AI 引用追踪

1. AI 引用追踪是什么

一套可重复执行的测量流程：先固定提问集，再按照固定频率向预先指定的一组引擎逐条提问；每条答案都要采样和核验，并按统一的日志结构（schema）记录。最终得到一条时间序列，用来说明哪些引擎引用了你、引用频率有多高、位置有多靠前。

各项指标的含义与公式见 GEO 指标。采集时统一采用该页定义，可以避免同一指标在不同位置出现两套口径。

引用追踪与提及追踪并非同一件事。无链接的提及需要在答案文本中识别和去重，再按引擎归一，其日常监控方法见 品牌提及追踪。日志中的 appearance 字段仍会用一个单独取值记录提及（见 §4）。

这套测量流程的整体形态是：

固定的提问集（prompt set）→ 选定的引擎 → 采样得到的答案 → 经核验、归一的日志 → 反映变化的报告

流程有两种执行方式，且顺序固定：先手工采样以建立基准，再通过自动化扩大规模。这个顺序不能颠倒，原因见 §4。

「我们有没有被引用」是最常见的 GEO KPI 问题。提问集有偏或混用指标定义，都会得出貌似可靠、实则错误的数字；这类数字一旦用于决策，后果比没有答案更严重。GEO 最早的学术研究提出了更可靠的衡量方法：与其只判断是否被引用，不如根据引用在答案中的位置给出连续度量。这种按位置加权的「呈现强度」（impression），正是整套方法采用的衡量思路，见 Aggarwal et al. 2024；排序链接时代的指标为何不再适用，见 生成式引擎优化。

2. 度量之前先定下的四个决策

下面四项决策决定了此后每个数字的具体含义。任何一项选择不当，后续数据都会失去解释基础。

四个核心指标分别是：引用率（Citation Rate）、引用份额（Citation Share）、平均位置（Average Position，定义 A，即引用次序）、来源多样性（Source Diversity）；它们的定义依次在 GEO 指标 的 §3.2、§3.3、§3.5、§3.10。其他指标的公式也见该页。

3. 第一步：构建提问集（你的测量工具）

提问集是 AI 引用追踪中最大的偏差来源（对应 GEO 指标 §7 列出的第 3 号陷阱）。提问集本身构成实验设计，需要像设计调研问卷一样严谨。

规则：

• 根据真实用户意图设计提问，不要直接照搬自己的关键词表。想清楚买家实际会在 ChatGPT 中输入怎样的问题。
• 规模：先做 30 到 50 条。少于约 30 条时，采样噪声会掩盖信号；之后可以再扩充。
• 各类别要均衡（商业类、信息类、对比类），不要让其中某一类意图主导整体均值。
• 固定提问集并标注版本号。 未经记录就修改提问，会使时间序列失去意义。需要增加提问时，请创建新版本，不要修改仍在使用的版本。
• 纳入版本控制：提问集是数据，不是配置。

不要只选择那些原本就对你有利的提问。这样得出的数字会持续虚高，最终制定的策略也只适用于一个经过刻意筛选的样本。

交付物是一个带版本号的 prompts.csv：

id,query,intent,category,locale,prompt_set_v,added_date,retired_date
q001,"best crm for startups",commercial,software,en,v3,2026-05-19,
q002,"how does retrieval augmented generation work",informational,technical,en,v3,2026-05-19,

4. 第二步：手工方法（一律从这里开始）

开始自动化之前，请先亲手完整执行一次流程。手工采样能够建立基准：它帮助你判断各引擎如何呈现引用，不依赖任何厂商，也是日后核对所购工具的唯一办法。

步骤：

1. 固定排期：对同一批提问，每次都在同一星期几、同一时间窗内采集。采集频率本身也是数据的一部分。
2. 每条提问、每个引擎都开一个全新会话：不要保持登录状态，也不要使用个性化历史。经过个性化处理的答案无法复现。
3. 原样记录答案以及它所引用的来源。 原始记录不可改动：指标只能事后从原始记录里推算出来，不能根据计算结果反向修改原始记录。
4. 标注你的域名以何种形式出现：cited、mentioned 或 absent（依据 引用 vs 提及 的判定）。
5. 记下引用次序：你在该引擎的来源列表里排第几（这是平均位置定义 A 的输入）。

每次采样生成一行标准化的引用日志；§5 的自动化方法最终会沿用同一套日志结构：

run_date           采样日期（UTC）
prompt_id          外键 -> prompts.csv
prompt_set_v       冻结提问集的版本号
engine             perplexity | chatgpt | google-aio | ...
appearance         cited | mentioned | absent
citation_rank      在来源列表里的整数位次（非 cited 时为 null）
source_url         引擎归属的网址（非 cited 时为 null）
citation_verified  true | false   （见 §4.1）
snippet            引擎实际取用的那句话或那一段

4.1 逐条核验引用（最常被跳过的一步）

AI 标注的来源网址只能视为待核验的信息：网址可能无法打开（404），也可能打开后并不能支持对应的说法。这是 AI 追踪特有的步骤，不能省略。

每个被引用的网址，只有在同时满足以下两点时，才记为 citation_verified = true：

• 该网址可以打开（没有失效，也没有跳转到不相关的页面），而且
• 该页面确实支持引擎用它佐证的说法。

已核验和未核验的引用要分开统计。臆造或缺乏依据的引用，本身就是一项值得记录的发现。这类引用问题十分常见，值得单独测量，见 Liu et al. 2023《Evaluating Verifiability in Generative Search Engines》。

5. 第三步：自动化方法（手工跑通后再做）

只有经过手工验证的流程，才适合自动化。在此基础上，再决定自建还是采购。

各引擎的 API 现状（2026-05 核对）。 目前没有适用于所有引擎且能统一返回引用结果的接口；每个引擎能提供哪些数据，需要分别说明：

来源：Perplexity Chat Completions 参考 与 更新日志；OpenAI web search 工具；Google Search Central — AI features。

自动化时，只需在 §4 的日志结构之外增加一层适配代码，把不同引擎的数据转换成统一格式：

for engine in engines:
  for prompt in prompt_set_v:                  # 冻结、带版本号
    answer, sources = engine.ask(prompt)       # 全新会话，无历史
    appearance = classify(answer, sources, my_domain)   # cited|mentioned|absent
    rank       = citation_rank(sources, my_domain)      # 未引用则为 null
    verified   = url_resolves(src) and supports_claim(src, answer)   # §4.1
    log.append(run_date, engine, prompt.id, prompt_set_v,
               appearance, rank, source_url, verified, snippet)
# 此时 log 的 schema 与手工方法完全一致

采购工具。 如果选择采购而不是自建，应先确定采用哪一种指标定义。先查看 GEO 指标 §4 的厂商对照矩阵（Profound、Otterly、Ahrefs、BrightEdge、Similarweb 各自如何定义该 KPI），确认采用其中哪一套定义后再选择工具，而不是反过来。

6. 第四步：归一、存储、算出变化量

手工与自动化两种方式共用同一套日志结构，因此结果可以直接比较。存储时遵守两条规则：

• 原始答案不可修改。 把采到的答案与来源列表原样保存下来。
• 指标由日志计算得出，不能手工改动。 如果某个数字看起来有误，应修正计算该指标的查询，而不是直接修改表格单元格。

根据日志计算各项核心指标的公式见 GEO 指标；下面给出查询的大致写法：

-- 引用率  （定义见 GEO 指标 §3.2）
SELECT engine,
       COUNT(*) FILTER (WHERE appearance = 'cited') AS cited,
       COUNT(*)                                     AS answers
FROM citation_log WHERE prompt_set_v = 'v3' GROUP BY engine;

-- 平均位置，定义 A / 引用次序  （GEO 指标 §3.5）
SELECT engine, AVG(citation_rank)
FROM citation_log WHERE appearance = 'cited' GROUP BY engine;

-- 来源多样性  （GEO 指标 §3.10）
SELECT COUNT(DISTINCT engine)
FROM citation_log WHERE appearance = 'cited';

这次变化是否可信？ 一次周环比波动并不一定代表真实变化。对外报告指标变化之前，请先检查以下事项：

• 两次采样使用的提问集版本完全一致吗？
• 样本中的引用数够多吗？总共只有 5 条引用时，一次跳动只能算噪声；这也是 GEO 指标 在首次引用率（First-Cite Rate）一节专门提示的小样本风险。
• 两次采样之间，某个引擎的行为是否发生变化（例如模型或检索更新）？
• citation_verified 的比例变了吗？如果增长主要来自未核验引用，就不能视为真实增长。

7. 第五步：报数时不要自欺

每个对外报告的数字都必须附上完整口径，否则无法与其他结果比较：

• 提问集版本（例如 v3）
• 引擎集（具体是哪几个引擎，而不是笼统的「AI」）
• 时间窗（例如 7 天，每周采样一次）
• 统计的是提及还是引用
• 位置定义（A、B、C，见 GEO 指标 §3.5）

如果上述信息一项都没有说明，那么「引用率 18%」只是一个缺少依据的数字，不能算作指标。

不要直接把指标变化解读成业务结果，也不要夸大结论：追踪能证明的是可见度变化，而不是营收变化。要进一步判断可见度如何影响业务收益，需要采用另一套模型，见 GEO ROI 模型。

这套追踪流程按固定周期生成结果，供 GEO 审计 使用。追踪用于日常监测，审计用于定期综合检查。

8. 效度威胁与陷阱

发送报告前，请逐项检查以下问题。每一项的详细说明见对应链接：

• 提问集偏差：经过刻意筛选或没有版本号的提问集（§3；GEO 指标 §7）
• 时间窗偏差：长度不同的窗口本质上就是不同的指标
• 多语言混合：中文和英文的答案不能合并统计（GEO 指标 §7）
• 提及与引用混合统计：把两者合在一起会使结果虚高（引用 vs 提及）
• 位置定义混用：A、B、C 三种定义无法互相比较（GEO 指标 §3.5）
• 个性化干扰：保持登录状态或启用历史记录的会话无法复现
• 臆造或失效引用：把未核验的引用作为有效结果上报（§4.1）
• 单方提升的过度外推：单独测得的提升，在竞争对手也针对同一引擎优化后未必能够保持；见 Aggarwal et al. 2024 §6 中 C-SEO Bench 提示的风险

9. 延伸阅读

• 指标与定义：GEO 指标、引用 vs 提及、品牌提及
• 业务视角：GEO ROI 模型
• 相关操作：GEO 审计
• 各引擎详情：Perplexity AI、ChatGPT Search、Google AI Overviews
• 学术源头：Aggarwal et al. 2024 — GEO: Generative Engine Optimization

参考资料

学术：

1. Aggarwal, P. et al. (2024). GEO: Generative Engine Optimization. KDD ‘24. arXiv:2311.09735 · ACM DL
2. Puerto, H. et al. (2025). C-SEO Bench: Does Conversational SEO Work? NeurIPS ‘25 D&B. arXiv:2506.11097
3. Liu, N., Zhang, T., Liang, P. (2023). Evaluating Verifiability in Generative Search Engines. Findings of EMNLP ‘23. arXiv:2304.09848

API 与平台文档（2026-05 已核对）：

• Perplexity — Chat Completions API Reference · Changelog
• OpenAI — Web Search tool (Responses API)
• Google Search Central — AI features and your site

采购工具时参考的厂商 KPI 方法论（详见 GEO 指标）：

• Otterly.ai — Brand Report KPI Definitions
• Ahrefs — Brand Radar Methodology