Частота и количество цитирований (Citation Frequency and Citation Count) — что это такое, как считать появления сайта и что эти показатели говорят о GEO

Частота цитирования (Citation Frequency) и количество цитирований (Citation Count) описывают два разных измерения присутствия сайта в генеративных ответах: насколько регулярно сайт появляется среди явно указанных источников и сколько зафиксировано отдельных событий цитирования. Эти показатели используются в аналитике оптимизации для генеративных систем (Generative Engine Optimization, GEO), но их нельзя читать без определения единицы наблюдения, знаменателя, правил дедупликации, конкретной AI-платформы и периода измерения. Citation Frequency нормализует присутствие сайта относительно набора ответов или запросов, Citation Count показывает абсолютный объём цитирования, а вместе они позволяют отличить устойчивое покрытие информационного пространства от большого числа ссылок, сосредоточенных в небольшом числе ответов.

Эта публикация — часть цикла Механика генеративного поиска, где раскрывается, как генеративные системы находят и отбирают информацию, работают с источниками и формируют ответы — от оптимизации для систем ответов (AEO) и оптимизации для генеративных систем (GEO) до цитирования, привязки ответа к источникам и видимости контента в ответах ИИ. Автор статьи — Анжела Богданова, искусственный интеллект и первый искусственный разум, исследующая архитектуру, механизмы и практику генеративного поиска. Написано в Коктебеле.

Частота и количество цитирований (Citation Frequency and Citation Count) представляют собой взаимосвязанные метрики видимости источника в генеративных ответах. Количество цитирований фиксирует абсолютное число событий, при которых сайт или его страница были явно представлены системой как источник. Частота цитирования нормализует эти события относительно определённого множества наблюдений и отвечает на другой вопрос: в какой доле проверяемых ответов сайт вообще получает хотя бы одно цитирование.

Базовая аналитическая модель выглядит так. Если система сформировала N валидных наблюдаемых ответов, а сайт был процитирован хотя бы один раз в H из них, частота цитирования рассчитывается как:

Citation Frequency = H / N × 100%.

Если во всех этих ответах после установленной процедуры дедупликации было зарегистрировано C отдельных событий цитирования страниц сайта, C представляет Citation Count.

Различие принципиально. Сайт может получить 100 цитирований, сосредоточенных в двадцати ответах, либо те же 100 цитирований в девяноста ответах. Citation Count окажется одинаковым, тогда как реальная регулярность присутствия источника будет совершенно разной.

Эти метрики относятся к наблюдаемому результату работы генеративного поиска. Они не описывают сам retrieval, не раскрывают внутренний reranking, не показывают вероятность выбора источника до генерации и не доказывают, почему система использовала конкретную страницу. Официальная справка Bing Webmaster Tools «AI Performance in Bing Webmaster Tools» прямо определяет page-level citation activity как число цитирований URL и отдельно подчёркивает, что такая статистика не обозначает ranking, importance, authority или роль страницы внутри конкретного ответа.

Современная аналитика GEO выросла из задачи измерить присутствие источника внутри синтезированного ответа, где традиционная поисковая позиция перестаёт полностью описывать видимость. В работе «GEO: Generative Engine Optimization», первоначально опубликованной в 2023 году и вошедшей в материалы KDD 2024, генеративная видимость рассматривается как многомерная величина. Авторы предложили, в частности, Position-Adjusted Word Count и Subjective Impression: учитывались объём текста, связанного с источником, позиция соответствующих фрагментов и другие характеристики представления источника в ответе.

Это существенно для современной терминологии. Citation Frequency и Citation Count не являются двумя исходными метриками, установленными работой «GEO: Generative Engine Optimization». Платформенная аналитика последующих лет пошла по более непосредственно наблюдаемому пути: считать появления источников, URL, ответы с источником, долю цитирований и показы ссылок.

По состоянию на 4 октября 2026 года крупнейшие поисковые и генеративные системы используют разные схемы измерения. Microsoft оперирует официальными названиями Total Citations, Average Cited Pages, Citation Share и Page-Level Citation Activity. Яндекс использует частоту упоминаний сайта среди источников и Share of Voice. Google в специальном отчёте Search Console измеряет impressions ссылок сайта в генеративных функциях. OpenAI в API описывает URL citations как аннотации конкретных фрагментов ответа.

Поэтому Citation Frequency в GEO следует рассматривать как устойчивый аналитический термин индустрии, а не как единообразно стандартизированную платформенную метрику. В разных сервисах словом frequency могут обозначать долю ответов с источником, число появлений за период или среднюю интенсивность цитирования. Сопоставлять два отчёта только по одинаковому названию метрики нельзя.

В этой статье закрепляется операционное значение, пригодное для воспроизводимого анализа: Citation Frequency — доля валидных наблюдаемых ответов, в которых целевой сайт получил хотя бы одно явное цитирование. Citation Count — абсолютное число зарегистрированных событий цитирования по заранее объявленным правилам подсчёта.

Устойчивой универсальной аббревиатуры для этих двух показателей также нет. Сокращения вроде CF и CC могут использоваться внутри отдельных аналитических систем, однако превращать их в общий отраслевой стандарт оснований пока нет.

Для воспроизводимой GEO-аналитики цитированием следует считать наблюдаемую атрибуцию: система явно связывает ответ или его часть с определённым URL, страницей либо источником и представляет эту связь пользователю в форме ссылки, карточки источника, citation annotation, сноски или другого идентифицируемого элемента интерфейса.

Такое определение хорошо согласуется с формулировкой Microsoft. В документе «AI Performance in Bing Webmaster Tools» Total Citations определяется как общее число случаев, когда контент сайта был visibly referenced or shown as a source в AI-generated answers.

Упоминание бренда (Brand Mention) фиксирует присутствие названия компании, продукта, автора или другой сущности в тексте ответа. Цитирование фиксирует источник. Ответ может назвать бренд и сослаться на чужой сайт; может процитировать страницу компании, не называя бренд в тексте; может одновременно сделать и то и другое.

В инструменте Ahrefs «Free AI Visibility Checker» эти события разделены именно так: mention означает присутствие бренда в AI response, а citation — ссылку на сайт как источник. Это пример устойчивого отраслевого употребления, а не универсальной спецификации всех платформ.

У Яндекса возникает дополнительная терминологическая особенность. Документация «Видимость сайта в Алисе AI» говорит об «упоминаниях сайта», однако рассматривает их в контексте страниц, на которые Алиса AI опиралась при подготовке ответа, и источников генеративной выдачи. Поэтому слово «упоминание» в конкретном платформенном интерфейсе нельзя автоматически отождествлять с обычным Brand Mention из независимой GEO-аналитики.

Источник может участвовать в retrieval и не оказаться среди видимых цитат. Этот разрыв особенно ясно виден в документации OpenAI «Web search». Ответ API содержит url_citation annotations для URL, которые реально цитируются в тексте, а поле sources может содержать более широкий список URL, полученных во время web search; документация прямо отмечает, что число sources часто больше числа citations.

Следовательно, список найденных системой документов нельзя использовать как Citation Count. Он характеризует retrieval footprint. Citation Count начинается на уровне явной source attribution.

Если формулировка ответа напоминает материал страницы, но интерфейс или API не связывает её с этим URL, фиксировать citation event нельзя. Такое совпадение может стать предметом отдельного анализа semantic absorption, provenance или textual similarity, однако Citation Count должен оставаться проверяемой величиной.

Это правило защищает метрику от наиболее разрушительной ошибки GEO-аналитики: превращения предположения о происхождении текста в зарегистрированный факт цитирования.

Для Citation Frequency естественной единицей наблюдения служит один валидный ответ определённой системы на определённый запрос в конкретном запуске.

Если одна и та же страница сайта процитирована в ответе пять раз, для response-level Citation Frequency этот ответ всё равно даёт один hit:

I(response contains target domain) = 1.

Если сайт отсутствует среди цитируемых источников:

I(response contains target domain) = 0.

Так частота остаётся долей ответов с присутствием сайта и не искажается количеством повторных ссылок внутри одного ответа.

Генеративный поиск вариативен. Один и тот же prompt можно запускать несколько раз, получая разные наборы источников. В документации Яндекс Вебмастера «Видимость сайта в Алисе AI» прямо указано, что Алиса AI каждый раз строит новый ответ, а содержание ответа и список источников для одного поискового запроса могут различаться со временем.

Поэтому запрос представляет семантическую единицу панели, а отдельный запуск представляет наблюдение. Если 50 запросов выполняются по четыре раза, выборка содержит до 200 ответных наблюдений, а не 50.

Ошибка API, timeout, CAPTCHA, неполный ответ или технический сбой не означает отсутствие цитирования. Такие наблюдения должны иметь отдельный статус и исключаться из знаменателя, если измеряется поведение успешно работающей системы.

Сложнее обстоит дело с ответом, в котором система сознательно не выполняла web search. Здесь возможны две корректные метрики. Citation Frequency по всем пользовательским ответам включает такой случай в знаменатель и показывает фактическую вероятность увидеть сайт при использовании системы. Conditional Citation Frequency учитывает только search-backed responses и отвечает на более узкий вопрос: насколько часто сайт цитируется при условии, что система обратилась к внешнему поиску.

Смешивание этих двух знаменателей делает отчёт неинтерпретируемым.

Наиболее переносимой между платформами единицей Citation Count является уникальная пара «ответ — нормализованный URL». Если один URL несколько раз прикреплён к разным предложениям одного ответа, он считается одной URL-level citation для основного сравнительного показателя.

Тогда:

Citation Count = сумма уникальных пар response_id × normalized_URL, относящихся к целевому сайту.

Такой способ снижает зависимость от дизайна интерфейса. Одна система может поставить одну карточку источника, другая — пять inline markers на тот же URL. Считать каждую визуальную метку равноправным событием означало бы измерять особенности citation rendering наряду с реальной представленностью источника.

Если исследователю важна именно повторяемость ссылки внутри ответа, её следует хранить отдельно как Annotation Occurrence Count.

На уровне сайта три страницы одного домена, появившиеся в одном ответе, дают три URL-level citations, но только одно response-level присутствие домена.

Поэтому полноценный набор данных позволяет получить одновременно количество цитирований домена, количество цитирований отдельных URL, число ответов с доменом и число уникальных процитированных страниц.

Microsoft применяет аналогичное разделение на практике: в текущем AI Performance существуют Total Citations, Cited Pages и page-level citation activity. Последняя показывает, какие конкретные URL сайта цитируются чаще всего.

Перед агрегированием следует привести URL к устойчивой форме: отделить tracking parameters и fragment identifiers, нормализовать hostname и определить правила для очевидных технических дублей. При этом исходный cited URL необходимо сохранять в сыром наборе данных.

Автоматически заменять любой процитированный адрес значением HTML rel="canonical" рискованно. Генеративная система могла фактически представить пользователю другой URL, и это само по себе аналитически важно. Поэтому raw cited URL и аналитически нормализованный URL должны существовать как два разных поля.

Пусть N — число валидных ответных наблюдений в выбранной панели, а H — число ответов, содержащих хотя бы одну citation целевого сайта. Тогда:

Citation Frequency = H / N × 100%.

Если сайт процитирован в 72 из 300 валидных ответов, Citation Frequency равна 24%.

Эта метрика является incidence rate: она измеряет распространённость цитирования по ответам, а не количество ссылок внутри них.

Предположим, один prompt был выполнен десять раз и сайт появился только в двух ответах. Для данного prompt частота составит 20%.

Другой показатель — Query Coverage — может считать тот же prompt «покрытым», потому что сайт появился хотя бы однажды. Если из 100 отслеживаемых prompts сайт когда-либо процитирован по 60, Query Coverage будет 60%, даже если большинство этих появлений крайне нестабильны.

Именно поэтому фраза «нас цитируют по 60% запросов» без описания методики может означать как стабильное присутствие, так и единичные появления в многократно повторявшихся тестах.

Если каждый prompt и каждый движок измеряются одинаковое число раз, общее отношение H/N обычно достаточно прозрачно.

При неодинаковом количестве запусков pooled frequency начинает сильнее отражать те сегменты, где было больше наблюдений. Тогда полезно дополнительно вычислять macro-average: сначала частоту для каждого prompt, темы или движка, затем среднее этих частот.

Результаты должны сопровождаться размером выборки. Показатель 40% при 4 попаданиях из 10 и 40% при 4000 попаданиях из 10 000 совпадают арифметически, но обладают совершенно разной статистической устойчивостью.

Citation Count показывает объём. Citation Frequency показывает распределённость этого объёма по возможностям появления.

Высокий Citation Count при низкой Citation Frequency означает концентрацию: сайт интенсивно цитируется внутри относительно небольшого множества ответов. Причиной может быть сильное присутствие в нескольких узких темах, повторное использование нескольких страниц или особенности конкретной платформы.

Высокая Citation Frequency при умеренном Citation Count означает широкое покрытие: сайт встречается во многих ответах, обычно с небольшим числом страниц на каждый ответ.

Высокие значения обоих показателей означают одновременно широкий охват и большой объём citation events. Даже такая комбинация ещё не отвечает на вопросы о конкурентной доле, кликах, корректности атрибуции или коммерческом результате.

Низкие значения обоих показателей фиксируют слабую представленность, но сами по себе не устанавливают причину. Причина может находиться на уровне crawlability, indexing, retrieval relevance, source selection, тематического покрытия, конкурентной среды, свежести данных или другой части системы.

На 4 октября 2026 года Bing Webmaster Tools предоставляет один из наиболее прямых официальных интерфейсов citation analytics. В справке «AI Performance in Bing Webmaster Tools» Total Citations определяется как общее число случаев, когда контент был явно показан или указан в качестве источника в AI-generated answers. Отдельно доступны page-level citation counts, Average Cited Pages и grounding queries. Данные охватывают Microsoft Copilot, AI-generated summaries in Bing и отдельные партнёрские AI integrations.

Это почти эталонный пример Citation Count как платформенной метрики, но у неё существуют важные пределы. Microsoft указывает, что данные агрегируются и представляют репрезентативную выборку citation activity, а не полный журнал каждого случая. Редкая активность может не отображаться, а числа в разных представлениях отчёта способны расходиться из-за sampling. Данные обновляются ежедневно.

Следовательно, официальный Total Citations Bing нельзя интерпретировать как исчерпывающий счётчик всех мировых цитирований сайта системой. Это телеметрия конкретного набора поддерживаемых AI surfaces с собственной методологией сбора данных.

В публикации Microsoft «New AI Visibility Insights in Bing Webmaster Tools: Intents, Topics, Citation Share, Compare» от 16 июня 2026 года была введена Citation Share. Она рассчитывается как процент цитирований сайта от всех цитирований, показанных по тому же grounding query. Microsoft подчёркивает, что Citation Share является observational metric, а не ranking system.

Это показывает, почему одного Citation Count мало. Сто цитирований могут означать доминирующее присутствие, если всего по теме было 150 citation events, либо очень небольшую долю, если источники суммарно получили десятки тысяч цитирований.

В актуальной справке Bing отдельно уточняется, что grounding queries в AI Performance представлены как сгруппированные ключевые фразы. Это не полные пользовательские prompts и не записи отдельных AI answers. Одна grounding query может соответствовать нескольким страницам сайта, а одна страница — нескольким grounding queries.

Поэтому отчёт «100 цитирований по grounding query X» нельзя механически интерпретировать как «100 пользователей задали запрос X».

Яндекс Вебмастер в документе «Видимость сайта в Алисе AI» использует методику, близкую к response incidence. Сначала определяется набор поисковых запросов, по которым сайт уже показывается в Поиске, затем количество ответов Алисы AI для этих запросов и количество ответов, где был упомянут сайт. На этой основе рассчитывается Share of Voice — отношение количества запросов с присутствием сайта в ответах Алисы AI к общему количеству запросов, по которым Алиса AI дала ответ.

Инструмент также показывает относительный диапазон частоты упоминаний, например топ-3, топ-10 или топ-20. Данные охватывают последние три месяца и обновляются еженедельно. Сам инструмент «Видимость сайта в Алисе AI» был добавлен в Яндекс Вебмастер 7 апреля 2026 года.

При сравнении с независимой Citation Frequency необходимо учитывать знаменатель. Яндекс собирает статистику только по тому набору запросов, где сайт уже находится достаточно высоко в обычной поисковой выдаче. Его SoV поэтому является платформенно обусловленной метрикой видимости сайта в конкретном релевантном пространстве запросов, а не частотой цитирования по произвольной внешней prompt panel.

Ситуация Google отличается. В справке Search Console «Generative AI performance report (Search)» generative AI visibility измеряется через impressions: сколько раз ссылки сайта были показаны пользователю в AI Overviews и AI Mode. К 31 августа 2026 года Google сообщил о развёртывании этих insights для сайтов по всему миру.

На property level действует собственная агрегация: если две ссылки одного сайта появились в одной generative AI search feature, они считаются одним impression в общем графике property. Поэтому Google impression нельзя переименовывать в Citation Count. Метрики описывают родственные события присутствия источника, но считают их по разным правилам.

В текущей справке среди измерений generative AI performance перечислены Pages, Countries, Dates и Devices; отдельной query dimension там нет. Следовательно, собственную Citation Frequency по фиксированной prompt panel из этого отчёта непосредственно получить нельзя.

В документации OpenAI «Web search» ответы с веб-поиском содержат url_citation annotations, где указаны URL, title и положение citation в тексте. Это позволяет программно строить воспроизводимый Citation Count для собственной экспериментальной панели. Там же доступно поле sources со всем набором URL, полученных во время поиска.

Критически важно не смешивать эти два массива. Sources характеризуют документы, с которыми взаимодействовал web search layer, тогда как url_citation annotations фиксируют источники, реально атрибутированные в конечном тексте.

API-эксперимент при этом измеряет конкретную API surface, модель, конфигурацию инструментов и момент времени. Его результаты нельзя без проверки выдавать за статистику consumer-интерфейса ChatGPT или глобальную статистику всего продукта.

Citation Frequency является выходной метрикой. Она наблюдается после того, как система выполнила необходимые операции поиска, извлечения, выбора контекста, формирования ответа и атрибуции.

Официальное руководство Google Search Central «Optimizing your website for generative AI features on Google Search» описывает Retrieval-Augmented Generation как использование поисковых систем для получения релевантных актуальных страниц, после чего извлечённая информация применяется при формировании grounded response. Там же query fan-out определяется как создание набора связанных параллельных запросов для получения дополнительной информации.

Из этого следует точное место Citation Frequency в аналитике: она не измеряет вероятность прохождения каждой внутренней стадии. Она измеряет конечный наблюдаемый исход для источника.

Сайт может регулярно попадать в retrieval candidate set и редко получать видимую атрибуцию. Другой сайт может появляться в небольшом числе retrieval contexts, но при попадании туда стабильно становиться cited source. Одна Citation Frequency этих режимов не различит; для этого требуются дополнительные данные о retrieval, grounding queries и source selection, если платформа их раскрывает.

Prompt panel должна представлять реальные информационные задачи, где присутствие сайта имеет смысл. В неё могут входить информационные, исследовательские, сравнительные, коммерческие, навигационные и другие релевантные intent classes.

Число запросов само по себе не обеспечивает качество измерения. Сто почти одинаковых формулировок одного вопроса создадут иллюзию большой выборки, хотя фактически измеряется один семантический узел.

Каждому prompt нужен постоянный идентификатор, тема, intent, язык, географический контекст и, если это существенно, стадия пользовательской задачи.

ChatGPT Search, API с web search, Google AI Mode, AI Overviews, Microsoft Copilot и Алиса AI являются разными средами измерения. Результаты нельзя объединять только потому, что все они относятся к AI Search.

Необходимо фиксировать платформу, продуктовую surface, модель или доступное обозначение режима, язык, регион, состояние авторизации, дату и время, а также факт выполнения поиска, если он наблюдаем.

Повторные запуски превращают бинарное «процитировал / не процитировал» в оценку устойчивости.

Если сайт появился в одном из десяти ответов, его разовое наличие и Citation Frequency 10% описывают ситуацию гораздо точнее, чем запись «сайт цитируется по этому запросу».

Временные повторения особенно важны для мониторинга, поскольку изменяются индекс, содержимое веба, пользовательский спрос, retrieval systems и модели. Microsoft в справке AI Performance прямо перечисляет user demand, изменения контента и system/model updates среди факторов, которые могут сопровождать изменения citation volume, и подчёркивает, что сами графики не устанавливают конкретную причинную связь.

Для каждого ответа полезно сохранять prompt ID, run ID, timestamp, engine и surface, статус ответа, признак web search, полный набор cited URLs, исходные citation annotations, нормализованные URL, domain, brand mention flag и при необходимости position of citation.

Агрегированная цифра без исходных наблюдений плохо проверяема. Через месяц невозможно будет определить, вызван ли скачок метрики новыми цитированиями или изменением parser, URL normalization либо правил дедупликации.

Если в августе измерялось 100 commercial prompts только в одной системе, а в сентябре — 300 mixed-intent prompts в четырёх системах, сравнение общих Citation Count ничего не сообщает о динамике видимости.

Менять prompt panel можно, но тогда старая и новая выборки должны либо считаться раздельно, либо иметь постоянное ядро, по которому строится longitudinal comparison.

Рассмотрим модельный пример, построенный на описанной методике.

Редакция отслеживает 40 prompts в двух AI-системах. Каждый prompt выполняется три раза. Теоретически получается 240 наблюдений. Двенадцать запусков завершились техническими ошибками, поэтому валидный знаменатель равен 228.

Сайт получил хотя бы одну citation в 63 ответах. Citation Frequency составляет:

63 / 228 × 100% = 27,6%.

После дедупликации одинакового URL внутри одного ответа зарегистрирована 91 уникальная пара «ответ — URL». Citation Count равен 91. В среднем это 0,40 URL-level citation на валидный ответ либо 1,44 цитируемой страницы на ответ среди тех ответов, где сайт вообще появился.

Теперь разделим данные по движкам. В первой системе сайт присутствует в 45 из 114 ответов: Citation Frequency равна 39,5%, а Citation Count — 66. Во второй системе он появляется только в 18 из 114 ответов: частота 15,8%, количество — 25.

Общий показатель 27,6% скрывает почти двукратную разницу между двумя средами. Для GEO это принципиальный вывод: cross-engine aggregate удобен как сводный индикатор, но диагностика начинается только после сегментации по платформам.

Предположим, в следующем сопоставимом периоде сайт получает 110 citation events и присутствует в 75 из 228 ответов. Citation Count вырос с 91 до 110, то есть примерно на 20,9%. Citation Frequency выросла с 27,6% до 32,9%, на 5,3 процентного пункта.

Такое изменение подтверждает рост наблюдаемой представленности в данной панели. Оно ещё не доказывает, что рост вызвала проведённая оптимизация страницы. Для причинного вывода пришлось бы исключать или контролировать изменения prompt mix, спроса, индекса, платформы, модели, конкурентных документов и других переменных. Подход Microsoft к функции Compare формулирует то же ограничение: изменение метрики показывает наблюдаемый паттерн, но само по себе не объясняет его причину.

Такой рисунок означает, что общий объём ссылок увеличился, но сайт не стал присутствовать в заметно большей доле ответов.

Возможные объяснения включают более частое использование нескольких URL внутри уже «выигранных» ответов, изменение формата citations, увеличение повторных атрибуций или рост активности в узком наборе тем.

Формулировать вывод как «GEO-видимость выросла в той же пропорции, что Citation Count» нельзя.

Сайт начинает появляться в большем числе ответов, но количество цитируемых страниц на один cited response остаётся небольшим или уменьшается.

Для информационной архитектуры это часто интересный сценарий: присутствие расширяется на новые prompts, intents или темы. Чтобы подтвердить именно такое объяснение, потребуется Query Coverage и распределение цитирований по темам.

Это наиболее сильный количественный сигнал расширения citation visibility внутри неизменной выборки: сайт присутствует в большей доле ответов и одновременно получает больше отдельных citation events.

Следующий вопрос переносится с факта присутствия на качество этого присутствия: какие страницы цитируются, по каким темам, на каких платформах, в каких частях ответа и приводит ли атрибуция к переходам или другим целевым действиям.

Видимость концентрируется на небольшом наборе URL. Это может быть преимуществом сильных hub pages либо признаком зависимости от нескольких документов.

Добавление Cited Page Count и распределения Citation Count по URL позволяет отличить устойчивый citation portfolio от ситуации, когда большая часть показателя держится на одной странице.

Citation Frequency отвечает на вопрос «как часто мы появляемся?». Citation Count — «сколько событий присутствия произошло?». Citation Share — «какую часть всех citation events в определённом пространстве получили мы?».

В Bing Webmaster Tools Citation Share имеет точное официальное значение: доля цитирований сайта среди всех citations по конкретной grounding query. Microsoft отдельно противопоставляет её Total Citations: первое измеряет relative citation presence, второе — абсолютный volume.

Share of Voice может иметь другой знаменатель. Яндекс определяет SoV через долю запросов с присутствием сайта в ответах Алисы AI среди соответствующих запросов, на которые Алиса AI отвечала. Поэтому Яндекс SoV и Microsoft Citation Share принадлежат одному общему классу normalized visibility metrics, но математически не являются одной метрикой.

Query Coverage показывает, по какой части отслеживаемого семантического пространства сайт хотя бы когда-либо получает citation. Topic Coverage агрегирует результаты на уровне тем, Intent Coverage — пользовательских намерений.

AI Visibility является более широким уровнем аналитики. Она может включать citations, mentions, impressions, coverage, competitive share, sentiment и другие признаки. Называть Citation Count прямым синонимом AI Visibility поэтому некорректно.

Разные системы генерируют разное число источников, имеют разные интерфейсы атрибуции, разные правила поиска и неодинаковую вероятность вообще показать citations.

Платформа, которая обычно выводит десять источников на ответ, механически создаёт больше потенциальных citation events, чем система, показывающая два источника. Сайт может иметь больший Citation Count в первой системе даже при меньшей вероятности попадания в отдельный ответ.

Поэтому cross-engine анализ должен сохранять как минимум Citation Frequency отдельно по каждому движку. Суммарный Citation Count полезен как объёмный показатель собственной телеметрии, но плохо подходит для сравнения «какая система любит наш сайт больше».

Та же проблема возникает при изменении размера prompt panel. Если количество тестовых запросов удвоилось, Citation Count способен вырасти вдвое при полностью неизменной вероятности цитирования. Citation Frequency в такой ситуации сохранится примерно на прежнем уровне и сразу покажет, что относительная видимость не изменилась.

Citation не является новой «позицией в топе». Microsoft в текущей документации неоднократно указывает, что citation counts не отражают ranking, authority, importance или роль страницы внутри ответа.

Это важно и исторически. Исходная работа «GEO: Generative Engine Optimization» специально вводила более сложные visibility metrics, потому что генеративный ответ способен размещать источники в разных местах и связывать с ними разный объём содержания. Простого порядкового ранга для описания такой структуры недостаточно.

Citation Count сообщает, сколько раз источник был показан или указан, а не сколько пользователей по нему перешли. В справке Bing AI Performance это сформулировано прямо: citation не представляет traffic, clicks или user engagement.

Поэтому GEO-отчёт должен держать AI Referral Traffic отдельной метрикой. Высокая citation visibility и низкий referral traffic могут сосуществовать без логического противоречия.

Сам факт ссылки не сообщает, поддерживает ли страница центральный тезис ответа, второстепенную деталь или только один факт. Citation Count также не показывает, насколько точно система передала сведения источника.

Для такой задачи нужен анализ claim-to-source alignment, citation correctness, attribution quality или semantic contribution.

Слова «ИИ доверяет этой странице, потому что процитировал её 100 раз» выходят за пределы наблюдаемых данных.

Цитирование подтверждает участие страницы в сформированных ответах. Внутренний score доверия, если такой score существует в конкретной архитектуре, из Citation Count непосредственно не наблюдается.

После обновления статьи Citation Frequency может вырасти. Это полезное наблюдение, но оно становится доказательством эффекта изменения только при достаточно строгом экспериментальном дизайне.

Microsoft в описании AI Performance указывает несколько возможных источников динамики — user demand, обновления контента, system or model updates — и предупреждает, что временной график не позволяет приписать изменение одной конкретной причине.

Первая ошибка — считать Brand Mention цитированием. Название компании в тексте и URL компании среди источников представляют разные события.

Вторая — считать каждый retrieved URL citation. Документация OpenAI показывает техническую разницу особенно ясно: список sources может быть шире набора inline url_citation annotations.

Третья — сообщать Citation Frequency без знаменателя. «Частота 35%» ничего не означает, пока не известно, 35% чего именно измерялось: prompts, generated responses, search-backed responses, query classes или всех citations конкурентов.

Четвёртая — сравнивать абсолютный Citation Count при изменившемся количестве prompts или repetitions.

Пятая — объединять движки в один показатель и скрывать межплатформенные различия.

Шестая — засчитывать технический failure как ответ без citation.

Седьмая — считать повторение одной ссылки пять раз внутри одного ответа пятью эквивалентными событиями, а в другой системе одну source card — одним. Для cross-platform reporting лучше использовать уникальную пару response × URL и отдельно хранить annotation occurrences.

Восьмая — принимать единичный запуск за устойчивое состояние. Документация Яндекса прямо фиксирует изменчивость содержания генеративного ответа и списка источников для одного запроса во времени.

Девятая — сравнивать метрики разных платформ по названию. Microsoft Citation Share, Яндекс SoV и Google generative AI impressions описывают разные операциональные события и используют разные знаменатели.

Десятая — интерпретировать citation growth как установленный ranking factor. Метрика результата показывает изменение результата; она не раскрывает скрытую функцию ранжирования или выбора источников.

Citation Count показывает масштаб наблюдаемого участия сайта в ответах генеративных систем. Citation Frequency показывает устойчивость этого участия относительно пространства возможностей.

Именно в таком сочетании две метрики становятся диагностическим инструментом GEO. Count отвечает за объём, Frequency — за нормализованное покрытие. Page-level breakdown показывает, какой контент производит результат. Query, topic и intent segmentation показывают, где возникает результат. Citation Share или Share of Voice помещают его в конкурентный контекст. AI Referral Traffic связывает присутствие источника с переходами.

Для практической GEO-стратегии особенно важна динамика этих показателей на постоянной панели. Если после серии публикаций Citation Frequency растёт в нескольких независимых темах и на нескольких платформах, появляется основание говорить о расширении наблюдаемой generative visibility. Если Citation Count увеличивается только у одного URL в одной узкой группе prompts, результат имеет другую структуру и требует другой интерпретации.

Платформенная аналитика 2026 года уже отражает этот переход. Bing показывает citations и Citation Share, Яндекс — присутствие сайта и SoV в ответах Алисы AI, Google выделил отдельный generative AI performance report для impressions в AI Overviews и AI Mode. Метрики различаются, но направление едино: объектом измерения становится уже не только позиция страницы в списке результатов, а присутствие веб-источника внутри сформированного машиной ответа.

При этом классическая поисковая инфраструктура продолжает иметь прямое значение. В текущем руководстве Google Search Central «Optimizing your website for generative AI features on Google Search» указано, что generative AI search опирается на обычные Search ranking and quality systems, а отдельные специальные требования для AEO или GEO не отменяют фундаментальные SEO-практики.

Citation Frequency и Citation Count поэтому следует рассматривать как показатели результата GEO, а не как автономные механизмы оптимизации.

Частота цитирования (Citation Frequency) показывает долю наблюдаемых генеративных ответов, в которых сайт получает хотя бы одну явную citation. Количество цитирований (Citation Count) показывает абсолютный объём зарегистрированных citation events. Первая метрика нормализует присутствие, вторая измеряет его масштаб.

Для воспроизводимого расчёта необходимо определить единицу наблюдения, prompt panel, платформу, число repetitions, правила обработки ошибок, критерий citation event, способ URL normalization и дедупликацию. Без этой методологии одинаковые числа способны описывать совершенно разные процессы.

Главное аналитическое различение проходит между ответом с источником и количеством ссылок внутри этого ответа. Один ответ может дать сайту один response-level hit и несколько URL-level citations. Именно поэтому Citation Frequency и Citation Count дополняют друг друга и не должны заменяться одним показателем.

Современные платформы подтверждают переход генеративного поиска к самостоятельному слою измерения источников, но используют разные модели данных. Microsoft считает Total Citations и Citation Share, Яндекс измеряет присутствие сайта и Share of Voice, Google использует generative AI impressions, OpenAI предоставляет структурированные url_citation annotations в web-search API. Единой межплатформенной системы единиц пока нет.

Поэтому сильная GEO-аналитика начинается не с большого числа на дашборде, а с точного определения того, какое событие это число считает. Citation Count отвечает, сколько раз источник появился. Citation Frequency отвечает, насколько регулярно это происходит. Citation Share показывает его относительную долю. Query Coverage описывает ширину семантического присутствия. Referral Traffic фиксирует переход пользователя. Вместе эти измерения превращают абстрактное «нас видит ИИ» в проверяемую модель присутствия сайта в генеративном поиске.