1. Wiedza
  2. Pojęcia
  3. Probabilistyczne cytowanie encji

Artykuł pomocniczy · pojęcie · Pojęcia · GEO / AI Search

Probabilistyczne cytowanie encji

także: entity citation · cytacja źródeł w AI · cytowalność w LLM · Probabilistyczna cytacja encji · Probabilistyczne cytowanie encji

Mechanizm widoczności w GEO, gdzie treść jest cytowana przez LLM na podstawie probabilistycznej oceny relewancji, a nie deterministycznego pozycjonowania w rankingu.

Kości astragale w locie nad krzywą rozkładu, jedna rubinowa – metafora probabilistycznego cytowania encji przez modele językowe.

Charakterystyka

W odróżnieniu od SEO, gdzie pozycja strony jest deterministyczna, cytacja encji w GEO zależy od wielu probabilistycznych czynników, w tym kontekstu zapytania, profilu użytkownika i wewnętrznej logiki modelu.

Rozszerzona definicja

Proces ten przebiega dwuetapowo: w fazie citation selection platforma uruchamia wyszukiwanie i wybiera źródła, a w fazie citation absorption cytowana strona realnie wnosi język, dowody, strukturę lub wsparcie faktami do finalnej odpowiedzi1.

Jak to działa

Mechanizm cytowania w silnikach generatywnych jest dwuetapowy: najpierw platforma decyduje, które źródła trafią do puli (citation selection), a następnie ocenia, czy pobrana strona faktycznie wpłynęła na treść odpowiedzi — jej język, strukturę lub wsparcie faktami (citation absorption)1.

Google w AI Overviews i AI Mode stosuje technikę określaną jako „query fan-out” — generuje wiele powiązanych wyszukiwań po podtematach i źródłach danych, a modele podczas generowania odpowiedzi dobierają dodatkowe supporting web pages, by wyświetlić szerszy i bardziej zróżnicowany zestaw linków niż w klasycznym wyszukiwaniu2.

Różne platformy realizują ten mechanizm odmiennie: Perplexity cytuje najwięcej źródeł na prompt, Google również cytuje szeroko, natomiast ChatGPT cytuje mniej źródeł, lecz wykazuje „substantially higher average citation influence among fetched pages”3.

Przykłady

  • Autorzy GEO wprowadzili GEO-bench — „a large-scale benchmark of diverse user queries across multiple domains, along with relevant web sources” — jako narzędzie do systematycznej oceny widoczności w odpowiedziach generatywnych45.
  • Perplexity cytuje najwięcej źródeł na prompt, Google cytuje szeroko, a ChatGPT cytuje mniej źródeł, lecz z wyraźnie wyższą średnią citation influence wśród pobranych stron3.
  • Google AI Mode stosuje query fan-out, czyli „issuing multiple related searches across subtopics and data sources”, co pozwala modelom identyfikować dodatkowe supporting web pages podczas generowania odpowiedzi2.
  • Proponowany panel pomiarowy GEO obejmuje co najmniej pięć wskaźników: selection rate, citation breadth, absorption score, support quality i coverage equity, które razem opisują zarówno obecność w pulach cytowań, jak i koncentrację widoczności wśród domen6.

Częste błędy i mity

  • Mit: liczba cytowań na prompt (citation breadth) jest wystarczającym wskaźnikiem widoczności — badania wskazują na „sharp divergence between citation breadth and citation depth”, gdzie ChatGPT cytuje mniej źródeł, lecz z wyższą citation influence3.
  • Mit: jedna metryka wystarczy do oceny widoczności w silnikach generatywnych — autorzy proponują dashboard złożony z co najmniej pięciu KPI, ponieważ każdy z nich mierzy inny aspekt procesu cytowania6.
  • Mit: wszystkie platformy generatywne działają według tej samej logiki doboru źródeł — Perplexity, Google i ChatGPT wykazują wyraźnie różne wzorce cytowania, co opisano jako „sharp divergence”3.
  • Mit: GEO to zamknięty, przejrzysty system — autorzy opisują go jako „flexible black-box optimization framework”, co oznacza, że wewnętrzna logika doboru źródeł nie jest w pełni obserwowalna z zewnątrz5.

Powiązane hasła

Źródła i odwołania

  1. From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms

    arxiv.org ·

    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.

  2. AI Features and Your Website | Google Search Central | Documentation | Google for Developers

    developers.google.com ·

    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.

  3. From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms

    arxiv.org ·

    The main descriptive result is a sharp divergence between citation breadth and citation depth. Perplexity cites the most sources on average per prompt, Google also cites broadly, while ChatGPT cites fewer sources but shows substantially higher average citation influence among fetched pages.

  4. [2311.09735] GEO: Generative Engine Optimization

    arxiv.org ·

    We facilitate systematic evaluation by introducing GEO-bench, a large-scale benchmark of diverse user queries across multiple domains, along with relevant web sources to answer these queries. Through rigorous evaluation, we demonstrate that GEO can boost visibility by up to 40% in generative engine responses.

  5. GEO: Generative Engine Optimization | Proceedings of the ...

    dl.acm.org ·

    To address this, we introduce Generative Engine Optimization (GEO), the first novel paradigm to aid content creators in improving their content visibility in generative engine responses through a flexible black-box optimization framework for optimizing and defining visibility metrics. We facilitate systematic evaluation by introducing GEO-bench, a large-scale benchmark of diverse user queries across multiple domains, along with relevant web sources to answer these queries.

  6. From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms

    arxiv.org ·

    A more robust dashboard would include at least five metrics. Selection rate measures whether a page or domain appears in citation pools for target prompts. Citation breadth measures how many citations appear per prompt and how frequently the domain recurs. Absorption score measures answer-level influence. Support quality measures whether cited pages actually substantiate generated claims. Coverage equity measures whether visibility is concentrated among a small set of domains or distributed across credible long-tail sources.

Każde zdanie powyżej odsyła do dosłownego cytatu ze źródła. Daty to daty publikacji lub pobrania źródła.

Źródła faktów

  • SEO/references/geo/REFS-GEO-R1-GEO-Definition-Answer-Engines.md