AI-система может чаще выбирать одни типы источников, игнорировать brand-owned контент или давать корректный ответ с неидеальной атрибуцией.
Citation bias - это смещение в том, какие источники answer engine выбирает и как связывает их с утверждениями. Для бренда опасно считать любую цитату победой: источник может быть выбран, но не повлиять на смысл ответа.
Работы по citation selection / absorption разделяют факт выбора ссылки и реальное влияние источника на ответ [7]. Поэтому GEO-дашборд должен считать mention, citation, absorption и faithfulness отдельно.
Wallat et al. показывают, что правильность ответа и верность атрибуции - разные свойства [39]. Ответ может быть по сути верным, но ссылка не подтверждает конкретное утверждение или подтверждает только часть контекста.
Какая доля цитат идёт на ваши страницы, а какая - на независимые источники.
Медиа, каталоги, конкуренты, документация, Wikipedia, community-форумы.
Какое утверждение поддерживает ссылка и совпадает ли оно с содержанием страницы.
Где ответ выбирает конкурента как более подтверждённый источник.
Во многих сценариях независимый источник выглядит более авторитетным или лучше отвечает на сравнительный intent. Это проблема внешнего authority layer, а не только текста сайта.
Усилить owned source layer проверяемыми фактами и одновременно развивать сторонние источники: обзоры, каталоги, методологии, партнёрские материалы.
Да, но не одну. Нужны уровни: mention, citation, absorption, faithfulness и source quality.
Citation selection and absorption framework. https://arxiv.org/abs/2604.25707
Correctness vs faithfulness in attribution. https://dl.acm.org/doi/10.1145/3731120.3744592
Citation evaluation principles. https://aclanthology.org/2025.acl-long.1574/