Porównanie · pojęcie · Pojęcia · GEO / AI Search
Citation Selection vs Absorption
także: selection vs absorption · wybór vs absorpcja cytowań · influenced scores · Citation Selection vs Citation Absorption · Citation Selection vs Absorption
Zhang Kai et al. (2026) rozróżnili dwa etapy: selection (czy platforma wybiera źródło) vs absorption (czy źródło faktycznie przyczynia się do odpowiedzi).
Framework dwuetapowy
Citation selection mierzy, czy źródło jest w ogóle wybrane. Citation absorption mierzy, czy pobrana strona faktycznie przyczynia się językowo, dowodowo lub faktograficznie do finalnej odpowiedzi. Te dwa etapy wymagają różnych strategii optymalizacji.
Rozszerzona definicja
W pierwszym etapie platforma uruchamia wyszukiwanie i wybiera źródła; w drugim — cytowana strona wnosi język, dowody, strukturę lub wsparcie faktograficzne do finalnej odpowiedzi12.
Jak to działa
Na etapie citation selection platforma generatywna uruchamia wyszukiwanie — potencjalnie techniką query fan-out (wielokrotnych powiązanych zapytań po podtematach i źródłach danych) — i wyłania kandydatów do cytowania3. Jak relacjonuje serwis allainews.net, selekcja cytowań odpowiada na pytanie, które z pobranych źródeł ma wesprzeć konkretne stwierdzenie w generowanej odpowiedzi, i jest etapem następującym po etapie wyszukiwania dokumentów4.
Na etapie citation absorption model ocenia, czy pobrana strona faktycznie przyczynia się językowo, dowodowo, strukturalnie lub faktograficznie do treści finalnej odpowiedzi12. Jak podaje dokumentacja Google, aby strona w ogóle kwalifikowała się jako supporting link w AI Overviews lub AI Mode, musi być zaindeksowana i spełniać standardowe wymagania techniczne Google Search dotyczące snippetów5.
Dlaczego to ważne
Rozróżnienie obu etapów ma znaczenie praktyczne: optymalizacja wyłącznie pod kątem bycia wybranym jako źródło (selection) nie gwarantuje, że treść strony realnie wpłynie na odpowiedź modelu (absorption)16. Badanie opublikowane w Nature wskazuje, że między 50% a 90% odpowiedzi LLM nie jest w pełni wspieranych przez cytowane źródła, a nawet dla GPT-4o z Web Search około 30% pojedynczych stwierdzeń pozostaje bez wsparcia7 — co ilustruje, jak często selection nie przekłada się na absorption.
Jak relacjonuje allainews.net, strona musi najpierw wejść do użytecznego zbioru kandydatów, zanim w ogóle może dojść do citation selection; dopiero wtedy możliwa jest absorpcja8.
Przykłady
- Platforma może zastosować query fan-out — wiele powiązanych wyszukiwań po podtematach — co poszerza zestaw stron przechodzących przez etap selection, zanim którakolwiek z nich zostanie poddana ocenie absorption3.
- Jak relacjonuje allainews.net, kanonizacja URL (canonicalization) i citation selection to odrębne mechanizmy: kanonizacja wskazuje, który URL reprezentuje zduplikowaną treść, ale nie gwarantuje, że strona zostanie wybrana jako dowód dla konkretnego stwierdzenia w odpowiedzi9.
- Strona-sierota (orphan page) musi najpierw wejść do użytecznego zbioru kandydatów, zanim w ogóle może nastąpić citation selection — jak opisuje allainews.net8.
- Badanie opublikowane w Nature pokazuje, że nawet gdy GPT-4o z Web Search wybierze źródło (selection), prawie połowa jego odpowiedzi nie jest w pełni wspierana przez cytowane strony (absorption)7.
Częste błędy i mity
- Mit: bycie zaindeksowanym i wybranym jako źródło (selection) oznacza, że treść strony wpłynęła na odpowiedź — w rzeczywistości absorption jest odrębnym etapem i może nie nastąpić nawet przy udanej selekcji16.
- Mit: spełnienie wymagań technicznych Google Search wystarczy, by strona była absorbowana przez AI Overviews — w rzeczywistości dokumentacja Google określa te wymagania wyłącznie jako warunek kwalifikacji do etapu selection (bycia supporting linkiem), nie absorption5.
- Mit: każde cytowanie źródła przez LLM oznacza, że model oparł na nim swoją odpowiedź — badanie opublikowane w Nature wskazuje, że między 50% a 90% odpowiedzi LLM nie jest w pełni wspieranych, a czasem wręcz jest sprzecznych ze źródłami, które cytują7.
- Błąd: traktowanie kanonizacji URL jako mechanizmu wpływającego na citation selection — jak relacjonuje allainews.net, kanonizacja dotyczy konsolidacji URL-i i nie gwarantuje wyboru strony jako dowodu dla stwierdzenia w odpowiedzi9.
Powiązane hasła
Źródła i odwołania
-
This paper proposes and evaluates a two-stage measurement framework for Generative Engine Optimization (GEO): citation selection, where a platform triggers search and chooses sources, and citation absorption, where a cited page contributes language, evidence, structure, or factual support to the final answer.
-
This paper proposes and evaluates a two-stage measurement framework for Generative Engine Optimization (GEO): citation selection, where a platform triggers search and chooses sources, and citation absorption, where a cited page contributes language, evidence, structure, or factual support to the final answer.
-
Both AI Overviews and AI Mode may use a "query fan-out" technique — issuing multiple related searches across subtopics and data sources — to develop a response. While responses are being generated, our advanced models identify more supporting web pages, allowing us to display a wider and more diverse set of helpful links associated with the response than with a classic web search, enabling new opportunities for exploration.
-
How Do AI Search Engines Choose Between Duplicate Pages
related, but they answer different questions. Canonicalization asks which URL should represent duplicated content. Retrieval asks which document should be considered for a query. Citation selection asks which retrieved source should support a particular statement in the generated answer. Google’s documentation says its AI Overviews and AI Mode use the
-
To be eligible to be shown as a supporting link in AI Overviews or AI Mode, a page must be indexed and eligible to be shown in Google Search with a snippet, fulfilling the Search technical requirements. There are no additional technical requirements.
-
Generative search engines increasingly determine whether online information is merely discoverable, cited as a source, or actually absorbed into generated answers. This paper proposes and evaluates a two-stage measurement framework for Generative Engine Optimization (GEO): citation selection, where a platform triggers search and chooses sources, and citation absorption, where a cited page contributes language, evidence, structure, or factual support to the final answer.
-
Our findings reveal that between 50% and 90% of LLM responses are not fully supported, and sometimes contradicted, by the sources they cite. Even for GPT-4o with Web Search, approximately 30% of individual statements are unsupported, and nearly half of its responses are not fully supported.
-
Can ChatGPT Search Cite Orphan Pages?
the model can synthesize an answer; and citations can be attached to sources that support the resulting claims. An orphan page must first enter a usable candidate set before citation selection can occur. OAI-SearchBot, GPTBot, and User-Triggered Retrieval Are Different A common technical mistake is to treat every OpenAI crawler or access path as the
-
How to Remove an Outdated Citation From AI Search
a deeper technical explanation, see AllAINews’ guide to whether AI search engines can cite canonicalized pages. The important distinction is between URL consolidation and citation selection: canonicalization tells search systems which URL should represent duplicated content; it does not guarantee that the page will be selected as evidence for every
Każde zdanie powyżej odsyła do dosłownego cytatu ze źródła. Daty to daty publikacji lub pobrania źródła.
Źródła faktów
- SEO/research/types/EVIDENCE-TYPE-R17-Generative-Engine-Optimization-GEO.md