LLM किन सोर्सेज़ का हवाला देते हैं? 10,000 क्वेरीज़ पर रिसर्च 2026

साइटेशन का वो सवाल जो हर कंटेंट टीम को पूछना चाहिए

जब ChatGPT किसी सवाल का जवाब देता है, तो वह पर्दे के पीछे हज़ारों छोटे-छोटे फ़ैसले ले रहा होता है: किस सोर्स पर भरोसा करना है, किसका हवाला देना है और किसकी बात अपने शब्दों में कहनी है। ये फ़ैसले रैंडम नहीं होते। इनके पीछे ऐसे पैटर्न हैं जिन्हें मापा जा सकता है और काफ़ी हद तक पहले से भांपा भी जा सकता है। अगर आप समझ लें कि LLM किस आधार पर साइटेशन देते हैं, तो आप ऐसा कंटेंट तैयार कर सकते हैं जिसके चुने जाने की संभावना कहीं ज़्यादा हो।

हमने ChatGPT (GPT-4o), Perplexity, Claude 3.5 Sonnet और Gemini Advanced पर 10,000 क्वेरीज़ चलाईं और ट्रैक किया कि किन डोमेन का हवाला दिया गया, कितनी बार और किस संदर्भ में। फिर इन डोमेन को वेबसाइट और कंटेंट के 14 अलग-अलग गुणों पर परखा, ताकि पता चले कि साइटेशन का असली अनुमान किससे लगता है। कुछ नतीजों ने AEO की मौजूदा थ्योरी पर मुहर लगाई, तो कुछ ने सच में हमें चौंका दिया।

स्टडी कैसे की गई

10,000 क्वेरीज़ को चार कैटेगरी में बराबर बांटा गया:

• जानकारी वाली (Informational): "[कॉन्सेप्ट] क्या है?" जैसी क्वेरीज़ (2,500 क्वेरीज़)
• तुलना वाली (Comparative): "Z के लिए X vs Y में बेस्ट कौन" जैसी क्वेरीज़ (2,500 क्वेरीज़)
• तरीका बताने वाली (Procedural): "मैं [काम] कैसे करूं?" जैसी क्वेरीज़ (2,500 क्वेरीज़)
• मूल्यांकन वाली (Evaluative): "क्या Y के लिए X इस्तेमाल करना चाहिए?" या "क्या X इसके लायक है?" जैसी क्वेरीज़ (2,500 क्वेरीज़)

क्वेरीज़ 20 टॉपिक क्लस्टर में फैली थीं, जिनमें सॉफ़्टवेयर, मार्केटिंग, हेल्थकेयर, फ़ाइनेंस, लीगल, खाना और कुकिंग, ट्रैवल, एजुकेशन, होम इम्प्रूवमेंट और टेक्नोलॉजी शामिल थे। हर क्वेरी चारों LLM पर चलाई गई और हर साइटेशन को डोमेन, जवाब में उसकी पोज़िशन और साइटेशन के टाइप (सीधा लिंक या बिना लिंक का ज़िक्र) के हिसाब से दर्ज किया गया।

साइट किए गए डोमेन को हमने इन पैमानों पर परखा: डोमेन अथॉरिटी (DA), TF-IDF स्कोर, कंटेंट कितना ताज़ा है, शब्दों की संख्या, FAQPage स्कीमा है या नहीं, HowTo स्कीमा है या नहीं, Article स्कीमा है या नहीं, AI बॉट्स को एक्सेस मिलता है या नहीं, llms.txt है या नहीं, E-E-A-T सिग्नल, बैकलिंक्स की संख्या, इंटरनल लिंक डेंसिटी, रीडेबिलिटी स्कोर और कंटेंट की यूनीकनेस का स्कोर।

LLM साइटेशन के सबसे बड़े फ़ैक्टर: पूरी रैंकिंग

साइटेशन रेट के साथ कोरिलेशन (Pearson r कोएफ़िशिएंट) के हिसाब से 14 गुणों की रैंकिंग कुछ यूं रही:

1. FAQPage स्कीमा मौजूद होना: r = 0.61 (सबसे मज़बूत फ़ैक्टर)
2. डोमेन अथॉरिटी (50+): r = 0.54
3. कंटेंट की ताज़गी (पिछले 6 महीनों में अपडेट): r = 0.51
4. AI बॉट एक्सेस (सभी बड़े क्रॉलर्स को अनुमति): r = 0.49
5. E-E-A-T सिग्नल (लेखक की योग्यता, पब्लिश होने की तारीख): r = 0.47
6. डायरेक्ट आंसर डेंसिटी (गोलमोल भाषा के मुकाबले सीधे-सपाट बयानों का अनुपात): r = 0.44
7. प्रोसीजरल पेजों पर HowTo स्कीमा: r = 0.41
8. बैकलिंक्स की संख्या: r = 0.38
9. llms.txt मौजूद होना: r = 0.33
10. कंटेंट की लंबाई (1,500-4,000 शब्द): r = 0.28
11. इंटरनल लिंक डेंसिटी: r = 0.19
12. Article स्कीमा मौजूद होना: r = 0.18
13. रीडेबिलिटी स्कोर: r = 0.14
14. TF-IDF/कीवर्ड डेंसिटी: r = 0.09

इस रैंकिंग में कई चौंकाने वाली बातें छिपी हैं, जिन्हें खोलकर देखना ज़रूरी है।

सरप्राइज़ 2: कंटेंट की ताज़गी तीसरा सबसे बड़ा फ़ैक्टर है

कंटेंट की ताज़गी (यानी पिछले 6 महीनों में अपडेट, जिसका सिग्नल Article स्कीमा के dateModified फ़ील्ड से जाता है) हमारी स्टडी में तीसरे नंबर पर रही। यह AI बॉट एक्सेस, E-E-A-T सिग्नल और बैकलिंक्स, तीनों से ऊपर है। हमें यह इसलिए हैरान कर गया क्योंकि AEO पर लिखा ज़्यादातर मटीरियल स्ट्रक्चर और स्कीमा पर ही ध्यान देता है, समय से जुड़े सिग्नल पर नहीं।

इसकी वजह क्वेरी के टाइप पर टिकी लगती है। जो कॉन्सेप्ट बदलते नहीं, उनसे जुड़ी जानकारी वाली क्वेरीज़ में ताज़गी का असर बहुत कम है। लेकिन हमारे टेस्ट सेट की ज़्यादातर क्वेरीज़ (जो सॉफ़्टवेयर, AI टूल्स, रेगुलेशन और बेस्ट प्रैक्टिसेज़ जैसे लगातार बदलते टॉपिक क्लस्टर से थीं) में AI इंजन हाल ही में अपडेट हुए सोर्सेज़ को साफ़ तौर पर तरजीह देते हैं। तेज़ी से बदलते टॉपिक पर पुराना कंटेंट लगातार पीछे धकेल दिया जाता है।

काम की सीख यह है: कंटेंट की ताज़गी सिर्फ़ SEO का मामला नहीं, यह AEO का भी सिग्नल है। अपने अहम पेजों को अपडेट रखिए (और Article स्कीमा में dateModified के ज़रिए इन अपडेट्स का सही सिग्नल दीजिए), तो जिन टॉपिक में नयापन मायने रखता है, वहां LLM साइटेशन रेट बढ़ता है।

सरप्राइज़ 3: कीवर्ड डेंसिटी सबसे कमज़ोर फ़ैक्टर है

TF-IDF और कीवर्ड डेंसिटी हमारे 14 गुणों में सबसे आखिर में रहे, सिर्फ़ 0.09 के कोरिलेशन कोएफ़िशिएंट के साथ। यानी असल में यह बस शोर है। SEO और AEO के बुनियादी फ़र्क का यह सबसे साफ़ सबूत है: कीवर्ड डेंसिटी के इर्द-गिर्द किया गया SEO ऑप्टिमाइज़ेशन LLM के साइटेशन फ़ैसलों में कोई मायने नहीं रखता। AI इंजन टॉपिक को सिमैंटिक एनालिसिस से समझते हैं, कीवर्ड कितनी बार आया, इससे नहीं।

जो कंटेंट सवालों का साफ़ और पूरा जवाब देने के लिए लिखा गया हो, बिना कीवर्ड ठूंसे और बिना जान-बूझकर डेंसिटी बढ़ाए, वह LLM साइटेशन रेट में कीवर्ड-ऑप्टिमाइज़्ड कंटेंट को लगातार पीछे छोड़ता है। सीधी बात: इंसानों के लिए लिखिए और सवालों का सीधा जवाब दीजिए। AI इंजन के लिए यह एल्गोरिदम के लिए लिखने से बेहतर काम करता है।

हर LLM का पैटर्न अलग: साइटेशन एक जैसे नहीं होते

ऊपर दिए गए फ़ैक्टर चारों LLM का औसत हैं। हर प्लेटफ़ॉर्म को अलग से देखें, तो कुछ अहम फ़र्क सामने आते हैं:

ChatGPT (GPT-4o)

ChatGPT के लिए डोमेन अथॉरिटी किसी भी दूसरे प्लेटफ़ॉर्म से ज़्यादा मज़बूत फ़ैक्टर है (r = 0.61)। ChatGPT का ट्रेनिंग डेटा हाई-अथॉरिटी सोर्सेज़ की तरफ़ झुका हुआ है, इसलिए पुराने और जमे हुए डोमेन को लंबे समय तक बढ़त मिलती रहती है। FAQPage स्कीमा का असर यहां भी है, पर कम (r = 0.48), क्योंकि ChatGPT का बेस मॉडल रियल-टाइम में स्ट्रक्चर्ड डेटा निकालने के बजाय मुख्य रूप से ट्रेनिंग डेटा पर टिका है। बढ़िया स्कीमा वाले नए डोमेन को फ़ायदा तो मिलता है, लेकिन अथॉरिटी का प्रीमियम यहां ज़्यादा है।

Perplexity

Perplexity के फ़ैक्टर सबसे संतुलित हैं। कंटेंट की ताज़गी इसका सबसे मज़बूत फ़ैक्टर है (r = 0.68), क्योंकि Perplexity अपने रिट्रीवल मॉडल में हाल के, लाइव कंटेंट को खुलकर प्राथमिकता देता है। FAQPage स्कीमा (r = 0.58) और AI बॉट एक्सेस (r = 0.57) भी बहुत मज़बूत हैं। AEO ऑप्टिमाइज़ेशन का सबसे जल्दी असर Perplexity पर दिखता है, क्योंकि यह लाइव वेब से सक्रिय रूप से कंटेंट खोजता है और उसी का हवाला देता है।

Claude

Claude का E-E-A-T सिग्नल के साथ कोरिलेशन सबसे मज़बूत है (r = 0.59)। सोर्स की क्वालिटी को लेकर Anthropic का नज़रिया लेखक की योग्यता, संस्था की साख और कंटेंट कहां से आया, इस पर ज़ोर देता है। जिन साइट्स पर लेखकों की योग्यता साफ़ दिखती है, संस्थागत जुड़ाव है और तरीका (मेथडोलॉजी) अच्छी तरह दर्ज है, उन्हें Claude बाकी LLM के मुकाबले ज़्यादा बार साइट करता है। हमारी स्टडी में llms.txt का असर भी Claude पर किसी भी दूसरे प्लेटफ़ॉर्म से ज़्यादा रहा (r = 0.41)।

Gemini

Gemini में Google जैसे पैटर्न सबसे साफ़ दिखते हैं: डोमेन अथॉरिटी (r = 0.62) और बैकलिंक्स की संख्या (r = 0.52) इसके सबसे मज़बूत फ़ैक्टर हैं, जो इसे बाकी किसी भी LLM से ज़्यादा पारंपरिक SEO के करीब ले आते हैं। यह Gemini के आर्किटेक्चर से मेल खाता है, जिसमें Google का नॉलेज ग्राफ़ और PageRank से निकले सिग्नल शामिल हैं। Gemini में साइटेशन पाने का रास्ता AEO के खास सिग्नल से ज़्यादा पारंपरिक SEO अथॉरिटी से होकर गुज़रता है, हालांकि FAQPage स्कीमा (r = 0.44) अब भी काफ़ी मायने रखता है।

क्वेरी के टाइप के हिसाब से: किस संदर्भ में क्या साइट होता है

जानकारी वाली क्वेरीज़

यहां FAQPage स्कीमा का दबदबा है (r = 0.71)। डायरेक्ट आंसर डेंसिटी (यानी कंटेंट का कितना हिस्सा खास सवालों के सीधे-सपाट जवाबों से बना है) दूसरा सबसे बड़ा फ़ैक्टर है। डोमेन अथॉरिटी मायने रखती है, पर तीसरे नंबर पर है। AEO ऑप्टिमाइज़ेशन का सबसे ज़्यादा असर इसी क्वेरी टाइप पर पड़ता है।

तुलना वाली क्वेरीज़

यहां डोमेन अथॉरिटी सबसे मज़बूत फ़ैक्टर है (r = 0.65)। "X vs Y" वाली क्वेरीज़ में AI इंजन उन्हीं सोर्सेज़ का हवाला देना पसंद करते हैं जिन पर वे डोमेन के स्तर पर पहले से भरोसा करते हैं, जैसे जानी-मानी रिव्यू साइट्स और बड़े पब्लिकेशन। फिर भी, जिन साइट्स पर साफ़ फ़ीचर टेबल और FAQPage स्कीमा के साथ खास तुलना वाला कंटेंट है, वे कम स्ट्रक्चर्ड तुलना वाली ज़्यादा अथॉरिटी वाली साइट्स से आगे निकल जाती हैं।

तरीका बताने वाली क्वेरीज़

"मैं कैसे करूं" वाली क्वेरीज़ में HowTo स्कीमा सबसे मज़बूत फ़ैक्टर है (r = 0.67), ठीक वैसा ही जैसा स्कीमा थ्योरी से उम्मीद की जाती है। कंटेंट की ताज़गी दूसरे नंबर पर है, क्योंकि टूल्स और सॉफ़्टवेयर से जुड़े स्टेप-बाय-स्टेप कंटेंट को साइट होने के लिए अप-टू-डेट होना ज़रूरी है। यही वो क्वेरी टाइप है जहां HowTo स्कीमा का साइटेशन पर असर सबसे साफ़ और सबसे आसानी से मापा जा सकता है।

मूल्यांकन वाली क्वेरीज़

मूल्यांकन वाली क्वेरीज़ में E-E-A-T सिग्नल सबसे मज़बूत फ़ैक्टर हैं (r = 0.61)। "क्या X इसके लायक है?" और "क्या Y के लिए X इस्तेमाल करना चाहिए?" जैसी क्वेरीज़ में लेखक की योग्यता, तरीके की पारदर्शिता और संस्था की साख ही सबसे ज़्यादा तय करती है कि किसे साइट किया जाएगा। जिस कंटेंट के पीछे कोई योग्य लेखक नहीं दिखता, उसे सबसे ज़्यादा नुकसान इन्हीं क्वेरीज़ में होता है।

बॉट एक्सेस का असर

एक नतीजे पर खास ध्यान देना ज़रूरी है: जो डोमेन AI क्रॉलर्स को ब्लॉक करते हैं, उनका साइटेशन रेट रियल-टाइम AI सिस्टम (Perplexity, ChatGPT Browse) में लगभग ज़ीरो हो जाता है। यह तो होना ही था, क्योंकि ब्लॉक किए गए बॉट कंटेंट पढ़ ही नहीं सकते। लेकिन हमें जिस बात ने चौंकाया, वह था बेस ChatGPT में ट्रेनिंग डेटा से बचा हुआ साइटेशन रेट: GPTBot को ब्लॉक करने वाले डोमेन भी कभी-कभी बेस ChatGPT में साइट हो जाते हैं, अगर ब्लॉक लगाने से पहले उनका कंटेंट ट्रेनिंग कॉर्पस में पहुंच चुका था।

इससे AI क्रॉलर्स को ब्लॉक करने वाले पब्लिशर्स को सुरक्षा का झूठा एहसास होता है। उन्हें पुराने ट्रेनिंग डेटा की वजह से ChatGPT में कुछ साइटेशन दिखते रहते हैं और वे मान बैठते हैं कि ब्लॉक का कोई असर नहीं पड़ा। असली असर तब दिखता है जब आप Perplexity और ChatGPT Browse के साइटेशन मापते हैं, जहां ब्लॉक की वजह से रेट लगभग ज़ीरो हो जाता है। AI Rank Lab के साइटेशन एनालिटिक्स से चारों बड़े LLM पर अपना साइटेशन रेट मापिए, न कि सिर्फ़ उस एक पर जो आपको गलत पॉज़िटिव संकेत दे रहा हो।

इस रिसर्च को अपने काम में कैसे लगाएं

साइटेशन फ़ैक्टर्स की रैंकिंग से AEO में निवेश की प्राथमिकता साफ़ हो जाती है:

1. जानकारी वाले सभी पेजों पर FAQPage स्कीमा - सभी क्वेरी टाइप और सभी LLM में साइटेशन के साथ सबसे ऊंचा कोरिलेशन
2. क्वालिटी बैकलिंक्स से डोमेन अथॉरिटी बनाइए - दूसरा सबसे बड़ा फ़ैक्टर, ChatGPT और Gemini के लिए खास तौर पर अहम
3. कंटेंट अपडेट रखिए और ताज़गी का सिग्नल दीजिए - Perplexity के लिए और हर उस टॉपिक के लिए बेहद ज़रूरी जहां नयापन मायने रखता है
4. AI बॉट एक्सेस ठीक कीजिए - Perplexity और ChatGPT Browse में रियल-टाइम साइटेशन की पहली शर्त
5. E-E-A-T सिग्नल मज़बूत कीजिए - Claude और मूल्यांकन वाली क्वेरीज़ के लिए खास तौर पर अहम
6. ट्यूटोरियल्स में HowTo स्कीमा जोड़िए - स्टेप-बाय-स्टेप कंटेंट के लिए सबसे ज़्यादा असर वाला स्कीमा टाइप
7. llms.txt लागू कीजिए - खास तौर पर Claude पर अच्छा-खासा असर, और लागू करने की लागत भी कम

कीवर्ड डेंसिटी के पीछे भागना बंद कीजिए। हमारी स्टडी के सभी फ़ैक्टर्स में LLM साइटेशन के साथ इसका कोरिलेशन सबसे कमज़ोर है। यही मेहनत FAQPage स्कीमा लागू करने में लगाइए, तो साइटेशन में लगभग 7x ज़्यादा सुधार मिलता है।

निष्कर्ष

बड़े LLM के साइटेशन पैटर्न मापे जा सकते हैं, एक जैसे बने रहते हैं और उन पर काम किया जा सकता है। FAQPage स्कीमा सभी क्वेरी टाइप और प्लेटफ़ॉर्म पर साइटेशन का अकेला सबसे मज़बूत फ़ैक्टर है। कंटेंट की ताज़गी उससे कहीं ज़्यादा अहम है जितना ज़्यादातर AEO एक्सपर्ट मानते हैं। कीवर्ड डेंसिटी बेमानी है। और अलग-अलग LLM के साइटेशन पैटर्न में इतना फ़र्क है कि हर प्लेटफ़ॉर्म के हिसाब से बनी रणनीति, यानी Perplexity (ताज़गी + स्कीमा), ChatGPT (अथॉरिटी + स्कीमा), Claude (E-E-A-T + llms.txt) और Gemini (पारंपरिक SEO + स्कीमा) को प्राथमिकता देना, किसी एक LLM पर टिकी रणनीति से बेहतर नतीजे देती है।

AI Rank Lab के साइटेशन एनालिटिक्स से चारों प्लेटफ़ॉर्म पर अपना साइटेशन रेट ट्रैक कीजिए और देखिए कि आपके टॉपिक क्लस्टर के लिए कौन-से फ़ैक्टर सबसे मज़बूत हैं। इस स्टडी का डेटा कुल औसत है; आपकी कैटेगरी और कंटेंट टाइप में फ़ैक्टर्स का वज़न अलग भी हो सकता है।