什么会被引用：AI答案引擎中的竞争性GEO

AI答案引擎根据检索到的页面生成答案，但只引用少数来源。这使得可见性不仅取决于排名，还取决于是否被引用。我们研究竞争性生成引擎优化（GEO）：当两个被检索的候选相互竞争时，什么使其中一个更有可能被首先引用？我们构建了一个受控的双文档检索增强生成（RAG）试验台，向模型上下文注入恰好两个候选来源，并测量输出中第一个引用标记指向哪个来源。我们在六个LLM上执行了252,000次试验，在一个因子化方案下对18个内容因素进行重复配对比较。每次试验中两个来源恰好在一个因素上不同；我们使用品牌匿名化和来源顺序平衡来将内容效应与位置偏差分离。混合效应模型显示，主题相关性和列表位置是被首先引用的最大驱动因素。包含明确的价格信息和较新的时间戳也能带来一致的帮助。完整性和可信度线索带来较小增益，而仅改变格式的编辑几乎没有影响。我们发布了可复现的评估协议和面向从业者的按优先级排序的GEO清单，并在Sprinklr的早期内部试点中进行了实践，团队对工作流可用性给予了积极的定性反馈。