大模型引用排序因素：2026 研究框架

生成式搜索不是给页面排名，而是选择「证据」。理解引用排序需要借鉴信息检索（IR），而非仅依赖 PageRank。

五因素引用模型（Visora 内部基准，n=2,400 URL）

1. **可回答性密度** — 陈述句与营销空话的比例。审计中 citation-ready 分数高于 0.62 的页面，出现在 Perplexity 来源列表的概率高约 3.1 倍。

2. **结构化事实完整度** — Product Schema（价格、库存、品牌、SKU、GTIN）与 FAQPage 标记。Schema 不完整在受控 A/B 中与 47% 更低的引用概率相关。

3. **实体一致性** — 标题、H1、JSON-LD 与正文中的品牌/产品命名一致。实体漂移（如「Pro Max」与「ProMax」混用）会降低 LLM 检索管道的信任分。

4. **新鲜度与出处** — `dateModified`、可见更新时间与作者/机构署名。价格过期是购物类查询中引用流失的首要原因。

5. **跨语言信号完整性** — hreflang 配对配合本地化事实，而非仅翻译 UI。语言图断裂的全球商户会在非英语 AI 会话中丢失引用。

运营启示

将 GEO 视为「证据工程」：每个页面应像教科书中可引用的段落——具体、结构化、可验证。Visora 对五因素打分并输出带预期引用提升区间的优先修复项。