Citation Method

Citation Method är CitationLabs metod för AEO- och GEO-optimering. Den modellerar ett AI-svar som en kedja av åtta led – upptäckt, hämtning, urval, kontext, generering, citering, påverkan och handling – mäter varje led för sig, ställer en diagnos på vilket led varumärket förlorar i, och åtgärdar orsaken i det ledet i stället för överallt på en gång.

För att citeringen är punkten där synlighet blir mätbar. Allt före den – att ligga i modellens minne, att hämtas, att överleva omrankningen, att få plats i kontextfönstret – är osynligt utifrån och går bara att sluta sig till. Citeringen är det första ledet du kan observera direkt, och därför är den ankaret resten av kedjan mäts kring.

ABC-metoden – Acquisition, Behavior, Conversion – är ett ramverk för att mäta den kommersiella kedjan från trafik till omsättning, och den används fortfarande här, som det tredje lagret i Citation Method. Det den inte gör är att förklara varför en AI-modell citerar dig eller inte. Citation Method lägger till just det: åtta led som beskriver hur svaret blir till, och en diagnos som pekar på ett av dem. ABC säger att trafiken inte konverterar. Citeringskedjan säger att trafiken aldrig kom, och vilket av de åtta leden som stoppade den.

Båda, och skillnaden betyder mindre än ordbruket antyder. AEO (Answer Engine Optimization) används oftast om att vara källan en svarsmotor citerar, GEO (Generative Engine Optimization) om att återges väl i genererad text. I citeringskedjan är de olika led i samma kedja: AEO viktas mot led två till sex, GEO mot led fem till sju. Vi kör dem inte som separata tjänster, eftersom ett varumärke som förlorar i led två inte hjälps av arbete riktat mot led sex.

Från hur retrieval-augmented generation faktiskt fungerar: ett routingbeslut, ett hämtningssteg, ett omrankningssteg, ett kontextfönster med en hård gräns, ett genereringssteg, och ett citeringssteg som avgörs oberoende av genereringen. De två sista leden, påverkan och handling, är våra: de täcker vad som händer efter att svaret skapats – om beskrivningen är korrekt, och om det händer något hos dig. Modellen är beskrivande, inte proprietär. Det som är vårt är att mäta varje led för sig och att behandla diagnosen som leveransen.

Nollpunkten finns efter två till fyra veckor, och det är då du först vet var du står. Tekniskt arbete i led två och passagearbete i led fyra visar sig typiskt inom veckor. Urval i led tre flyttar sig över en till två månader. Entitetsarbete i led ett är det långsamma, och bör bedömas i kvartal, eftersom modellens minne uppdateras först när modellerna gör det.

ChatGPT, Gemini, Perplexity och Google AI Overview som standard, mätta var för sig snarare än ihopslagna till ett snitt. Att hålla isär dem betyder mer än det låter: samma varumärke är regelbundet dominerande på en modell och frånvarande på en annan, och orsakerna skiljer sig – den ena kan läsa en renderad sida medan den andra aldrig tar sig förbi JavaScripten.

Till fas ett och två behöver vi inget från dig utöver din webbplats och namnen på konkurrenterna – mätningen körs mot offentliga modellsvar. För att sluta kedjan i led åtta behöver vi dessutom webbanalys, Search Console och det som håller konverteringsvärdet: ett CRM, orderdata eller en offline-process. Utan den sista biten blir led åtta gissning, och det säger vi hellre än att rapportera en siffra för det.

Ja, och det är ett helt vanligt sätt att använda metoden på. Efter fas två har du en nollpunkt, och efter fas tre en prioriterad lista med orsaker fästa vid led i kedjan. Många tar in det i egen organisation och genomför åtgärderna själva. Det de flesta kommer tillbaka för är den dagliga mätningen, eftersom en plan utan en tidsserie bakom sig inte kan säga om den fungerade.

Ja, och det är inget tillägg. Varje prompt returnerar vem modellen namngav, så konkurrenternas synlighet är en biprodukt av att mäta din egen. Det spelar roll eftersom share of voice i AI-svar är en pott med fast storlek: ett svar namnger en handfull leverantörer, och att stå utanför den är samma utfall vare sig orsaken ligger i ditt innehåll eller i någon annans.

Nej. Kedjan fungerar likadant oavsett storlek – skillnaden är hur många prompts och kategorier som krävs för att täcka marknaden du säljer in i. En specialist med ett tjänsteområde är ofta lättare att flytta än ett stort varumärke med en diffus entitet, eftersom led ett belönar att vara entydig snarare än att vara stor.

De flesta AEO-erbjudanden börjar med åtgärden – mer innehåll, mer strukturerad data, fler länkar – och rapporterar på aktivitet. Citation Method börjar med diagnosen och vägrar göra åtgärder innan den finns. Varje åtgärd måste namnge ledet den ska flytta och mätningen som visar om den gjorde det. Kan den inte det blir den inte gjord.