A hivatkozási arány azt méri, hányszor hivatkoznak az AI-válaszok a márkádra egy lekérdezéskészleten belül. Tudd meg, hogyan számold ki és javítsd a GEO szempontjából.

Ezen az oldalon
Összefoglaló
A hivatkozási arány egy generatív motoroptimalizálási mutató, amely azt méri, hogy egy meghatározott, AI által generált válaszkészletben milyen gyakran említik vagy idézik a márkádat. Azoknak a követett promptoknak a százalékos arányaként fejezzük ki, amelyekben a márkád megjelenik.
Szeretnél többet megtudni? Kérdezd meg
A hivatkozási arány azoknak az AI-válaszoknak a aránya egy rögzített promptkészleten belül, amelyekben a márkádra hivatkoznak. Ahol a klasszikus SEO azt kérdezi, hogy hol rangsorolódik egy oldal, a hivatkozási arány egyenesebben fogalmaz: amikor az emberek az AI-asszisztenstől a kategóriátokról kérdeznek, milyen gyakran jelenik meg ténylegesen a márkád a válaszban? Ez az egyik alapvető jelzés, amellyel a csapatok mérik a láthatóságot a ChatGPT-ben, a Perplexityben, a Geminiben és a Google AI-élményeiben.
Ez a mutató azért fontos, mert a hivatkozás lett az AI-keresésben a létezés új alsó határa. Ha egy márkát soha nem említenek egy asszisztens válaszai, gyakorlatilag nem létezik abban a kimenetben, bármilyen erős is a hagyományos rangsora. A hivatkozási arány ezt a mindent vagy semmit helyzetet számmá alakítja, amelyet követni, összehasonlítani és idővel javítani lehet.
A hivatkozási arány azt rögzíti, hogy a márkádra milyen gyakran hivatkoznak egy reprezentatív kategórialekérdezés-készletben. A Quattr szerint az idézési gyakoriság, vagyis az, hogy a márkád milyen gyakran és milyen összefüggésben jelenik meg az AI által generált válaszokban, a hagyományos rangsort váltja fel a generatív keresés elsődleges sikermutatójaként. A hivatkozás lehet passzív név-említés vagy aktív idézés linkkel, a hivatkozási arány pedig mindkettőt számolja.
A mutató a GEO-teljesítménymutatók családjának közepén áll. Mellette a csapatok a hangulatot, az elhelyezést és a versenypozíciót is követik, mert egyetlen szám sem magyarázza meg az AI-keresés teljesítményét. A hivatkozási arány a fő mutató, amely megmondja, hogy egyáltalán jelen vagy-e, mielőtt belemennél abba, mennyire kedvező a keretezés.
Az alapszámítás egyszerű. Az Averi szerint az idézési vagy hivatkozási gyakoriság azoknak a promptoknak a száma, amelyek megemlítik a márkádat, osztva az összes prompt számával, szorozva százzal. Rögzíts egy állandó promptkészletet, amely azt tükrözi, ahogyan a valódi felhasználók kérdeznek a kategóriádról, futtasd ezeket a promptokat a számodra fontos asszisztenseken, és számold meg, hány válasz hozza elő a márkádat.
A következetesség teszi a számot értelmessé. A promptkészletnek, az asszisztenseknek és a mérés gyakoriságának stabilnak kell maradnia, hogy a változások valódi elmozdulást mutassanak, ne egy másik teszt eredményét. Mivel az AI-válaszok valószínűségiek és a hivatkozási valószínűséghez kötődnek, a legtöbb csapat minden promptot többször futtat, és átlagol, így kisimítja a hivatkozások napi ingadozását.
A hivatkozási arányt és az AI-hangrészesedést könnyű összekeverni, pedig más dolgot mérnek. A hivatkozási arány abszolút: a promptkészleted hány százalékában jelensz meg. A hangrészesedés relatív: a te részed a kategória összes márkahivatkozásából, vagyis a te említéseid osztva az összes márka említéseinek számával. Az Averi a hangrészesedést úgy írja le, mint a te százalékos arányodat a versenytársaidhoz képest az összes idézésen belül.
A kettő hasznos módon eltérhet egymástól. Egy márkának lehet egészséges hivatkozási aránya, de gyenge hangrészesedése, ha a versenytársakra ugyanazokban a válaszokban még gyakrabban hivatkoznak. A kettő együtt olvasva megmutatja, nemcsak azt, hogy megjelensz-e, hanem azt is, hogy nyersz-e a válaszban a versenytársakkal szemben. Ezt a képet egészíti ki a modell-részesedés elemzés.
Érdemes szétválasztani a márka hivatkozásának két formáját. A márkaemlítés passzív: az asszisztens megnevezi a márkádat forrásmegjelölés vagy link nélkül. Az idézet aktív: a válasz forrásként nevez meg, gyakran kattintható linkkel. A hivatkozási arány mérhető márkaemlítésekre, LLM-idézetekre, vagy mindkettőre együtt, attól függően, mit szeretnél követni.
A különbség azért fontos, mert a két forma eltérő súllyal bír. A linkelt idézet látogatókat hoz, és a forrás hitelességét jelzi, a link nélküli említés pedig akkor is formálja az észlelést és a mérlegelést. A Quattr megjegyzi, hogy az egyik Google AI Mode példában a tíz idézett forrásból nyolc harmadik fél domain volt, nem a márka saját oldala, ami emlékeztet arra, hogy a hivatkozások megszerzése gyakran a szélesebb webes jelenléten múlik, nem csak az oldalaidon.
A hivatkozási arány a legvilágosabb korai mutató az AI-keresési láthatóságra. Ahogy a felfedezés a kék linkekről a szintetizált válaszokra tolódik, a márkák, amelyekre hivatkoznak, már a kattintás előtt formálják a vásárló képét. A magas hivatkozási arány azt jelenti, hogy a márkád része az alapértelmezett válasznak a kategóriádban, ami összeadódik, és mérlegelést, majd keresletet hoz.
Emellett a stratégiát is átkeretezi: arra kell törekedni, hogy idézhető legyél, nem csak rangsorolható. A Quattr megfigyelése szerint az LLM-ek olyan entitásokra hivatkoznak, amelyeket ellenőrizni tudnak, nem olyan oldalakra, amelyeket csak megtalálni tudnak, így a hivatkozási arány javítása a tényekben való sűrűséget, a források közötti következetességet és az egyértelmű entitásjeleket jutalmazza. Ha idővel követed, lehetőleg egy szélesebb AI-keresési elemzés részeként, megmutatja, működik-e a generatív optimalizálásod.
Kezdd azzal, hogy a tartalmad könnyen kinyerhető és ellenőrizhető legyen. Írj önállóan is megálló, atomi állításokat, amelyek a környező szöveg nélkül is érthetők, a közvetlen válasz álljon az élen, és az állításokat olyan saját adatokkal támaszd alá, amelyekben egy asszisztens megbízhat. Vezess be entitássémát, hogy a gépek összekapcsolhassák a márkádat az oldaladon, a LinkedIn-profilodon és más profilokon, így erősödnek azok a jelek, amelyek a hivatkozásokat hajtják.
Ezután építs elosztott hitelességet. Mivel az asszisztensek gyakran harmadik fél domainekre hivatkoznak, törekedj említésekre véleményezőoldalakon, iparági listákon és szerkesztőségi megjelenéseknél, hogy a márkád következetesen jelenjen meg mindenhol, ahol a modellek néznek. Ezt a megkeresési munkát fegyelmezett kulcsszókutatással és tartalomtervezéssel érdemes párosítani, hogy pontosan azokra a promptokra célozz, ahol növelni szeretnéd a hivatkozási arányodat.
A hivatkozási arány érzékeny a mérés módjára. A különböző promptkészletek, asszisztensek vagy mintavételi gyakoriságok nagyon eltérő számokat adhatnak, így két csapat, amely ugyanazt a márkát méri, nem biztos, hogy egyetért. A mutató csak önmagával összehasonlítható, ha a módszertan állandó marad, ezért elengedhetetlen a fegyelmezett, ismételhető követés.
Ez a jelenlétet mutató mérőszám, nem a minőségét. Egy márkát gyakran lehet említeni semleges, sőt negatív fényben is, ezért a hivatkozási arányt a hangulattal és az elhelyezéssel együtt kell olvasni, hogy ne alakuljon ki félrevezető kép. Önmagában azt mutatja meg, hogy megjelensz, nem azt, hogy a megjelenésed segít-e, ezért az érett csapatok több jelzés egyikeként kezelik.
A hivatkozási arány azt méri, hányszor hivatkoznak a márkádra az AI-válaszok egy meghatározott készletében, és az AI-láthatóság mindent vagy semmit kérdését követhető százalékká alakítja. Hivatkozott promptok osztva az összes prompttal adja, legjobban az AI-hangrészesedéssel és a hangulattal együtt olvasható, és azzal javítható, ha a márkád ellenőrizhető, következetes és széles körben idézett a weben.
A mélyebb megértéshez kapcsold ezt az AI-hangrészesedéssel és a szélesebb GEO-teljesítménymutatókkal, és a Sorank kutatási és tervezési eszközeivel célozd meg azokat a promptokat, amelyek mozgatják a számot. Forrásmegjelölések: Averi, Quattr és LLM Pulse.
Források
A hivatkozási arány a követett promptkészletben azoknak az AI-válaszoknak az aránya, amelyek megemlítik vagy idézik a márkádat, általában százalékban kifejezve. Az alapképlet: a márkádra hivatkozó promptok száma osztva az összes prompt számával, szorozva százzal. Rögzített kategóriapromptokat futtatsz az asszisztenseken, megszámolod, hány válasz hozza elő a márkádat, és ezt a százalékot idővel követed.
A referenciaértékek kategóriánként és versenyhelyzetenként eltérnek, de gyakori cél, hogy a fő kategóriapromptok legalább 30%-ában megjelenj, a legjobbak pedig az 50%-ot vagy többet is elérik. A helyes cél attól függ, hány hiteles versenytárs van, és mennyire széles a promptkészleted. Hasznosabb jel a trend: a negyedévről negyedévre emelkedő hivatkozási arány azt mutatja, hogy a GEO-munkád kamatozik.
Kapcsolódnak, de nem azonosak. A hivatkozási arány azt méri, hogy a saját promptkészletedben milyen gyakran jelensz meg, abszolút százalékban. A hangrészesedés a kategória összes márkahivatkozásából a te részedet méri, tehát relatív a versenytársakhoz képest. Lehet magas a hivatkozási arányod, és mégis alacsony a hangrészesedésed, ha a versenytársakra még gyakrabban hivatkoznak, ezért követik a csapatok együtt a kettőt.
A TE ELŐTTED PRÓBÁLTÁK KI A SORANKOT
