引用、提及与链接

1. AI 答案中的署名：三种不同结果

生成式答案中的署名可以采用三种形式（另有一种「不署名」的情形，共四种结果）：

• 引用（citation）：你的内容被取用或转述，并且附上一个可溯源标注；
• 提及（mention）：你的品牌、产品或作者在正文里被点名，但不带链接；
• 链接（link）：出现一个可点击的来源链接，但未必对应答案真正用到的内容。

GEO Wiki 立场：生成式答案中的归属（attribution）与采信（grounding）相互独立。引擎采用一段内容作为答案依据，并不代表来源一定会被署名；署名本身又分为三种不同形式：引用、提及和链接。

这三种结果都出现在 答案循环 第 4 步「生成与归属」。完成采信后，引擎会在这一阶段决定是否署名。

2. 三者的精确定义

	引用	提及	链接
是什么	你的内容被取用或转述，并且附有可溯源标注	你的品牌、产品或作者在正文里被点名，无链接	列出一个可点击的 URL，但它未必对应任何被采信的句子
用户看到什么	某条论断附有编号角标、行内来源或悬浮卡片	正文写着「据 Acme……」，但不附链接	「来源」栏中列出一个 URL
它带来什么	体现来源的权威性，并提供前往来源页面的链接	强化实体先验，进而影响后续答案，但不带来点击	提供点击入口，并传递较弱的权威信号
怎么追踪	统计引用份额和引用次数	统计提及次数和声量份额	统计链接出现率和链接带来的流量

一段合成答案可以同时包含这三种署名，下面逐一标出：

"生成式引擎将采信与归属解耦。[1]                  ← 引用（标注挂在被取用的论断上）
 据 Otterly.AI，提及与引用是分开统计的 KPI。       ← 提及（被点名，无链接）
 关于答案机制的更多内容，见下方来源。

 来源：  [1] geo.wiki/citation-vs-mention
         ▸ example.com/unrelated-page              ← 链接（在来源栏，但无对应句子）"

实际判断时，可以直接采用下面三条标准：

• 「用了我的事实，没链接也没点名」→ 未署名：被采信 ≠ 被署名（见 §3）。
• 「点名了我们，但没带来流量」→ 一次提及，不是引用，而是另一类成果。
• 「链了我们，但没引述我们」→ 一个链接，不是引用，也是三种结果中最弱的一种。

相关指标的计算方法（引用份额、声量份额、流量归因）见 GEO 指标；如何获得提及见 品牌提及。

3. 被采信 ≠ 被署名：为什么归属需要单独判断

引用、提及和链接之所以必须分开判断，根本原因就在这里：引擎可能采用你的内容回答问题，却完全不署名；也可能点名你却不附链接，或附上链接却没有引述你的内容。内容是否被采信与来源是否被署名由系统分别决定，这种独立性并不表示系统出错。

  被采信的内容子集
        │
        ▼
  ┌──────────────────────────────┐
  │  生成与归属                  │
  │  是否署名？                  │
  └──────────────────────────────┘
        │
        ├──► 引用   （被采用 + 署名 + 可溯源标注）
        ├──► 提及   （被点名，无链接）
        ├──► 链接   （出现 URL，未必真正用到）
        └──► 无     （被采用，不署名）

同一段被采信的内容，最终可能对应上述四种结果中的任何一种。「我的内容被用了，却什么也没得到」通常意味着内容已经被采信，但系统没有以任何形式标明来源。

先后次序很重要。要获得署名，内容先要能被选中和采信（可引用性）；而要被采信，又必须先能被检索、进入候选范围（AI 爬虫）。内容被采信后，引擎才会决定是否署名。此前任何一个环节未完成，就不可能获得署名。因此，排查时应按答案循环的次序逐项检查；各环节可能出现的失败情况见 答案循环 §4。

这种独立性不只存在于概念上，也直接体现在 API 中。Gemini 分别返回 groundingChunks（用到的来源）和 groundingSupports（附有来源标注的答案片段）：内容被采用与来源被署名，在响应结构中对应不同字段（见 Grounding with Google Search）。Anthropic 的网页搜索工具也采用同样的区分，每条结果分别带有 url 和 cited_text（见 Web search tool）。

4. 现有证据能说明什么，不能说明什么

Liu、Zhang 与 Liang 的 Evaluating Verifiability in Generative Search Engines（Findings of EMNLP 2023）审计了 Bing Chat、NeevaAI、Perplexity.ai 和 YouChat。主要结果显示：平均只有 51.5% 的生成句子有充分的引用依据（引用召回率），而所有引用中，也只有 74.5% 确实能为对应句子提供依据（引用精确率）。作者称这些数字「对于可能成为信息检索用户主要工具的系统而言，低得令人担忧」。换言之，内容是否被采信与来源是否被署名相互独立：被署名不代表内容真的被采信，内容被采信也不代表来源会被署名；即使给出引用，引用内容与对应表述仍可能不一致。

现有证据支持的结论	不能据此推断的结论
来源标注普遍不完整，引用召回率与精确率都明显低于 100%	51.5% 与 74.5% 只反映 2023 年的引擎状态和一份固定评测集
答案流畅、看上去有用，并不代表来源可靠	引擎此后已有迭代；这些数字本身不能代表当前表现，但仍能说明署名需要单独判断，且可靠性有限
研究数据证实，内容被采用与来源被署名之间确实存在差距	各引擎之间差异很大，不能把某一个引擎的比率直接套用到另一个引擎

还需区分两项研究的测量对象：Aggarwal 等 度量的是可见度（曝光），也就是内容有没有被用到，并不度量来源是否被署名。 Liu 等的研究则补足了这一缺口。对 Aggarwal「最高 40%」提升的质疑，详见 论文条目（arXiv:2311.09735 · ACM DL）。

5. 为什么这个区分对 GEO 至关重要

三种结果之所以需要区分，是因为每一种都要用不同的指标衡量，改善方法和商业价值也各不相同。把它们混为一谈，就会误判整个项目的成效。

结果	实际价值	主要改善方法	追踪方式
引用	体现来源的权威性，并提供前往来源页面的链接	提高内容被采信和被整段引述的可能性：可引用性、为 AI 引用而写	统计引用份额：GEO 指标、AI 引用追踪
提及	强化实体先验，并影响后续答案	增强站外存在感：品牌提及	统计声量份额：GEO 指标
链接	带来点击	让页面成为该话题下可列入来源栏的规范来源	分析引流数据

分别衡量三种结果是业界通行做法，并非 GEO Wiki 独有。Otterly.AI 的 KPI 体系就把品牌提及、域名引用、声量份额定义为三个独立指标，计算方法各不相同（见 Brand Report KPI Definition）；这个领域早已把「品牌是否被点名」和「域名是否被作为来源引用」分开统计。

一次没有点击的提及，不是一次失败的引用，而是另一类成果，只是影响往往需要更长时间才会显现；如果只关注带链接的引用，就会低估提及所积累的实体先验及其长期价值。 这与可引用性中的「必要而不充分」恰成对照：署名有多种形式，每一种带来的结果都不同。

6. 不同呈现面上的署名：分类不变，形式各异

无论答案出现在哪种呈现面上，引用、提及和链接这三类划分都不变；不同的只是它们出现的密度和默认形式。

呈现面	不同平台的署名特点
Perplexity	引用密度较高，通常采用编号、行内标注和链接（见 answer-engine FAQ）
ChatGPT search	显示行内链接和一份来源清单；抓取页面时才会解析这些链接（见 ChatGPT search）
Google AI Overviews	主要显示链接卡片，行内署名较少，内容来自索引（见 AI features and your website）
Gemini	在 API 中分别返回 groundingChunks 与 groundingSupports，直接区分哪些来源被采用、哪些答案片段附有来源标注

署名密度还会随语言不同而变化，这是多语言 GEO 需要考虑的问题。

7. 常见误读

下表列出几种常见误读，并说明这些说法为什么看似合理、实际却不成立。

误读	为什么看上去对	为什么其实错
「提及了我们，就成功了」	提及确实是一项可衡量的结果	提及不一定带来流量；它是另一类成果，需要更长时间才可能显现影响，并不是引用
「来源栏里只有链接、没有对应引述，也算一次引用」	只要 URL 出现了，就算被署名	没有与被采信内容对应的链接，是三种结果里最弱的一种，不是最强；这样统计会高估署名
「追踪引用，忽略提及」	引用带来的点击更容易测量	这样会低估提及所积累的实体先验，以及它对后续答案的影响（§5）
「直接优化归属」	既然目标是获得署名，似乎应当直接争取署名	次序错了：如果不满足 §3 所述的前提，就不可能获得署名

署名本身无法直接优化。可以改善的是内容能否被采信，以及是否具备站外先验（提及）；只有满足这两个前提，署名才可能出现在答案中。

8. 对 GEO 的意义与行动方法

署名出现在整个 答案循环 的最后阶段，但形式不止一种，必须分别判断，而且可靠性有限。因此，引用、提及和链接必须分别衡量，不能合并成一项指标。

你的目标	建议从这里开始
追踪实际获得了哪一种结果	AI 引用追踪
编写更容易获得引用的内容	为 AI 引用而写
获得站外提及	品牌提及
准确定义这些指标	GEO 指标 · 术语表
让内容先具备被选中的条件	可引用性
判断来源是否受到信任	E-E-A-T
了解这件事位于循环中的哪一步	答案循环
把这些工作整合成完整方法	生成式引擎优化

参考资料

学术：

• Liu, N. F., Zhang, T. & Liang, P. (2023). Evaluating Verifiability in Generative Search Engines. Findings of EMNLP 2023. arXiv:2304.09848
• Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K. & Deshpande, A. (2024). GEO: Generative Engine Optimization. KDD ‘24. arXiv:2311.09735 · ACM DL · 论文摘要

业界与工具：

• Otterly.AI — Definition of Brand Report KPIs

官方平台文档（截至 2026-05）：

• Google — Grounding with Google Search (Gemini API) · Google Search Central — AI features and your website
• Anthropic — Web search tool
• OpenAI — ChatGPT search
• Perplexity — What is an answer engine, and how does Perplexity work as one?