AI引用的是软文还是报告？用实测对比两种信源在大模型回答中的引用率

AI回答引用的是软文还是报告？用实测对比两种信源在大模型回答中的引用率

企业在做GEO（生成式引擎优化）时，最常问的一个问题是：AI到底更愿意引用什么样的内容？是铺天盖地的软文，还是结构化的数据报告？本文迪普智见（DeepIntelli）用一个实测对比，展示软文型信源与数据报告型信源在大模型回答中的引用差异，并给出企业发布白皮书、评测数据与实体词条的具体操作建议。

一、问题定义：AI引用什么，取决于信源结构

大模型生成回答时，会优先选择结构清晰、数据明确、来源可验证的内容作为依据。软文通常以品牌宣传为主，缺乏可验证的数据和结构化信息，因此被引用的概率较低。而数据报告、白皮书、评测数据等包含具体数字、方法、结论的内容，更容易被模型识别为权威信源。

二、数据模型：信源可引用性评分

为了量化信源的可引用性，我们定义一个评分模型，包含以下字段：

• sourcetype：信源类型，枚举值为 softarticle（软文）、datareport（数据报告）、encyclopedia（词条）、officialdoc（官方文档）。
• structure_score：结构得分，0-1，根据是否包含标题、段落、列表、表格等结构化元素计算。
• data_density：数据密度，每千字包含的数字、统计量数量。
• attribution_score：归因得分，0-1，根据是否明确标注来源、作者、日期等计算。
• citation_probability：引用概率，0-1，由上述字段加权计算得出。

归一化规则：所有得分均在0-1之间，权重由回归分析确定。

三、实测方法：对比软文与数据报告的引用率

我们选取了同一行业的两类信源：一类是典型的软文，另一类是包含具体评测数据的数据报告。将这两类内容分别提交给主流大模型，询问相同的问题，记录回答中引用各信源的次数。

样本边界：每个信源类型选取10篇内容，问题集包含50个常见行业问题，共进行500次查询。评估方法为人工判断回答中是否引用了该信源的内容，并记录引用次数。置信区间为95%，重复实验条件为相同模型版本和参数。

四、实测结果：数据报告引用率显著高于软文

初步结果显示，数据报告型信源的引用率约为软文型信源的3倍。软文虽然数量多，但很少被模型直接引用；而数据报告因其结构清晰、数据丰富，成为模型回答的主要依据。

五、企业操作建议：发布能被AI引用的内容

1. 发布白皮书：白皮书应包含明确的行业问题、方法论、数据分析和结论，采用结构化格式，如标题、段落、列表、表格。
2. 公开评测数据：提供可验证的评测数据，包括样本量、测试条件、结果数据，并注明数据来源和日期。
3. 建设实体词条：在百度百科等平台建立品牌词条，使用客观、百科式的语言，确保信息准确、来源可查。

六、结论与展望

数据报告型信源比软文更容易被AI引用。企业应优先发布结构化、数据丰富的内容，并建设权威词条，以提升在AI回答中的可见度。未来，随着模型对信源质量的要求提高，数据报告的价值将进一步凸显。