引用の​「選出」から​「吸収」へ

AI引用の​評価軸は、​「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​移りつつある。​この​違いを​把握しないと、​AI検索に​おける​真の​影響力は​正しく​測れない。

2つの​軸の​定義

• 選出​（selection）とは、​自社の​ソース​（情報源）が​引用候補と​して​登場したか​どうかを​示す、​ほぼ0か​1かの​指標である。
• 吸収​（absorption）とは、​その​ソースが​回答の​論拠に​どれほど​深く​組み込まれたかを​示す、​深度の​指標である。

吸収が​重要な​理由

• ディープリサーチ​（＝AIが​自律的に​多段階の​調査を​行い​長文の​報告書を​生成する​機能）では、​引用リストに​名前が​載るだけでは​影響力は​ほとんど​ゼロに​等しい。
• 真の​影響力を​測るには、​その​ソースが​どれだけ主張を​支えたか、​つまり​吸収の​度合いを​見る​必要が​ある。
• GEO​（Generative Engine Optimization＝生成AIエンジン最適化）の​評価を​「言及されたか​否か」だけで​止めてしまうと、​最も​意味の​ある​データの​層を​見落と​すことになる。

実践的な​示唆

• AI検索の​クエリセットを​再設計し、​引用の​有無だけでなく​引用の​深度も​観測対象に​加えるべきである。
• 各ソースが​報告書の​主張に​どれほど​中心的な​役割を​果たしているかを​追跡し、​より​豊かな​影響力指標と​して​活用する。

要点は、​「引用されたか」ではなく​「どれほど​深く​使われたか」を​問う​ことである。