AI答案引擎引用行为：对GEO16框架的实证分析
人工智能
2025-09-16 v1
摘要
AI答案引擎越来越多地通过生成回复并引用网络来源来中介领域知识的获取。我们引入了GEO-16，一个包含16个支柱的审计框架，该框架将页面质量信号转换为分段的支柱得分，以及一个范围从0到1的归一化GEO得分G。使用70个产品意图提示词，我们收集了三个引擎（Brave Summary、Google AI Overviews和Perplexity）的1,702条引用，并审计了1,100个唯一URL。在我们的语料库中，这些引擎所引用页面的GEO质量存在差异，并且与元数据与新鲜度、语义HTML和结构化数据相关的支柱显示出与引用最强的关联。具有域聚类标准误差的逻辑模型表明，整体页面质量是引用的一个强预测因子，并且简单的操作点（例如，G至少为0.70且至少命中12个支柱）在我们的数据中与显著更高的引用率相关。我们报告了每个引擎的对比、垂直效应、阈值分析和诊断信息，然后将发现转化为面向出版商的实用手册。本研究是观察性的，专注于英语B2B SaaS页面；我们讨论了局限性、对有效性的威胁以及可重复性考虑。
引用
@article{arxiv.2509.10762,
title = {AI Answer Engine Citation Behavior An Empirical Analysis of the GEO16 Framework},
author = {Arlen Kumar and Leanid Palkhouski},
journal= {arXiv preprint arXiv:2509.10762},
year = {2025}
}