Citation analysis（引用源分析）指识别、监控并优化 AI 引擎——ChatGPT、Perplexity、Gemini、Google AI Overviews——在生成答案时所引用的第三方信源的一整套方法。传统 SEO 审计的是 backlink，即在页面之间传递权重的超链接；citation analysis 审计的则是 AI 真实的阅读清单：引擎检索了哪些域名、在答案里引用了哪些页面、你的品牌是否出现在其中。如果说 AI citations 是生成式搜索的脚注，citation analysis 就是让品牌进入这份参考文献的学问。
核心要点
- AI 引擎不是凭记忆作答，而是通过 RAG 与实时搜索检索信源，且每个引擎的信源偏好不同——Perplexity 重度依赖 Reddit 等社区，Google AI Overviews 则偏好已在 Google 排名的页面。
- 引用是 AI 可见度的计分项。在 AIGVR 评分中，引用信号占 25% 权重，与答案位置（40%）、提及频率（25%）并列。
- 普林斯顿主导的 GEO 研究测得：为页面补充引文、统计数据与参考来源，可让其在生成式答案中的可见度相对提升最高 40%。
- 一次有效的 citation analysis 包含三步：盘点品类的引用信源生态、与竞品做 gap 分析、评估被引页面内部的情感倾向。
- 自有域名只是一个节点，真正复利的增长来自第三方引用节点：评测平台、社区与高权威媒体。
Citation analysis 如何运作
当用户问 ChatGPT 哪款物理防晒霜最好，模型并不只靠训练记忆作答。它会把问题扩展为多条检索查询（这个机制本身值得单独理解，见 grounding queries），抓取一批候选页面，再合成带引用的答案。Citation analysis 做的就是逆向还原这条管线：哪些页面进入了候选名单、来自哪些域名、为什么是它们。
实践中，被引信源大致分三个层级。
- 权威信源：Wikipedia、主流媒体、分析师报告，以及 G2、Wirecutter 这类成熟评测平台。它们提到某品牌时，引擎倾向于当作既定事实。
- 社区信源：Reddit、Quora、垂直论坛。它们决定引擎如何总结用户共识与情感倾向，Perplexity 对这类信源的检索频率尤其高。
- 低信号信源：单薄的联盟营销博客、采集站目录、无人维护的榜单。现代引擎正在越来越多地过滤它们，在这里被引用几乎不产生价值。
不同引擎的层级配比差异很大。Google AI Overviews 从 Google 自有索引取材，偏向已有排名的页面（Google 官方文档对此有说明）；ChatGPT 的联网检索混合自有抓取与授权媒体内容；Perplexity 则以社区内容著称。只分析一个引擎的引用画像，对另外六个几乎没有参考意义。
为什么 2026 年 citation analysis 如此重要
购买决策的调研如今从生成式答案开始，而且大部分在不产生点击的情况下结束——即 zero-click search 描述的格局。在这个格局里，答案就是界面，引用则是答案背后的供应链。供应链里没有你的品牌，站内优化做得再好也无法露出。
引用层可以被正向影响，这一点有实证支撑。普林斯顿与 IIT Delhi 的 GEO 研究在 10,000 条查询上测试了九种优化方法，发现为内容补充引文、统计数据与参考来源，可使其在生成式引擎答案中的可见度相对基线提升最高 40%。引擎会奖励那些读起来像可靠参考文献的页面。
引用不仅决定你是否出现，还决定你被如何描述。如果引擎围绕你的品牌反复引用的是一条两年前抱怨物流的 Reddit 帖子，这条抱怨就会被无限期地改写进答案。露出与口碑走的是同一条管道——这也是 citation analysis 与 AI sentiment analysis 天然配套的原因。
如何执行 citation analysis
第一步：盘点引用信源生态。在你的品类里跑一组有代表性的购买意图 prompt——不是五条，而是五十条以上——收集所有引擎引用过的域名。规律会很快显现：任何一个细分品类里，少数域名通常贡献了大部分引用。在 GEOly AI 的 sources 视图中，七大引擎的引用按域名与信源类型（媒体、评测平台、社区、品牌自有）聚合，一眼就能看出：比如 Reddit 主导了 Perplexity 的护肤类引用，而 AI Overviews 反复调取的是同样三篇榜单文章。
