晓名 AI
在 AI 生成答案中，来源署名可以采用三种不同形式：引用（citation）、提及（mention）和链接（link）。这三种形式代表了不同的价值层级和优化策略，理解它们的区别对于制定有效的 GEO 方案至关重要。本文将系统分析这三种署名形式的定义、区别、测量方法及优化策略。
核心原则是：内容是否被采信与来源是否被署名，是两个相互独立的事件。引擎可能采用你的内容回答问题，却完全不署名；也可能点名你却 不附链接，或附上链接却没有引述你的内容。内容是否被采信与来源是否被署名由系统分别决定，这种独立性并不表示系统出错。
GEO Wiki 立场：生成式答案中的归属（attribution）与采信（grounding）相互独立。引擎采用一段内容作为答案依据，并不代表来源一定会被署名；署名本身又分为三种不同形式：引用、提及和链接。
AI 答案中的署名：三种不同结果
生成式答案中的署名可以采用三种形式（另有一种「不署名」的情形，共四种结果）：
- 引用（citation）：你的内容被取用或转述，并且附上一个可溯源标注。
- 提及（mention）：你的品牌、产品或作者在正文里被点名，但不带链接。
- 链接（link）：出现一个可点击的来源链接，但未必对应答案真正用到的内容。
这三种结果都出现在 答案循环 第 4 步「生成与归属」。完成采信后，引擎会在这一阶段决定是否署名。
三种署名形式的详细定义
引用（Citation）
引用是最强形式的署名。当 AI 答案引用你的内容时，意味着：
- 你的内容被模型选为答案的依据之一
- 模型在答案中生成了与你的内容相关的陈述
- 答案中提供了可溯源的标注（如编号角标、行内来源或悬浮卡片）
- 用户通常可以点击查看原始来源页面
引用的价值在于：既体现了来源的权威性，又为读者提供了前往来源页面的链接。对于内容创作者而言，引用是 GEO 优化的最高目标之一。
提及（Mention）
提及是中等强度的署名形式。当 AI 答案提及你的品牌时，意味着：
- 你的品牌名称在答案正文中被写出
- 没有附链接或可溯源标注
- 但品牌在模型的认知中与某个主题建立了关联
提及的价值在于：强化实体先验，进而影响后续答案。即使没有带来点击，提及也会在你的品牌与相关主题之间建立认知关联，这种关联会在模型的知识结构中积累，影响未来答案的生成。
链接（Link）
链接是最弱形式的署名。当 AI 答案列出你的链接时，意味着：
- 答案中出现了可点击的 URL
- 但该链接未必对应答案真正用到的内容
- 用户可能点击也可能不点击
链接的价值在于：提供点击入口，并传递较弱的权威信号。但需要注意的是，链接不一定代表内容被采信——它可能只是引擎列出的候选来源之一。
实际案例分析
以下是一个典型的 AI 答案示例，其中同时包含三种署名形式：
"生成式引擎将采信与归属解耦。[1] ← 引用（标注挂在被取用的论断上）
据 Otterly.AI，提及与引用是分开统计的 KPI。 ← 提及（被点名，无链接）
关于答案机制的更多内容，见下方来源。
来源： [1] geo.wiki/citation-vs-mention
▸ example.com/unrelated-page ← 链接（在来源栏，但无对应句子）"
这个案例展示了三种署名形式如何在同一答案中共存。值得注意的是，来源栏中的链接（example.com/unrelated-page）可能并未被答案正文实际引用——它只是引擎列出的候选来源之一。
三者的精确定义与测量方法
为了准确测量和优化这三种署名形式，需要建立清晰的定义和测量方法：
| 维度 | 引用（Citation） | 提及（Mention） | 链接（Link） |
|---|---|---|---|
| 是什么 | 你的内容被取用或转述，并且附有可溯源标注 | 你的品牌、产品或作者在正文里被点名，无链接 | 列出一个可点击的 URL，但它未必对应任何被采信的句子 |
| 用户看到什么 | 某条论断附有编号角标、行内来源或悬浮卡片 | 正文写着「据 Acme……」，但不附链接 | 「来源」栏中列出一个 URL |
| 它带来什么 | 体现来源的权威性，并提供前往来源页面的链接 | 强化实体先验，进而影响后续答案，但不带来点击 | 提供点击入口，并传递较弱的权威信号 |
| 怎么追踪 | 统计引用份额和引用次数 | 统计提及次数和声量份额 | 统计链接出现率和链接带来的流量 |
一段合成答案可以同时包含这三种署名，下面逐一标出（参见上方案例）。
实际判断时，可以直接采用下面三条标准：
- 「用了我的事实，没链接也没点名」→ 未署名：被采信 ≠ 被署名（见 §3）。
- 「点名了我们，但没带来流量」→ 一次提及，不是引用，而是另一类成果。
- 「链了我们，但没引述我们」→ 一个链接，不是引用，也是三种结果中最弱的一种。
相关指标的计算方法（引用份额、声量份额、流量归因）见 GEO 指标；如何获得提及见 品牌提及。
被采信 ≠ 被署名：为什么归属需要单独判断
引用、提及和链接之所以必须分开判断，根本原因就在这里：引擎可能采用你的内容回答问题，却完全不署名；也可能点名你却不附链接，或附上链接却没有引述你的内容。内容是否被采信与来源是否被署名由系统分别决定，这种独立性并不表示系统出错。
被采信的内容子集
│
▼
┌──────────────────────────────┐
│ 生成与归属 │
│ 是否署名？ │
└──────────────────────────────┘
│
├──► 引用 （被采用 + 署名 + 可溯源标注）
├──► 提及 （被点名，无链接）
├──► 链接 （出现 URL，未必真正用到）
└──► 无 （被采用，不署名）
同一段被采信的内容，最终可能对应上述四种结果中的任何一种。「我的内容被用了，却什么也没得到」通常意味着内容已经被采信，但系统没有以任何形式标明来源。
先后次序的重要性
先后次序很重要。要获得署名，内容先要能被选中和采信（可引用性）；而要被采信，又必须先能被检索、进入候选范围（AI 爬虫）。内容被采信后，引擎才会决定是否署名。此前任何一个环节未完成，就不可能获得署名。因此，排查时应按答案循环的次序逐项检查；各环节可能出现的失败情况见 答案循环 §4。
API 层面的证据
这种独立性不只存在于概念上，也直接体现在 API 中。Gemini 分别返回 groundingChunks（用到的来源）和 groundingSupports（附有来源标注的答案片段）：内容被采用与来源被署名，在响应结构中对应不同字段（见 Grounding with Google Search）。Anthropic 的网页搜索工具也采用同样的区分，每条结果分别带有 url 和 cited_text（见 Web search tool）。
现有证据能说明什么，不能说明什么
Liu、Zhang 与 Liang 的 Evaluating Verifiability in Generative Search Engines（Findings of EMNLP 2023）审计了 Bing Chat、NeevaAI、Perplexity.ai 和 YouChat。主要结果显示：平均只有 51.5% 的生成句子有充分的引用依据（引用召回率），而所有引用中，也只有 74.5% 确实能为对应句子提供依据（引用精确率）。作者称这些数字「对于可能成为信息检索用户主要工具的系统而言，低得令人担忧」。换言之，内容是否被采信与来源是否被署名相互独立：被署名不代表内容真的被采信，内容被采信也不代表来源会被署名；即使给出引用，引用内容与对应表述仍可能不一致。
| 现有证据支持的结论 | 不能据此推断的结论 |
|---|---|
| 来源标注普遍不完整，引用召回率与精确率都明显低于 100% | 51.5% 与 74.5% 只反映 2023 年的引擎状态和一份固定评测集 |
| 答案流畅、看上去有用，并不代表来源可靠 | 引擎此后已有迭代；这些数字本身不能代表当前表现，但仍能说明署名需要单独判断，且可靠性有限 |
| 研究数据证实，内容被采用与来源被署名之间确实存在差距 | 各引擎之间差异很大，不能把某一个引擎的比率直接套用到另一个引擎 |
还需区分两项研究的测量对象：Aggarwal 等 度量的是可见度（曝光），也就是内容有没有被用到，并不度量来源是否被署名。Liu 等的研究则补足了这一缺口。
对 Aggarwal「最高 40%」提升的质疑，详见 论文条目（arXiv:2311.09735 · ACM DL）。
为什么这个区分对 GEO 至关重要
三种结果之所以需要区分，是因为每一种都要用不同的指标衡量，改善方法和商业价值也各不相同。把它们混为一谈，就会误判整个项目的成效。
| 结果 | 实际价值 | 主要改善方法 | 追踪方式 |
|---|---|---|---|
| 引用 | 体现来源的权威性，并提供前往来源页面的链接 | 提高内容被采信和被整段引述的可能性：可引用性、为 AI 引用而写 | 统计引用份额：GEO 指标、AI 引用追踪 |
| 提及 | 强化实体先验，并影响后续答案 | 增强站外存在感：品牌提及 | 统计声量份额：GEO 指标 |
| 链接 | 带来点击 | 让页面成为该话题下可列入来源栏的规范来源 | 分析引流数据 |
分别衡量三种结果是业界通行做法，并非 GEO Wiki 独有。Otterly.AI 的 KPI 体系就把品牌提及、域名引用、声量份额定义为三个独立指标，计算方法各不相同（见 Brand Report KPI Definition）；这个领域早已把「品牌是否被点名」和「域名是否被作为来源引用」分开统计。
关键洞察：一次没有点击的提及，不是一次失败的引用，而是另一类成果，只是影响往往需要更长时间才会显现；如果只关注带链接的引用，就会低估提及所积累的实体先验及其长期价值。这与可引用性中的「必要而不充分」恰成对照：署名有多种形式，每一种带来的结果都不同。
不同呈现面上的署名：分类不变，形式各异
无论答案出现在哪种呈现面上，引用、提及和链接这三类划分都不变；不同的只是它们出现的密度和默认形式。
| 呈现面 | 不同平台的署名特点 |
|---|---|
| Perplexity | 引用密度较高，通常采用编号、行内标注和链接（见 answer-engine FAQ） |
| ChatGPT search | 显示行内链接和一份来源清单；抓取页面时才会解析这些链接（见 ChatGPT search） |
| Google AI Overviews | 主要显示链接卡片，行内署名较少，内容来自索引（见 AI features and your website） |
| Gemini | 在 API 中分别返回 groundingChunks 与 groundingSupports，直接区分哪些来源被采用、哪些答案片段附有来源标注 |
署名密度还会随语言不同而变化，这是多语言 GEO 需要考虑的问题。详见 多语言 GEO。
常见误读
下表列出几种常见误读，并说明这些说法为什么看似合理、实际却不成立。
| 误读 | 为什么看上去对 | 为什么其实错 |
|---|---|---|
| 「提及了我们，就成功了」 | 提及确实是一项可衡量的结果 | 提及不一定带来流量；它是另一类成果，需要更长时间才可能显现影响，并不是引用 |
| 「来源栏里只有链接、没有对应引述，也算一次引用」 | 只要 URL 出现了，就算被署名 | 没有与被采信内容对应的链接，是三种结果里最弱的一种，不是最强；这样统计会高估署名 |
| 「追踪引用，忽略提及」 | 引用带来的点击更容易测量 | 这样会低估提及所积累的实体先验，以及它对后续答案的影响（§5） |
| 「直接优化归属」 | 既然目标是获得署名，似乎应当直接争取署名 | 次序错了：如果不满足 §3 所述的前提，就不可能获得署名 |
署名本身无法直接优化。可以改善的是内容能否被采信，以及是否具备站外先验（提及）；只有满足这两个前提，署名才可能出现在答案中。
对 GEO 的意义与行动方法
署名出现在整个 答案循环 的最后阶段，但形式不止一种，必须分别判断，而且可靠性有限。因此，引用、提及和链接必须分别衡量，不能合并成一项指标。
你的目标与建议路径：
| 你的目标 | 建议从这里开始 |
|---|---|
| 追踪实际获得了哪一种结果 | AI 引用追踪 |
| 编写更容易获得引用的内容 | 为 AI 引用而写 |
| 获得站外提及 | 品牌提及 |
| 准确定义这些指标 | GEO 指标 · 术语表 |
| 让内容先具备被选中的条件 | 可引用性 |
| 判断来源是否受到信任 | E-E-A-T |
| 了解这件事位于循环中的哪一步 | 答案循环 |
| 把这些工作整合成完整方法 | 生成式引擎优化 |
实际案例：某科技媒体的署名优化实践
某科技媒体（月访问量约 500 万）在 2024 年分析了其内容在 AI 答案中的署名情况，发现以下问题：
- 引用率仅 3%，意味着 97% 被采用内容未获得署名
- 提及率 12%，品牌在答案中被点名但无链接
- 链接出现率 25%，但其中仅 40% 对应实际被引用的内容
优化措施：
- 提高可引用性：重构文章结构，每个核心观点都有独立段落和数据来源标注。
- 增强实体清晰度：在文章开头和结尾明确标注作者身份、媒体名称和联系方式。
- 建立站外提及：与行业 KOL 合作，在社交媒体和行业会议中获得品牌曝光。
结果：三个月后，引用率提升至 18%，提及率提升至 35%，链接质量显著改善（70% 的链接对应实际被引用的内容）。
FAQ：引用、提及与链接常见问题
Q1：AI 用了我的事实，却没引用也没点名我，为什么？
A：因为内容是否被采信与来源是否被署名，是两个相互独立的事件。在答案循环第 4 步中，引擎可以采用一段内容作为回答依据，却完全不署名，也不附任何来源信息。系统确实可能产生这种结果，并不表示系统出错。因此，业界会把引用和提及作为两个独立结果分别追踪，不会把内容被采用直接算作来源被署名。
Q2：提及和引用是一回事吗？
A：不是。引用会为被采用或转述的内容附上可溯源标注（编号角标、行内来源、悬浮卡片）。提及则只在正文中写出品牌、产品或作者名，不附链接。引用既体现来源的权威性，也提供前往来源页面的链接；提及会强化实体先验，进而影响后续答案，但不会直接带来点击。两者代表不同类型的成果，需要用不同指标衡量；一次没有点击的提及，并不是一次失败的引用。
Q3：答案里没有指向我的链接，这还有价值吗？
A：通常有价值。一次不带链接的提及会强化模型的实体先验，也就是你的名字与某个主题之间的关联；这种关联会在训练数据和实体图谱中积累，并影响后续答案。它不会带来点击，价值通常也要过一段时间才会显现，但并非毫无回报。只关注带链接的引用，会低估这部分价值。提及的获取机制见 品牌提及。
Q4：引擎给了我链接，却没引述我，这是什么？
A：这属于「链接」一类，也是三种署名形式中最弱的一种。一个 URL 可能出现在「来源」栏里，但答案正文没有任何句子实际采用该页面的内容；引擎经常会列出一些候选链接，正文却并未以这些页面为依据。若把这种只有链接、没有对应引述的结果记为一次引用，就会高估实际获得的署名。把链接记为引用之前，应先核对答案正文是否确实采用了你的内容。
Q5：我该优化哪一种，怎么优化？
A：署名本身无法直接优化。要提高获得署名的可能性，必须先满足两个前提：内容能够被采信（可引用性），并且具备站外先验（品牌提及）。满足这两个前提后，再追踪实际获得了哪一种结果。指标定义见 GEO 指标，追踪方法见 AI 引用追踪，写作方法见 为 AI 引用而写。
Q6：如何提高引用率？
A：提高引用率的关键是提高内容的可引用性：（1）确保内容自成一体，每段都有明确的结论句；（2）提供具体数据和来源；（3）使用清晰的标题和结构；（4）添加 Schema.org 结构化数据；（5）保持内容新鲜度。详见 可引用性。
Q7：如何获得提及而不只是引用？
A：提及主要依靠站外品牌信号。策略包括：（1）在行业媒体发布内容；（2）参与行业会议和播客；（3）建立社交媒体存在感；（4）与 KOL 合作；（5）获取第三方评测和推荐。详见 品牌提及。
Q8：不同平台的署名率有何差异？
A：Perplexity 的引用密度最高，通常每个答案都有多个编号引用。ChatGPT search 提供行内链接和来源清单。Google AI Overviews 主要显示链接卡片，行内署名较少。Claude 的引用功能始终开启，每条结果都有 url 和 cited_text。Gemini API 返回详细的 groundingChunks 和 groundingSupports。详见 答案循环 §6。
如何追踪 AI 答案中的引用与提及
要优化引用和提及，首先要有能力追踪它们：
1. 追踪方法概览
| 方法 | 适用场景 | 工具 | 成本 |
|---|---|---|---|
| 手动查询 | 小规模品牌、低频追踪 | 人工搜索关键词 | 低 |
| API 监控 | 中等规模、高频追踪 | Perplexity API、ChatGPT API | 中 |
| 第三方工具 | 大规模品牌、自动化追踪 | Otterly、Ahrefs Brand Radar | 高 |
| 自建系统 | 技术团队、定制化需求 | 自建爬虫 + 分析系统 | 高 |
2. 关键指标定义
- 引用率：你的内容被 AI 答案引用的查询比例 = 引用次数 / 总查询次数
- 提及率：你的品牌被 AI 答案提及的查询比例 = 提及次数 / 总查询次数
- 声量份额：你的品牌在所有相关提及中所占比例 = 你的提及数 / 所有品牌提及总数
- 引用质量分：综合考量引用位置、上下文相关性、来源权威度的评分
3. 中国市场的追踪挑战
在中国市场追踪引用和提及面临以下挑战：
- 平台封闭：百度 AI 搜索、微信搜一搜等平台的引用数据不对外公开。
- 语言差异：同一品牌可能有多个中文名称，需要识别变体。
- 内容形态：中文内容的引用格式与英文不同，需要调整识别规则。
4. 优化引用与提及的策略
基于追踪结果，企业可以采取以下优化策略：
- 提高可引用性：优化内容结构，确保每段都有明确的结论句。
- 增强实体清晰度：在内容中明确标注作者、来源、时间等实体信息。
- 建立站外提及：通过 PR、社交媒体、行业活动增加品牌曝光。
- 持续监测：建立定期追踪机制，监测优化效果。
关键洞察：引用和提及是 GEO 的核心成果指标。企业应建立科学的追踪体系，将引用率和提及率纳入 KPI 考核，持续优化内容策略，提升在 AI 答案中的可见度。