AI 搜尋 / AEO / GEO · Citation Likelihood
被引用機率
內容在 AI 摘要或回答中被納入來源的可能性。
這個詞真正影響的是內容能不能被摘要、切塊、引用，並和品牌一起被記住。
citation probability引用可能性
內容在 AI 摘要或回答中被納入來源的可能性。
這個詞真正影響的是內容能不能被摘要、切塊、引用，並和品牌一起被記住。
在這份 SEO 大辭典裡，「被引用機率」被當成 AI 搜尋 / AEO / GEO 的核心語彙之一。它指的是內容在 AI 摘要或回答中被納入來源的可能性。真正重要的不是背定義，而是理解這個詞會影響你怎麼規劃內容、怎麼安排頁面訊號，以及怎麼把搜尋能見度接回商業目標。
如果你是在做內容、SEO 或 AI 搜尋布局，「被引用機率」真正要幫你回答的不是名詞題，而是：判斷內容能不能被切塊、摘要、引用與帶出品牌。
這一頁會把 citation likelihood 寫成被引用條件，避免它被誤認成某個固定模型分數。
這四家的共通點不是都在講一樣的定義，而是分別回答了資料怎麼看、主題怎麼拆、內容怎麼寫，以及網站該怎麼做這四種不同問題。
Semrush 在 AI citations 語境下看 citation likelihood，重點是哪些頁面更可能被 AI 回答選成來源，通常和結構清楚、答案直接、品牌可信與公開可得性有關。
比較適合拿來看「被引用機率」在工具欄位、術語分類與 SEO 工作流裡扮演什麼角色。
官方來源Ahrefs 的角度會提醒被引用機率不是單靠排名，而是頁面是否能被當成可靠、可抽取、可比對的來源。
比較適合拿來對齊這個名詞在搜尋需求、內容競爭或連結資料中的實際使用語境。
官方來源Moz 的框架則很適合幫這個概念去神化：citation likelihood 不是一個官方分數，而是綜合多種內容與品牌訊號後的結果。
比較適合拿來補基礎概念、與其他 SEO 概念的邊界，以及這個詞的教育型解釋方式。
官方來源Neil Patel 會把它翻成內容設計問題，重點是頁面有沒有把答案、證據、比較與品牌識別做得足夠清楚，讓系統更容易選你。
比較適合拿來看這個名詞在內容策略、流量成長與商業執行上怎麼落地。
官方來源共識是：citation likelihood 描述的是內容成為 AI 回答來源的可能性，而不是保證值。網站能做的是提高被選中的條件，而不是控制模型一定引用你。
Semrush 偏觀測引用條件；Ahrefs 偏來源品質；Moz 偏概念邊界；Neil Patel 偏內容落地。差異在於如何把可能性轉成工作項目。
如果你是第一次接觸這個詞，先把下面三個問題讀完，通常就能抓到它和相近概念真正差在哪。
被引用機率指的是內容在 AI 摘要或回答中被納入來源的可能性。在AI 搜尋 / AEO / GEO的語境裡，它通常用來判斷頁面該怎麼被組織、理解與衡量。
這一頁把「被引用機率」當成 canonical 詞條，頁內也保留常見別名與同義詞。實務上要先看團隊怎麼命名，再看工具與文件如何對應，避免同一概念被拆成多個頁面。
先看它要解的決策問題。對這個詞來說，重點是判斷內容能不能被切塊、摘要、引用與帶出品牌。如果沒有先鎖定這一點，就很容易變成有做名詞、沒有做結果。