外链归因怎么测？哪条外链真撬动排名+6步实验设计

外链投出去到底哪条真撬动了排名？多数SEO人凭直觉看排名涨没涨，但排名涨可能是核心更新、可能是其他链一起发酵、可能是季节性、也可能是内容刚好被算法重评——把这些噪声归到那一条外链头上，几乎都是错的。本文把外链归因当因果推断处理：6步实验设计、单链与批次双策略、对照组与归因窗口怎么定、4大归因模型在外链场景的真实适配、3类测不到的边界、出海DTC与跨境B2B两段完整复盘——把“投不投、值不值、要不要继续”从玄学变成可记录、可复盘、可决策的工程动作。

为什么大多数外链分析都在自欺欺人？

“这条外链做完，排名就涨了——肯定是它带来的。”——这是过去十几年在客户群、SEO论坛、乙方汇报会上听到最多的一句话，也是最不靠谱的一句话。

外链归因的难度远超关键词归因，不是因为外链复杂，而是因为它处在一个噪声极大的因果链尾端：从你把链接发出去，到Google抓到引用页、读懂上下文、判定锚文本、把权重沿着PageRank-like信号传到目标页、再到目标页因此进入或重排SERP——中间任何一环都受核心更新、内链改动、内容更新、其他外链同时发酵、季节性流量起伏、SERP版式调整影响。你以为看到的是一条因果线，实际可能是十条线一起在动。

排名涨不等于这条外链起了作用：4种最常见的伪因果归因

第一类是时间先后当因果。10月12日发了外链，10月18日目标页从第11位涨到第6位，于是归功于外链。但10月15日Google刚跑完一次未官宣的核心更新尾巴，目标页背靠的整个内容质量基线被重评——这才是主因，外链甚至还没被Googlebot抓到那条引用页（实操中见过外链页本身6周才被首次抓取的案例，那条链根本来不及作用）。

第二类是波动当趋势。SERP在10-20名区段的日波动幅度本身就有 ±3-5位，看到从11涨到6，可能只是当天某个低质量竞品掉出去、你被动顶上来，跟外链一点关系都没有。第二天又掉回11位，归因体系里完全无解。

第三类是选样偏差。多数SEO团队只回看“涨上来的页面”的外链历史，从不看“没涨”的对照样本——这种只看胜利者的归因等于幸存者偏差。同期发了20条外链、其中3条对应页面涨了、17条对应页面没动，但案例分享里只留下那3条“成功故事”。

第四类是批次效应混入单链账。一个客户连发12条HARO链、5篇客座、3条行业目录——同期目标页涨了，于是把功劳分摊给某一条“看起来最权威”的链。但实际上传导起作用的可能是3条小链的合并锚文本多样化效应，或者根本是同期更新了页面H2结构。

单链效果太弱、噪声太大，工具自动相关性散点图基本是骗局

主流外链工具喜欢给一个“反链获取数vs自然流量”的相关性曲线，散点拟合出一条上升线，配文“看，外链增长带来流量增长”。这种图对决策几乎没用。原因有三：

一是因果方向反了——流量大的站本来就更容易被引用（编辑、记者、专家挑写作素材本能选大站），不是反链推流量，是流量推反链。二是数据是工具自有爬虫看到的反链，不是Google真的赋权的反链——Ahrefs、Semrush爬到的反链里有30-60% 是Google已经判定为低质量或者垃圾、根本不传权的，散点拟合不剔这部分等于在拿噪声做拟合。三是站级聚合掩盖了页面级因果——某个站6个月增加了2000条反链、流量涨了40%，但那2000条里可能只有70条真的传到了带来转化的页面上，剩下的全砸在了不重要的页面。

没人愿意做对照组——SEO圈系统性的实验设计赤字

真正能把因果说清楚的工具是实验设计，但SEO圈对它一直有抗拒。三个原因：一是实验需要“故意不做某件事”（控制对照组），多数客户听到“您这批页面我们不投外链做对照”就跳起来；二是SEO见效周期长（3-6个月），对照组要锁很久才出数据，团队耐心不足；三是SEO人多数科班是文科/营销背景，对统计显著性、效应量、置信区间这些工具掌握不熟。

但你只要回看任何一份头部团队的真实复盘（不是公关稿那种），都会发现他们对一条外链值不值的判断，最终都会落到“同类页面，投了和没投的差多少”这种朴素的对照思路上——这就是实验设计的雏形。区别只在于谁愿意把这个动作做规范、留档案、可复算。

外链归因之前先想清楚：到底想撬动什么？

“做外链有没有效”这个问题永远没法答，因为“效”这个字太模糊。先把它拆成四层度量目标，每层对应的影响机制完全不同，归因方法也不同。

曝光、排名、流量、转化四层度量目标的差异

从外链到生意，中间隔了至少四层指标，每层对外链的敏感度差一个数量级。

保哥的实操原则是：外链实验先看曝光、再看排名、最后才看流量，不要直接把转化数据当外链KPI。曝光层是最早能动的指标——一条编辑链被Googlebot抓到、传到目标页后7-21天内，GSC的Impressions通常会先有个明显抬升（即便排名还在11-20位区段），这个抬升是最干净的“候选池扩大”信号，比看排名靠谱多了。

不同类型外链撬动的层不同：编辑链、列表链、新闻链、HARO链典型表现对照

不是所有外链都同时撬动那四层。下面是手上几十次实测累积的经验对照表，可以直接拿去校准期望。

这张表的价值在于：归因前先按类型设定不同的期望窗口与期望规模，否则你拿“30天没动”去否定一条HARO链，等于用错误的尺子量。

别把“被引用”与“被点击”混在一起：AI时代多了一个被LLM看见的层

2024起多了一个新层：被LLM引用（AI Overviews、ChatGPT、Perplexity等在生成答案时显式或隐式引用你站）。这层与传统SEO的反链传导机制部分重合、部分另算。重合点是高质量编辑链确实会提升你被LLM训练时采样的概率（详见 AI答案为什么不引用你？训练数据共现是底层机制）；分歧点是LLM还看主体内容结构、实体一致性、上下文清晰度，单纯靠堆传统外链推不动AI引用率。

所以做归因时，AI引用层要单独建一套度量：每月跑一次同一组提示词，看哪些品牌被引用、哪些查询里你出现，趋势线和传统排名分开看。把它和反链投放混在一张表，会得出错得离谱的结论。

外链归因实验设计的6步法到底怎么做？

这是本文的工程部分。六步不是流程，是六个必须想清楚的设计决策——每一步定下，后面才不会拍脑袋。

第1步：定义“成功”——单链与批次两种基线指标

实验设计第一件事不是搭对照组，是把“成功”用可测量的句子写下来。这句话必须包含：度量层（曝光/排名/流量哪一层）、目标页（哪几个URL）、目标查询（哪几个关键词或哪个查询集合）、最小可识别效应（MDE，至少要涨多少才算赢）、观察窗口（多少天后判定）。

举个反例。一个客户写的实验目标是“投了5条HARO链看看排名有没有提升”——这句话四个要素全模糊：哪几个目标页没说、哪几个词没说、涨多少算成功没说、什么时候判定也没说。结果是12周后看数据，几个词涨了几个词跌了，团队吵起来到底算赢算输，没人能说清。

正确写法对照：“12周内，目标页A、B、C在长尾词集合K（30个词）上的GSC平均排名提升 ≥3位（MDE=3位）、且这30个词中至少18个词排名提升或持平不下降，则判定本批HARO链投放成功；任一条件不满足判定失败，需重做outreach流程或换执行供应商。”

单链与批次的差别在MDE。单链场景MDE必须放宽（一条链很难撬动3位以上），但样本量极小、噪声极大，实验设计要承认“多数单链根本测不出统计可信的增益”，所以单链实验的常见做法是放弃证明因果、改做记录——每条链都打台账，连续累积100+ 条后做整体回归。批次场景反过来：单批10-20条以上才有可能拉出可信的位次趋势。

第2步：搭对照组——holdout页面组、对照站、对照锚文本的三种搭法

对照组是归因实验的核心。没有对照组的“实验”严格说不是实验，是观察。SEO场景下对照组有三种搭法，从容易到难：

第一种：holdout页面组。从你站点选一批与目标页同模板、同主题、同流量量级的页面（比如同一个PLP集合页下的8个子分类页），随机抽其中4个作为实验组（投外链）、4个作为对照组（不投）。实验跑完，比的不是实验组涨没涨，而是实验组涨幅 - 对照组涨幅 = 真正归因到外链的增量。这个差值剔除了核心更新、季节性、整站NavBoost提升等公共因素。

第二种：对照站。当holdout页面组凑不齐（比如目标页是站点首页、独一无二），可以找一个外部对照站（同行业、同竞争层、同体量），与你的目标页跟踪同一批关键词的排名。当然外站不归你控制，外站可能恰好也在做SEO动作，所以对照站只能当辅助校验，不能当主对照。

第三种：对照锚文本。用于专门测“锚文本配比”的实验。比如同样发10条编辑链，5条用品牌词锚、5条用部分匹配词锚（如“最好用的X工具”），分别看对应目标查询的排名传导。这种做法可以隔离锚文本变量，但前提是你能精确控制outreach的锚文本。

实操中最常用的是第一种。重点不是统计学多严谨，而是团队和客户都接受“同模板里有一半不动”这件事——这本身就需要前期沟通。一旦客户接受了holdout概念，实验文化就立起来了。

第3步：定归因窗口——外链发现→索引→传权→排名传导的真实延迟分布

外链不是发出去当天就起作用，传导链条至少四个环节：

环节1：外链页被Googlebot抓到。新发布的高权重媒体页面通常1-3天内被抓，行业小站可能2-8周。可以用GSC的“链接报告 → 顶部链接网站”验证：链未出现说明Googlebot还没把它解析进你的反链图谱。

环节2：链上传权信号到目标页。这一步是个黑盒，Google不公开传导曲线。实测的经验值：从外链页被抓到目标页GSC Impressions出现可见抬升，中位数14-28天，长尾分布到90天的也有（取决于目标页本身的抓取频率、内链路径深度等）。

环节3：目标页因新权重进入更多查询的候选池。这一步在GSC上表现为Impressions抬升、Average Position可能反而短期变差（因为进入了更多查询的候选池，多数初始位置不会很靠前）。这是个特别容易误判的阶段——客户看到 “平均排名变差” 就觉得外链有反效果，其实是“候选池扩大、新进入的查询多数排名靠后”稀释了均值。

环节4：目标页在候选查询里逐步重排。这一步取决于NavBoost等行为信号是否跟上——如果点击率、停留时长、任务完成度配合，排名稳步上升；如果用户行为不配合，排名会回落甚至完全消失。

所以归因窗口的下限是4周，理想观察期是12-16周，要看长尾效果甚至要6个月。把窗口设太短（30天）几乎注定会得出“外链没用”的伪结论。这一点本工程里 SEO要做多久才有效 那篇有更系统的拆解。

第4步：选归因模型——4个主流模型在外链场景的适配性对照

把外链当一种营销动作，套用营销圈成熟的归因模型，但要清楚哪个模型在外链场景下不合身。归因方法论的整体框架可看 数据驱动SEO决策：归因建模与假设检验 那篇，这里只聚焦外链场景的适配差异。

实操推荐是“双模型并跑”：以线性分配为基线模型，给每条投出去的链一份基础贡献；同时跑数据驱动模型作为校验。当两个模型给出的“最优投放类型”不一致时，倾向相信样本量大、统计可信的那个；样本不够时回退到线性 + 业务判断。

千万不要直接套GA4的Data-Driven Attribution默认配置——它是为多渠道点击归因设计的，外链场景下样本路径太短，跑出来的结果几乎是噪声。

第5步：剥离噪声——核心更新、内链改动、内容更新、其他外链同时发酵的扣除法

实验跑完之前，外链以外的所有SEO变量都会偷偷参与“给目标页加分”。不剥离这些噪声，得出的“外链增益”是假账。

核心更新是最大污染源。Google每年2-4次广泛核心更新，每次都会对站点级别的相对位次做重评（详细机制可看 Google广泛核心更新通用机制+诊断+恢复 那篇）。如果实验窗口跨过了一次核心更新，必须用对照组扣除（对照组同样吃到了核心更新的影响，差值才是干净的外链增益）。如果对照组凑不出来又跨了核心更新，整个实验基本作废、重新跑。

内链改动容易被忽视。SEO团队常常一边发外链、一边优化内链结构（新增相关推荐、调整面包屑、改首页底部链接），结果排名变化里内链改动的贡献可能比外链还大。实操建议：实验期内冻结内链改动，或者用版本控制系统记录每次内链改动的时间戳，事后回归扣除。

内容更新同理。如果目标页在实验期间内容被改写（哪怕只是更新了H2、加了一段、刷新了modified时间），这本身就是一个独立的排名信号，必须与外链效应分开记账。

其他外链同时发酵是最难剥离的一种。批次实验里没问题（整批一起算），但如果你想单独算某一条特别贵的链（比如花了800美金做的一条HARO），同期还有8条其他链在发酵——这一条的边际贡献很难单独抽出来。可行方法是“延后单链投放”——把这条贵链单独在批次结束4周后再投，观察这一段相对清洁期的位次变化，但实操成本高。

第6步：写下决策规则——这次实验跑完什么阈值算成功、什么阈值算失败、要不要继续投

实验设计最容易被跳过的一步是“事前定下决策规则”——很多团队跑完实验才回看数据决定是赢是输，这等于切片钓鱼（cherry picking）。决策规则必须在实验启动前就写下来，签字归档。

规则模板：“如果实验组比对照组12周后在指定30个长尾词上的平均排名差值 ≥3位，则判定本批投放成功，下一季度继续投同类外链 + 同outreach流程；如果差值在0-3位，判定中等，下一季度投放量减半 + 优化outreach流程；如果差值 ≤0位，判定失败，停止该类外链投放，重新评估选题质量。”

这样的规则可以避免“成功就归因到外链、失败就归因到其他变量”的双标。它也让团队对“失败”有心理预期——失败不是丢人，失败本身就是产出（让你不再投错的方向），但前提是规则在前。

单条外链能不能跑严格A/B？

能不能在统计意义上对单条外链做严格A/B？严格说不能。但有三种“准实验”近似法可以救场。

单链“准实验”的三种近似法

双重差分（Difference-in-Differences）。原理是：测量实验组在外链投前后的差值，减去对照组在同时段的差值，得到的双重差等于扣除了时间趋势的真实干预效应。SEO场景的简化版：选一个holdout页面组，记录投链前8周vs投链后16周两组的均位次变化，差值之差就是外链带来的纯增量。

中断时间序列（Interrupted Time Series, ITS）。原理是：用投链之前的时间序列数据拟合一条“没有外链时的预期趋势线”，然后看投链后的真实数据偏离这条线多远。这种方法不需要对照组，但需要至少12周以上的稳定历史数据。适用于无法搭holdout的场景（如首页）。

合成对照（Synthetic Control）。原理是：用若干相似页面/相似站点的加权平均，合成一个“如果没有外链应该是什么样”的虚拟对照。这种方法对数据量和方法论要求最高，但在大站点的关键页面归因上很值得。

为什么传统A/B在外链场景几乎不可行？

传统A/B测试要求随机分组 + 大样本 + 短周期反馈，这三个条件在外链场景几乎全错配。SEO单链的样本量本来就是1（一条链就是一个事件），观察周期是12周起步，且Google的索引行为本身就有时间序列依赖（无法随机化）。强行套A/B框架只会得出统计不可信的结论。

能做的是把单链汇集成大样本——投了200条外链后，按类型、按DR、按锚文本、按目标页类别分组，做事后分组对比。这本质是观察研究，不是实验，但样本够大时可以接近因果推断。

一个反例：什么情况下单链反而比批次更好测？

有一种特殊情况单链反而比批次容易归因：极高权威站的单条编辑链。比如某行业头部权威媒体（DR 90+、月流量百万级）发了一篇专题文章，里面引用了你站。这种链由于来源权威性极高、传导信号集中、可观察的目标页表现差异显著，可以用ITS方法测出明确增量。保哥经手过的最干净的一次单链归因是2022年某北美DTC客户被一家DR 92的母婴权威媒体专题引用——目标页（一个核心品类集合页）28天内GSC Impressions从日均320涨到1180，核心词排名从第14稳定到第5，期间无核心更新无其他外链——这条单链的归因可信度接近90%。但这种情况一年遇不到几次。

4类外链归因模型怎么选才合适？

上一节已经给了4模型对照表，这一节细说外链场景下的实操推荐。

末次模型在外链场景为何更不可信？

末次归因来自营销圈对点击路径的简化处理：用户在转化前最后点的渠道得全部功劳。但外链没有“点击”这个动作，外链的传导是连续的信号叠加，没有“最后一条”这种说法。把末次模型套到外链上，最常见的错误是把发布时间最近的链当成主因——但Google的传导曲线是滞后的，最近发的链可能根本还没起作用，起作用的反而是6-8周前那批已经传完信号的链。

数据驱动模型（Shapley值）能不能用在外链？前提与限制

Shapley值的原理是：计算每个触点在所有可能的触点组合中边际贡献的平均值。这种模型理论上是最公平的归因方式，但有两个硬前提：

第一，需要海量历史数据。Shapley值的计算复杂度随触点数指数增长，实际应用中需要至少几百次有完整对照数据的外链投放记录才能训出可信的模型。多数中小站点连续3年的外链投放总量也凑不到这个数量级。

第二，需要清晰的“无外链”反事实。Shapley模型要计算的是“如果没有这条链会怎样”，但SEO场景下没有真正的“无外链”状态——你站从开始就在被各种链指向，反事实只能用近似估计。

所以Shapley值在大型SEO团队（in-house头部品牌）有用，对中小站点和agency客户来说，多数情况是不可行的。

实操推荐：3步混合归因法

实操中在客户项目里磨出的一套混合归因方法，可以在样本量不足时提供尽可能可信的判断：

步骤1：批次层用线性分配 + holdout对照。把外链按月分批、每批投后跟踪12周对照差值。批次结果用于判断该批次的整体ROI（继续投同类还是停）。

步骤2：类型层用分组统计。在6-12个月累积后，把所有外链按类型分组（编辑/列表/HARO/新闻/客户案例），看每类的平均增益。用于判断哪类外链值得继续投预算。

步骤3：单链层用业务判断 + 案例标签。极少数特别值得记录的单链（比如花了大钱的、来源权威性特别高的）单独做案例研究，用ITS或合成对照法估算。多数普通单链不单独算，归入类型层统计。

一张对照表：4模型 × 5场景的实战适配矩阵

真实噪声怎么扣？

这一节继续把噪声扣除的具体动作落到操作上。

核心更新（半年1-2次）是最大污染源

核心更新对外链归因的污染是双向的：可能把外链的真实增益淹没（“涨了5位但同期Google给所有同行业站涨了5位”），也可能把不相关的boost误归到外链头上（“涨了8位，其实核心更新boost了6位，外链只贡献2位”）。

扣除方法是前后对照 + 同期同类页面对照双线：第一线对比实验组在核心更新前4周vs实验组在核心更新后12周的位次变化；第二线对比对照组（同期同类未投链页面）的同段变化。两条线的差值 = 真正归因到外链的增量。如果核心更新刚好发生在实验中段（最糟情况），整个实验需要延长到核心更新后再观察12周才有有效数据。

内链与内容改动比外链改动更频繁——版本控制 + 变更日志的工程实操

SEO团队常忽视的事实：一个站每月内链改动次数（页面新增、相关推荐换、面包屑调整）远超外链投放次数。每次内链改动都会让目标页的“内部权重输入”变化——这本身就是独立排名信号。

实操建议：建一个站点变更日志（changelog），记录每次涉及以下事件的时间戳：①任何URL新增/删除/301；②目标页H1/H2/title/meta改动；③内链结构改动（新增/删除指向目标页的内链）；④面包屑/导航/底部链接的批量调整。事后做归因时，把这些事件与排名时间序列对齐，能立刻看出某次位次跳动是不是外链触发的。

其他外链同时发酵的“鸡蛋时间”问题

批次内外链不是同步起作用，是分散在4-16周窗口里依次起作用的。如果你想单独算某一条特别值得记录的链，但同期又有其他链在发酵，传统做法是“延后单链投放”，即把这条单链推到批次后4周再发，目标是让它落在一个相对清洁的传导窗口里。但实操上outreach节奏未必允许这样安排（编辑稿期临近、记者已答应排期等）。

退而求其次的方法是事后建模分解：把每条外链的预估传导曲线（按类型查表）叠加，得到一个总的“预期增益曲线”，再把实际观察值减去预期，剩余即可粗略归到某条特别链。这个方法在小样本下统计意义弱，但比拍脑袋强。

哪些情况外链归因测不到？

承认有些情况就是测不到，比硬凑数据靠谱。

大型权威站（DR70+）单链增益小到工具检测下限

你的站已经DR75了，再多一条DR60的链对你的整体权威分贡献接近于零（边际效用递减）。这种增益太小，常规归因工具的精度都覆盖不到。这种站要做的不是单链归因，是组合策略归因——比如观察连续6个月把外链投放从“量”转向“高权威定向”后，TOP10排名词数的趋势变化。

长尾词外链对头词排名的传导被压制

你投了一批关于“长尾子主题”的外链，但目标页的头部主词排名没动——这是正常的。Google的链接传导不是“一锅烩”，长尾词权重对头部词的传导被相关性过滤器压制，传不上去。这种情况不是外链没用，是你测错了KPI——应该看长尾词集合的排名，而不是看头部词。

跨域名/跨语种页面外链传导的衰减

给example.com/en/ 投英文链，但同时关心example.com/de/ 的德文页排名变化——跨语种传导极弱，几乎测不到。同理跨子域名（blog.example.com收的链对shop.example.com的传导也大幅衰减）。这种结构下要做归因，必须按语种/子域名分开建实验。

出海DTC与跨境B2B两个真实复盘

把上面所有方法论落到两个真实案例上，让数字说话。

案例1：北美宠物用品DTC站投了12条HARO链的90天实测复盘

2024年Q3，一个保哥经手的北美宠物用品DTC客户决定测试HARO渠道。基线情况：DR 38、月自然流量约4.8万、核心品类页平均位次第13-18位区段。投放计划：12周内投12条HARO链，专门pitch兽医/宠物训练师询源，每条都指向同一个核心品类集合页（slug略）。

实验设计按6步法做了完整版：①目标定义=核心品类页在25个长尾词集合上12周后GSC平均排名提升 ≥3位；②对照组=同集合下另一个相似品类页（流量、内容长度、内链入度都对齐）；③归因窗口=投后16周；④归因模型=线性分配 + 类型层统计；⑤噪声剥离=实验期冻结内链改动、内容只允许微调；⑥决策规则事前签字。

原始数据（实验组vs对照组，仅看25个目标长尾词的GSC平均排名）：

解读：第12周对照组比实验组在同长尾词集合上的平均位次高3.7位，扣除了核心更新和季节性因素后，归因到本批HARO链的真实增量是 +3.7位平均排名。按事前决策规则判定成功，下一季度继续投同类型HARO链 + 提高样本量到24条。

另外一个值得记录的副产品：实验组的GSC Impressions在第4周就出现可见抬升（候选池扩大），但Avg Position反而短暂从15.2升到17.1（候选池里新词排名靠后稀释了均值）——如果客户没有事前理解这个机制，会以为外链有反效果而停手。

案例2：跨境工业设备B2B站投了7条行业目录 + 4条客户案例链的6个月归因

2023年另一个客户是做工业流体设备的跨境B2B站（目标市场北美 + 欧洲），询盘是核心KPI而不是流量。基线：DR 28、月自然流量约1.2万、月询盘数18条。客户问的问题是：“我们打算投7条行业目录链 + 4条客户案例反链（让5个标杆客户在自己站列我们为供应商），到底对询盘有没有帮助？”

这种B2B场景比DTC案例更难归因，因为：①询盘量小（月18条），统计意义弱；②询盘到成单还要3-6个月，转化层归因周期更长；③客户案例链同时带来直接流量（不光是SEO传导），归因要分两条线。

做法：放弃单链归因，改做分类型 + 多层并跑。把7条目录链与4条客户案例链分开记账，分别看：①目录链——目标页的GSC Impressions / 长尾词排名变化（SEO主线）；②客户案例链——直接流量增量 + 询盘转化增量（直接传导主线）+ 长期SEO信号（次要线）。

6个月数据（核心数据节选）：

解读与决策：客户案例链的ROI最高（带直接询盘 + 长期SEO二段加分），下一季度优先做客户案例链；目录链虽有效但ROI中等，保持现有节奏；同时停掉了同期跑的两条低质付费链（数据没改善）。客户全年新签合同vs上年 +42%，归到SEO体系总贡献约65% 中，外链批次贡献预估约38%（用线性分配 + 业务判断算）。

把归因结果翻译成下一轮投放决策的3个判断框架

归因不是为了出报告，是为了做下一轮投不投的决策。三种决策模式：

单链ROI大于团队时薪 × 投入时长就续投同类

把每条链的“做出来的成本”（outreach人力工时 × 团队时薪 + 任何直接费用）算出来，与归因得到的“增益对应的商业价值”比。商业价值的换算法：增益位次 × 该位次档CTR × 月搜索量 × 该词CPC = 估算月度等效广告价值。这个数大于成本就续投同类。

单链零收益但批次正收益就优化筛链流程不砍预算

多数outreach团队做100条pitch落12条链，落到的12条里只有4条产生明显增益。这是正常分布。决策不是砍预算，是优化筛链——把那12条链按事后增益分级，分析“成功的4条与失败的8条在pitch选题、目标记者、上线时点上有什么差别”，把成功因子固化到下批pitch流程。

单链 + 批次双负就立即停投、回看选题

有时候批次也是负收益（投了16条没拿到任何可见增益），这种情况下不要安慰自己说“可能还需要更长时间发酵”——立即停投并回看选题。常见根因：①目标页本身质量不够（外链救不了烂页面）；②目标词竞争层完全错配（小站抢DR60竞品的词位）；③外链质量真的差（采购到了灰色商品链）。

一个反直觉结论：很多时候应该减少投放量、提高单链质量门槛

SEO圈传统观念是“外链越多越好”，但保哥经手的数据反复证明：当你做到一定阶段后，外链的边际效用递减，进一步增长不靠堆量靠提质。把一个DR60站从60拉到65，往往不需要再加200条链，而是要替换掉低质量的80条 + 加20条高权威定向链。归因数据能帮你看清这个拐点出现在哪——当批次实验显示连续2个季度的增益曲线开始横盘，就是该转质的信号。

常见问题解答

投了外链30天还不见排名提升正常吗？

非常正常。外链传导的中位数延迟是14-28天，但长尾分布到90天的也很常见，要看链类型与目标页本身的抓取频率。30天没动多数情况下是窗口太短、不是外链没用。建议把判定窗口拉到12周再下结论。

怎么判断排名上升是不是这条外链带来的？

单看实验组涨没涨完全说不清。必须搭holdout对照组（同模板、同主题、同流量量级的页面，一组投链一组不投），比的是实验组涨幅减去对照组涨幅。这个差值才剔除了核心更新、季节性、整站行为信号等公共因素，是真正归因到外链的增量。

单条外链做对照组实验有可能吗？

严格意义上不可能（样本量=1，统计不可信）。可以用三种近似法：双重差分、中断时间序列、合成对照。这些方法在极高权威单链场景下能给出可信归因，普通单链建议汇集成大样本后做分组统计，不要单独算每一条。

末次归因模型能不能用在外链分析？

几乎不能。外链没有“点击”这个动作，传导是连续信号叠加，没有“最后一条”概念。强用末次模型最常见的错误是把发布时间最近的链当主因，但传导滞后让最近的链可能根本还没起作用。推荐用线性分配作为基线模型。

没有BigQuery和Looker工具能做外链归因吗？

能。基础版只需要GSC + 一个表格软件 + 一份变更日志即可。BigQuery与Looker是给大规模数据 + 数据驱动归因模型用的，对中小站点不是必须。复杂工具不是入门门槛，对照组思维和决策规则前置才是。

投了100条外链怎么算批次ROI？

不要逐条算。先按类型分组（编辑链、列表链、HARO链、客户案例链、目录链各算一组），每组用线性分配 + holdout对照算平均增益，乘以该组对应的商业价值估算（位次 × CTR × 搜索量 × CPC等效值），减去该组总成本。哪一组ROI高就增配该类预算。

外链发酵期是固定的吗？

不是固定的，是分布。中位数14-28天，长尾到90天，极高权威链可能60-120天才完全传导稳定。发酵期取决于：①链所在页的Googlebot抓取频率；②目标页本身的内链入度（深度越深传越慢）；③链的相关性强度；④目标查询的SERP重排频率。任何说“外链X天必出效果”的承诺都不可信。