git clone https://github.com/danishashko/grounding-citation-analysis
GitHub Project
Análisis de Citaciones de Grounding
Un estudio reproducible que decodifica los fragmentos de citación #:~:text= de Google AI Mode para revelar las frases exactas que citan los motores de IA, en 42.971 citaciones y 6 plataformas. Con la tecnología de una API de scraping web con IA.
42,971
citaciones de IA analizadas
6
plataformas de IA
100
consultas
12
categorías de consulta
Inicio rápido
Grounding Citation Analysis es un estudio abierto y reproducible que analiza en profundidad cómo Google AI Mode y Gemini deciden qué citar. Cada URL de citación de AI Mode oculta un ancla #:~:text= de Web Text Fragment; al decodificar esos fragmentos a escala podemos ver la frase exacta que Google extrajo de cada página fuente, sin especulaciones. El conjunto de datos abarca 42.971 citaciones de IA en seis plataformas.
La conclusión clave
Si puedes ver qué frase fue citada y en qué parte de la página se encontraba, la optimización para la búsqueda con IA deja de ser un juego de conjeturas. Adelantar los puntos clave, escribir frases dignas de cita y estructurar el contenido para la extracción se convierten en estrategias respaldadas por datos, no en simple folklore de buenas prácticas.
Preguntas de investigación
- ¿Se agrupan las frases citadas en el 30% superior de los documentos? (sesgo posicional)
- ¿Son las frases citadas más cortas que el texto medio de la página? (preferencia de longitud)
- ¿Se citan con más frecuencia las páginas estructuradas (listas y tablas)?
- ¿AI Mode y Gemini citan URLs solapadas o distintas?
- ¿Varía la longitud de las frases según la categoría de la consulta?
Características principales
Decodifica Web Text Fragments #:~:text= para extraer la frase citada exacta de cada URL
Análisis posicional a nivel de frase: dónde citan realmente los motores de IA dentro de una página
Cobertura multiplataforma: Google AI Mode, Gemini, ChatGPT, Perplexity, Copilot y Grok
Tests estadísticos de sesgo posicional, longitud de frases y ventaja del contenido estructurado
Pipeline de código abierto totalmente reproducible: recopilación, análisis sintáctico, scraping, análisis y visualización
Gráficos de calidad para publicación generados para el artículo complementario
Creado con
- Python 3.11
- AI web scraping API
- SciPy
- Matplotlib
- Seaborn
- Jupyter
Preguntas Frecuentes
¿Qué datos cubre este análisis?
42.971 citaciones de IA en Google AI Mode, Gemini, ChatGPT, Perplexity, Copilot y Grok. Las citaciones abarcan 100 consultas en 12 categorías, lo que ofrece una cobertura amplia de cómo los distintos motores de IA citan contenido web.
¿Puedo reproducir esta investigación?
Sí, todo el pipeline es de código abierto. Necesitarás una cuenta en una API de scraping web con IA (aproximadamente $6-25 para la recopilación de datos) y Python 3.11+. Los scripts se ejecutan de forma secuencial, desde la recopilación hasta el análisis y la generación de gráficos.
¿Cómo ayuda esto con el SEO y el GEO?
Saber exactamente qué frases citan los motores de IA y en qué parte de la página se encuentran te da objetivos de optimización concretos. Cuando las frases citadas se agrupan en el 30% superior de una página, adelantar tus puntos clave se convierte en una estrategia respaldada por datos y no en una simple intuición.
¿Quieres ayuda para que la búsqueda con IA te cite?
These tools are free to use. If you would rather have it done for you, let us put your brand in front of ChatGPT, Perplexity and Google AI.