How Large Language Models Source Brand Reputation Across Languages and Markets

📄 arXiv: 2606.25787v1 📥 PDF

作者: Dmitrij Zatuchin

分类: cs.IR, cs.CL, cs.CY

发布日期: 2026-06-24

备注: 12 pages, no figures, tables only. Data and analysis ledger on Zenodo, https://doi.org/10.5281/zenodo.20829524

💡 一句话要点

分析大型语言模型如何跨语言和市场获取品牌声誉信息

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 品牌声誉 大型语言模型 引用分析 市场营销 多语言处理

📋 核心要点

  1. 现有研究主要关注AI生成的答案文本，忽视了引用来源的分析，导致对品牌声誉的理解不够全面。
  2. 本研究通过分析167,551个引用，探索大型语言模型如何从不同语言和市场获取品牌信息，提供了新的视角。
  3. 结果显示，85.7%的引用来自第三方网站，维基百科是最常被引用的来源，且不同市场的引用来源存在显著差异。

📝 摘要（中文）

本研究探讨了大型语言模型（LLM）在回答有关公司的问题时，如何依赖于检索的网络来源来构建答案。与以往主要分析AI品牌可见性的研究不同，本研究关注引用来源。通过合并覆盖128个品牌、12个本土市场和13种语言的三个Rankfor.AI数据集，分析了167,551个基于URL的引用。研究发现，AI的品牌信息主要来自第三方来源，且引用来源高度集中，维基百科在大多数语言中是最被引用的域名。不同市场的引用来源也存在特定差异。

🔬 方法详解

问题定义：本研究旨在解决对大型语言模型在品牌声誉信息获取过程中的引用来源缺乏深入分析的问题。现有方法主要关注生成的答案，而忽视了其背后的信息来源。

核心思路：通过合并多个数据集，分析品牌相关的引用来源，揭示大型语言模型如何在不同语言和市场中获取品牌信息的模式。

技术框架：研究使用了三个Rankfor.AI数据集，涵盖128个品牌，分析了167,551个引用，分类每个引用的域名和来源类型，比较不同市场和语言的引用情况。

关键创新：本研究的创新在于首次系统性地分析了大型语言模型的引用来源，揭示了品牌信息获取的第三方依赖性及其市场特异性，填补了现有研究的空白。

关键设计：研究采用了分类方法对引用进行分析，使用Zipf法则评估引用来源的集中度，发现80%的引用来自约18%的域名，且维基百科在大多数语言中占据主导地位。

📊 实验亮点

研究发现，85.7%的引用来自第三方网站，显示出大型语言模型对外部信息的高度依赖。维基百科在11种语言中是最被引用的域名，且引用来源呈现出明显的集中趋势，符合Zipf法则，R²达到0.983。

🎯 应用场景

该研究的结果对品牌管理、市场营销和AI技术的应用具有重要意义。品牌方可以利用这些信息优化其在线形象和市场策略，同时帮助AI开发者理解模型的知识来源，从而提升模型的可靠性和透明度。

📄 摘要（原文）

When a large language model (LLM) answers a question about a company, it grounds the answer in retrieved web sources, and those sources decide what the model says. Most analysis of AI brand visibility looks at the answer text. This study looks one step earlier, at the citations. We merge three Rankfor.AI datasets covering 128 brands across 12 home markets and 13 languages, and analyse 167,551 URL-grounded citations (189,974 total attribution rows). We classify each citation by domain and source type and measure where AI gets its brand information, by language and by market. Four patterns hold. First, AI grounds brand answers overwhelmingly in third-party sources: 85.7% of citations point to sites the brand does not own, against 14.3% owned. Second, the source base is concentrated and long-tailed: 80% of citations come from about 18% of domains, fitting a Zipf law (alpha = 0.86, R^2 = 0.983). Third, one reference site dominates almost everywhere: Wikipedia is the most-cited domain in 11 of 12 languages, the exception being Lithuanian, where the business daily vz.lt edges it (4.38%). Fourth, the source mix is market-specific at the margin: for 46 Polish national brands the most-cited domain is YouTube, and four HR and careers portals supply 637 citations against 297 for Polish Wikipedia, about twice as many.