ダブルクリックで英日反転
Applied Sciences · Engineering
Citation Selection vs. Absorption
The key metric for AI citations is shifting from selection — whether your source was picked at all — to absorption: how substantively it was used in the AI's reasoning.
Two Axes Defined
- Selection: a near binary signal — did your source appear in the citation list?
- Absorption: a depth signal — did it anchor the answer's core reasoning, or appear as a passing footnote?
Why Absorption Matters More
- In long-form AI reports, appearing in a citation list carries little influence on its own.
- True influence requires that the source supported claims — i.e., a high degree of absorption.
- GEO evaluations that stop at 'mentioned or not' miss the most meaningful layer of data.
Practical Implication
- Redesign AI search query sets to observe citation depth, not just citation presence.
- Track how central each source is to the report's claims as a richer influence metric.
→ Don't just ask 'Were we cited?' — ask 'How deeply were we used?'
Applied Sciences · Engineering
引用の「選出」から「吸収」へ
AI引用の評価軸が「選出（選ばれたか否か）」から「吸収（どれほど実質的に使われたか）」へと移行しつつある。この差を把握しないと、真の影響力は測れない。
2つの軸の定義
- 選出（selection）：自社ソースが引用候補として登場したかどうか。ほぼ0/1の指標。
- 吸収（absorption）：そのソースが回答の論拠にどれほど深く組み込まれたか、という深度の指標。
吸収が重要な理由
- ディープリサーチ（長文AI報告書）では、引用リストに名前が載るだけでは影響力はほぼゼロ。
- 主張をどれだけ支えたか（吸収の度合い）を見なければ、真の影響力は計れない。
- GEO（生成AIエンジン最適化）評価を「言及の有無」で止めると、最も意味のある層を見落とす。
実践的な示唆
- AIクエリセットを再設計し、引用の存在だけでなく引用の深度を観測対象に加える。
- 各ソースが報告書の主張にどれほど中心的かを追跡し、より豊かな影響力指標として活用する。
→ 「引用されたか」ではなく「どれほど深く使われたか」を問え。
Applied Sciences · Engineering
Citation Selection vs. Absorption
The key metric for AI citations is shifting from selection — whether your source was picked at all — to absorption: how substantively it was used in the AI's reasoning.
Two Axes Defined
- Selection: a near binary signal — did your source appear in the citation list?
- Absorption: a depth signal — did it anchor the answer's core reasoning, or appear as a passing footnote?
Why Absorption Matters More
- In long-form AI reports, appearing in a citation list carries little influence on its own.
- True influence requires that the source supported claims — i.e., a high degree of absorption.
- GEO evaluations that stop at 'mentioned or not' miss the most meaningful layer of data.
Practical Implication
- Redesign AI search query sets to observe citation depth, not just citation presence.
- Track how central each source is to the report's claims as a richer influence metric.
→ Don't just ask 'Were we cited?' — ask 'How deeply were we used?'
Applied Sciences · Engineering
引用の「選出」から「吸収」へ
AI引用の評価軸が「選出（選ばれたか否か）」から「吸収（どれほど実質的に使われたか）」へと移行しつつある。この差を把握しないと、真の影響力は測れない。
2つの軸の定義
- 選出（selection）：自社ソースが引用候補として登場したかどうか。ほぼ0/1の指標。
- 吸収（absorption）：そのソースが回答の論拠にどれほど深く組み込まれたか、という深度の指標。
吸収が重要な理由
- ディープリサーチ（長文AI報告書）では、引用リストに名前が載るだけでは影響力はほぼゼロ。
- 主張をどれだけ支えたか（吸収の度合い）を見なければ、真の影響力は計れない。
- GEO（生成AIエンジン最適化）評価を「言及の有無」で止めると、最も意味のある層を見落とす。
実践的な示唆
- AIクエリセットを再設計し、引用の存在だけでなく引用の深度を観測対象に加える。
- 各ソースが報告書の主張にどれほど中心的かを追跡し、より豊かな影響力指標として活用する。
→ 「引用されたか」ではなく「どれほど深く使われたか」を問え。
Related notes
- Agentic Commerce — ACP and Visibility into Being 'Bought by AI'
- AI Search Evaluation: The 12 Metrics — Gateway
- AI Search Evaluation ①Citation Rate — How Many URLs Are Pulled In Per Answer
- AI Search Evaluation ②Source Diversity — How Unskewed the Cited Sources Are
- AI Search Evaluation ③Accuracy Score — How Often It Answers Factual Questions Correctly
- AI Search Evaluation ④Answer Length — How Many Characters It Returns to the User on Average