低。

这对 AI 搜索可见性意味着什么

实际的结论与核心网页指标整体情况相同:修复 INP 值得做,但这是基本门槛,而非 AI 引用的增长杠杆。 它可以消除轻微劣势,更重要的是——能为你已有的流量改善真实用户体验。但基于此证据,优秀的 INP 分数本身不会让你进入 AI 引擎的引用集合;内容相关性以及出现在这些引擎所整合的来源中,远比 INP 重要得多。按此优先级安排:先把 INP 提升到"良好"区间作为基础优化,然后将大部分精力投入在内容相关性和覆盖面上。

为什么 INP 对 AI 搜索可见性很重要

交互到下一帧绘制衡量页面响应用户输入(点击、触摸和键盘操作)的速度。在所有核心网页指标中,INP 是最纯粹关乎人类体验的指标。AI 爬虫不会点击按钮、填写表单或与 UI 元素交互;它们解析静态 HTML 。因此,INP 与引用频率无正相关性并不令人意外。

实际上,数据显示出轻微的反向关系:被引用最多的页面 INP 通过率为 87%,而被引用最少的页面通过率为 89%。这几乎可以肯定是噪声而非真实信号,但它强化了更广泛的发现:AI 引擎并未将交互性作为排名或选择因素。INP 优秀的页面被引用的可能性并不比 INP 较差的页面更高。

话虽如此,INP 对于 AI 引用的下游价值仍然重要。如果用户通过 AI 答案点击进入一个感觉迟缓、响应迟钝的页面,他们很可能会迅速离开。INP 直接影响你从 AI 搜索 获得的流量质量——即使它不影响你获得的流量数量。

AI 引用页面与更广泛网络的对比

INP 是最新也最具挑战性的核心网页指标。Google 的 CrUX 数据显示,整个网络上只有约 60-65% 的 URL 达到了"良好"的 INP 分数。AI 引用集合的 88% 显著高于网络平均水平——这是三个指标中差距最大的之一。

这合情合理:AI 引擎引用的页面不成比例地来自资金充足、技术成熟的网站,这些网站拥有解决 INP 所衡量的交互性挑战的工程资源。较小的网站、博客和论坛——构成网络很大一部分——更可能在 INP 上遇到困难。引用集合中 88% 的通过率反映了获得 AI 引用的网站类型,而非 INP 驱动引用的证据。

实用建议

INP 是最难修复的核心网页指标,但也是对引用的收益最小的指标。请按以下优先级安排:

  1. 使用 Chrome DevTools 性能面板审计交互性。 识别阻塞主线程的长任务——这些是 INP 不佳的根本原因。常见的罪魁祸首是臃肿的 JavaScript 包、未优化的第三方脚本和高开销的事件处理程序。

  2. 拆分长任务。 最有效的 INP 修复方案是将大型 JavaScript 任务拆分为更小的异步块。这使浏览器能够在任务块之间处理用户输入,而不是将其排队。

  3. 延迟加载非关键 JavaScript。 将分析工具、聊天插件和其他第三方脚本移至主内容之后加载。使用 asyncdefer 属性,或在页面可交互后以编程方式加载它们。

  4. AI 可见性 的 ROI 保持现实态度。 鉴于与引用频率的零(或轻微负)相关性,INP 应成为 AI 可见性优化中核心网页指标的最低优先级。如果用户抱怨页面迟缓,则修复它;否则,将时间投入在内容和相关性上。

方法论

INP"良好"比例来自 Google CrUX 实地数据,与 AmICited 的引用追踪相结合,覆盖 1,905 个追踪提示词(2026 年 6 月 24 日 – 2026 年 7 月 23 日)。CrUX 数据对 8,845 个被引用域名中的 6,556 个(74%) 可用——流量过低而未被 CrUX 收录的页面被排除,这使样本略微偏向访问量更高的网站。域名按其在追踪提示词响应中被引用的次数分组;良好 INP 比例在每组内取平均值,总体/比较数据按组加权计算。这是被引用页面之间的关联,而非已证明的因果关系——我们并非声称更好的 INP 导致更多引用。本报告中未出现外部链接。

常见问题

Arshia 是 FlowHunt 的 AI 工作流工程师。凭借计算机科学背景和对人工智能的热情,他专注于打造高效的工作流程,将 AI 工具融入日常工作,从而提升生产力与创造力。

Arshia Kahani
Arshia Kahani
AI Workflow Engineer

审计你网站的 AI 引用健康度

查看哪些 AI 引擎引用了你的品牌——覆盖 ChatGPT、Perplexity、Gemini 等。