Tujuh puluh prompt menghasilkan 1.702 kutipan, sekitar delapan per jawaban
Sebagian besar pembicaraan tentang visibilitas AI memperlakukan jawaban sebagai putusan atas satu halaman. Halaman Anda. Dari dalam memang terasa begitu, karena Anda hanya pernah mengecek apakah Anda ada di dalamnya.
Sebuah audit yang diterbitkan pada September 2025 oleh Arlen Kumar dan Leanid Palkhouski, di UC Berkeley dan Wrodium Research, memberi angka pada bentuknya. Mereka menjalankan 70 prompt berniat produk di 16 vertikal B2B SaaS melalui Brave Summary, Google AI Overviews, dan sonar-pro milik Perplexity, dan mengumpulkan 1.702 kutipan yang mengarah ke 1.100 URL unik.
Tujuh puluh prompt di tiga mesin berarti 210 jawaban. Bagi 1.702 kutipan ke jawaban-jawaban itu dan Anda mendapat kira-kira delapan URL yang dikutip per jawaban. Itulah unit sebenarnya. Delapan slot, dan tujuh di antaranya milik orang lain bahkan di hari yang baik.
Pada pertanyaan perangkat lunak, 72,7% domain yang dikutip bukan milik vendor
Studi kedua dari bulan yang sama menyelidiki siapa tetangga-tetangga itu. Mahe Chen, Xiaoxuan Wang, Kaiwen Chen, dan Nick Koudas di University of Toronto menjalankan 1.000 prompt peringkat konsumen, sepuluh kategori masing-masing seratus, di AS dan Kanada terhadap Google dan GPT yang bisa mengakses web. Mereka mengambil sepuluh URL teratas per kueri dan mengelompokkan setiap domain ke Merek, Sosial, atau Earned, artinya media independen, situs ulasan, dan situs perbandingan.
Pada Produk Perangkat Lunak di AS, pencarian AI menghasilkan 72,7% Earned, 26,7% Merek, dan hampir tidak ada Sosial. Google untuk niat yang sama menghasilkan 43,7% Merek, 45,4% Earned, 10,9% Sosial. Kanada lebih lebar: pencarian AI memberi 74,2% Earned dan sama sekali tanpa Sosial, sementara Google condong ke 53,8% Merek. Elektronik konsumen di AS bahkan lebih jauh, sampai 92,1% Earned.
Membacanya sebagai merek memang agak menyakitkan. Pada pertanyaan kategori, sebagian besar bahan yang dipakai model ditulis oleh orang yang bukan karyawan Anda, di halaman yang tidak bisa Anda edit.
Ko-sitasi didefinisikan pada 1973 dan definisinya adalah intinya
Ada gagasan lama yang pas sekali dengan ini. Pada 1973 Henry Small mendefinisikan ko-sitasi di Journal of the American Society for Information Science sebagai frekuensi dua dokumen dikutip bersama, diukur dengan membandingkan daftar dokumen yang mengutip dan menghitung entri yang identik. Kluster makalah yang dikutip bersama, tunjuknya, memetakan struktur sebuah bidang keilmuan.
Sifat yang layak dibawa adalah sifat yang menjadi dasar ukuran Small. Ko-sitasi diciptakan oleh siapa pun yang mengutip. Dua makalah menjadi tetangga karena pihak ketiga terus mengambil keduanya. Tidak satu pun bisa menyatakan hubungan itu, dan tidak satu pun bisa keluar darinya.
Pindahkan itu ke mesin jawaban dan konsekuensinya tidak nyaman. Anda tidak memilih halaman yang muncul di samping Anda. Mesin menyusun set itu, baru setiap kali ada permintaan, dan pembeli membaca kedelapan sumber sebagai satu kesatuan. Dua vendor dengan halaman yang nyaris identik bisa mendarat di lingkungan yang berbeda dan dibaca berbeda karenanya.
Hanya 134 dari 1.100 halaman yang dikutip muncul di lebih dari satu mesin
Lingkungan juga tidak berpindah. Dalam korpus Kumar dan Palkhouski, 134 URL dihitung sebagai kutipan lintas mesin. Dibandingkan 1.100 URL yang diaudit, itu sekitar satu dari delapan, jadi kira-kira tujuh perdelapan halaman yang dikutip hanya dikutip oleh satu mesin. 134 halaman yang berpindah itu mendapat skor 71% lebih tinggi pada indeks kualitas halaman makalah dibandingkan yang hanya dikutip satu mesin, yang merupakan argumen yang cukup baik untuk pekerjaan struktural yang membosankan.
Bacaan praktisnya adalah tempat di set sumber Perplexity memberi tahu Anda sangat sedikit tentang Google AI Overviews. Jika dasbor Anda meleburkan mesin menjadi satu angka visibilitas, dasbor itu sedang merata-ratakan tiga populasi halaman yang sebagian besar terpisah.
Mengutip orang lain mengangkat situs peringkat kelima sebesar 115%
Inilah bagian yang mengubah apa yang Anda lakukan hari Senin. Makalah yang menamai generative engine optimization, oleh Pranjal Aggarwal dan rekan-rekan di Princeton, menguji sembilan penulisan ulang konten terhadap benchmark 10.000 kueri yang mencakup 25 domain.
Tiga metode keluar sebagai yang teratas: menambahkan kutipan ke sumber kredibel, menambahkan kutipan langsung, dan menambahkan statistik. Bersama-sama, ketiganya menghasilkan peningkatan relatif 30-40% pada metrik jumlah kata yang disesuaikan posisi dan 15-30% pada skor kesan subjektif makalah itu.
Dipisahkan berdasarkan peringkat pencarian, metode Cite Sources menaikkan visibilitas sebesar 115,1% untuk situs yang sudah berada di peringkat kelima, sementara visibilitas situs peringkat teratas turun rata-rata 30,3%. Tuasnya di situ bukan otoritas. Melainkan kemudahan dikutip. Halaman yang mengutip sumber kredibel memberi model sesuatu yang bisa diangkat, dan menempatkan kalimat Anda di paragraf yang sama dengan sumber yang Anda kutip.
Itulah gagasan ko-sitasi yang berjalan ke arah sebaliknya. Siapa yang Anda kutip membentuk dengan siapa Anda dikutip.
Ukur lingkungannya, bukan hanya baris Anda sendiri
Jika set adalah unitnya, empat pertanyaan lebih berharga daripada jumlah kutipan.
- Domain mana yang terus muncul bersama untuk kategori Anda. Jika empat halaman yang sama berulang di seluruh prompt Anda, kelompok itulah daftar sumber sebenarnya kategori Anda, dan daftar itu bisa diketahui.
- Apakah seorang pesaing berada di set yang tidak memuat Anda. Itu celah penempatan, dan sebanyak apa pun Anda menulis ulang beranda sendiri tidak akan menutupnya.
- Per mesin, dipisahkan. Menurut angka di atas, set-setnya nyaris tidak tumpang tindih, jadi lingkungan satu mesin memprediksi mesin lain dengan buruk.
- Halaman ko-sitasi mana yang menerima kiriman atau koreksi. Sebagian besar artikel rangkuman menerimanya, dan meminta biasanya merupakan cara termurah untuk masuk ke set yang tidak memuat Anda.
Apa yang kami lakukan tentang ini
Inilah sebabnya Proofsource menjalankan pemetaan ko-sitasi di samping pelacakan prompt dan deteksi celah kutipan. Laporannya menunjukkan sumber mana yang berpindah bersama untuk kategori Anda dan mana yang tidak memuat Anda, dan laporan klien menyertakan tampilan campuran sumber listicle dan kesegarannya dengan alasan yang sama.
Sampling kami sendiri menunjuk ke arah yang sama. Pada pertanyaan terbaik di kategori, di satu kategori yang kami uji, listicle dan artikel rangkuman sekitar 44% dari sumber yang dikutip ChatGPT, situs ulasan 24%, dan halaman vendor 18%. Itu data kami, satu kategori dan satu mesin, dan kami tidak akan mempertahankannya sebagai hukum umum.
Artinya juga kami cukup sering memberi tahu orang bahwa perbaikan termurah ada di halaman yang bukan milik mereka dan tidak bisa kami sentuh. Kami lebih suka mengatakan itu daripada menjual penulisan ulang yang tidak akan menggerakkan apa pun.
Di mana ini bisa salah
Kedua audit berjalan pada September 2025. Itu setahun lalu, dan setiap mesin di dalamnya sudah merilis banyak versi sejak itu. Perlakukan arahnya sebagai terbukti dengan baik dan persentase pastinya sebagai sudah usang.
Studi Kumar dan Palkhouski bersifat observasional, berbahasa Inggris, B2B SaaS, dan dikumpulkan pada satu titik waktu dari 70 prompt. Studi itu mengkueri Perplexity melalui API sonar-pro, yang belum tentu berperilaku seperti produk konsumennya. Angka 134 mereka adalah hitungan di korpus itu, dan mereka tidak mempublikasikan tumpang tindih berpasangan, jadi kami tidak bisa mengatakan dua mesin mana yang paling banyak berbagi.
Studi Toronto mengklasifikasikan setiap domain menggunakan GPT-4o-search-preview. Label yang ditetapkan model membawa kesalahan model, dan garis antara Merek dan Earned benar-benar kabur untuk situs perbandingan yang didanai vendor.
Ada ketidaksepakatan yang tidak bisa kami selesaikan di sini. Beberapa pelacak yang beredar luas melaporkan platform komunitas seperti Reddit mengambil pangsa kutipan AI yang sangat besar, sementara studi ini menemukan Sosial mendekati nol. Kami belum menelusuri pelacak-pelacak itu kembali ke sumber primer, jadi kami tidak mengutip angka dari mereka. Kami menandai konfliknya alih-alih memilih pihak.
Benchmark Aggarwal berasal dari 2023 dan 2024 dan dievaluasi terhadap mesin dua generasi lalu. Ambil mekanismenya dan perlakukan 115% sebagai artefak dari pengaturan itu.
Ukuran Small tahun 1973 menggambarkan catatan cetak yang tetap. Set sumber sebuah jawaban dibuat ulang per permintaan, jadi dengan siapa Anda dikutip adalah sebuah distribusi. Satu jawaban tidak membuktikan apa pun tentang lingkungan Anda.
