AI Visibility Evidence Model: Five Factors, Graded by Evidence
5 hours ago
- AI可见性证据模型是一个参考模型，按照证据强度对AI可见性的发布端因素进行排序，包含五个因素：主题相关性、机器可访问性、实体一致性、可提取性和独立佐证。
- 该模型是描述性的，而非指导性的；它根据同行评议研究、官方文档和受控预印本报告证据等级（A-D），不承诺结果。
- 主题相关性（A级）是内容方面最强的驱动因素，因为对照研究表明主题匹配在引用中占主导地位，而离题内容很少被引用。
- 机器可访问性（B级）是一个门槛：根据OpenAI和谷歌的平台文档，爬虫必须能够访问内容才能在AI回答中使用。
- 实体一致性（C级）减少了消歧错误，但缺乏作为引用驱动因素的因果证据；结构化数据并非AI功能所必需。
- 可提取性（B/C级）表明位置效应和证据密度很重要，但答案优先的页面结构只是相关性，并非有保证的杠杆。
- 独立佐证（B/C级）涉及第三方提及影响参数化知识，但独立性作为因果因素尚未得到支持。
- 多个因素被评为D级，包括llms.txt作为可见性信号、内容改写技巧、schema作为引用开关，以及制造提及。
- 可见性不同于引用准确性；审计显示AI系统常提供错误的来源归属，因此单独跟踪准确性至关重要。
- 该模型包含方法说明、局限性和含15项引用参考的来源登记册，强调非确定性系统和更新证据的需要。