Citation decay i AI-sök: vad det är och hur man mäter det
Citation decay i AI-sök, även kallat AI citation decay eller LLM citation decay, är den gradvisa förlusten av källhänvisningar som en sida eller ett varumärke får i AI-genererade svar över tid, när motorer som ChatGPT, Perplexity, Gemini och Google AI Overviews genomsöker webben på nytt, uppdaterar sina modeller och ersätter tidigare källor med färskare eller bättre styrkta.
Därför kan en sida som användes som källa i ett svar tyst försvinna ur det inom några veckor. Den här guiden går igenom vad som orsakar det, hur snabbt det går, hur du mäter det i fem kontroller och hur du behåller dina källhänvisningar.
Så mäter du AI citation decay i fem steg
- Fastställ en uppsättning verkliga köparfrågor och behåll samma formulering vid varje körning.
- Kör dem igen i varje motor enligt ett schema, varje vecka för de viktigaste frågorna.
- Logga om du används som källa, din position bland källorna och vilka som anges bredvid dig.
- Kör varje fråga flera gånger och räkna hur många körningar som hänvisar till dig.
- Jämför den här månadens logg med förra månadens, inte ett svar med ett annat.
Hela checklistan, med varningstecknen att hålla utkik efter, finns längre ner på sidan.
Avtagande källhänvisningar är lätta att missa på den egna sajten. I Bings AI Performance-rapport för vår blogg med 86 inlägg (17 juli till 15 oktober 2026) gick 79 % av 5 608 källhänvisningar från Copilot till två sidor, och en guide gick 42 dagar utan källhänvisning innan Copilot hänvisade till den 254 gånger på 33 dagar. En veckosumma dolde båda mönstren. Läs studien och data per sida.
Vad är citation decay?
Citation decay är minskningen över tid i hur ofta AI-motorer hänvisar till en viss källa för samma frågor. Tillämpat på svarsmotorer kallas det AI citation decay eller LLM citation decay, och när minskningen är plötslig snarare än gradvis kallar vi det en citation cliff. Själva sidan har ofta inte ändrats; det som oftast har ändrats är konkurrensen om källhänvisningen. Den korta definitionen, tillsammans med närliggande begrepp, finns i vår ordlisteartikel om AI citation decay.
Varför AI-källhänvisningar avtar
En källhänvisning är en ögonblicksbild av vad en motor litade på vid ett visst tillfälle. Det förtroendet omprövas ständigt. Motorer genomsöker webben på nytt, modeller uppdateras och urvalet av möjliga källor förskjuts när konkurrenter publicerar och när ditt eget innehåll åldras. Två stora studier från 2026, som beskrivs nedan, fann att källhänvisningar byts ut inom några veckor. Synlighet som känns säkrad avgörs i själva verket om och om igen.
Undrar du om AI-motorer nämner dig när köpare frågar om din kategori? Få en gratis granskning av AI-synlighet och se var du står i ChatGPT, Gemini, Perplexity och Google AI Overviews.
Hur en citation cliff ser ut
Det typiska mönstret: en sida används som källa, håller sig kvar ett tag och faller sedan bort - ofta inom några veckor efter toppen, till exempel när färskare eller bättre styrkta källor tränger undan den. Tappet kan se plötsligt ut utifrån, men varningstecknen kan synas tidigare. Om du kontrollerar din AI-synlighet en gång och aldrig igen kan tappet passera obemärkt i månader, efter att skadan har växt.
Vad som orsakar ett tapp
- Inaktualitet. Datum, priser, produktuppgifter och påståenden om det "senaste" blir inaktuella; tidskänsliga påståenden föråldras först, och en sida som ser ounderhållen ut ger en motor föga anledning att föredra den.
- Undanträngning av konkurrenter. Någon publicerar ett tydligare, bättre styrkt svar på samma fråga och tar din plats.
- Faktadrift. Om nyare källor motsäger det du skrev kan motorns tilltro till dig minska.
- Modell- och indexuppdateringar. En uppdatering kan kasta om vilka källor som hämtas, oberoende av något du gjort.
Så behåller du dina källhänvisningar
- Uppdatera med fast rytm. Gå regelbundet igenom dina viktigaste sidor - uppdatera fakta, lägg till nya detaljer och uppdatera det synliga datumet för "senast uppdaterad" och
dateModifiedi dina strukturerade data. - Håll fakta konsekventa och aktuella överallt där de förekommer, så att inget motsäger de påståenden du hänvisas för.
- Stärk bekräftelsen över tid - fler oberoende källor som håller med dig kan göra din källhänvisning svårare att tränga undan.
- Bevaka kontinuerligt. Kör de frågor som spelar roll igen enligt ett schema, så att du upptäcker ett tapp inom veckor, inte månader, och kan agera innan det växer.
"En enskild saknad källhänvisning är brus; en källhänvisning som saknas i flera körningar under flera dagar är en signal."
De fyra klockorna som tickar mot din källhänvisning
Ett tapp kan ha mer än en orsak. Fyra separata klockor tickar under varje sida som du fått källhänvisningar till, och de kan gå i olika takt. Att veta vilken som slog till säger dig vad du ska åtgärda.
Modellklockan. Motorer släpper nya modell- och indexversioner enligt sitt eget schema, och en uppdatering kan kasta om vilka källor som hämtas även när din sida inte ändrat ett ord. Den här orsaken är svår att se eftersom ingenting på din sida har rört sig. Kännetecknet är en samtidig förskjutning - flera av dina sökfrågor rör sig samma dag, och ofta rör sig konkurrenterna också. När en hel grupp av dina svar ändras samtidigt, misstänk modellen, inte ditt innehåll.
Färskhetsklockan. Motorer som hämtar livesökresultat kan gynna nyligen publicerade eller uppdaterade sidor. Det betyder att en sida kan vara korrekt och ändå förlora mot något nyare som säger samma sak. Enbart åldern kan tala emot dig.
Konkurrentklockan. Varje vecka kan någon publicera ett tydligare svar på exakt den fråga du äger. Det är inte din sida som blivit sämre; ribban har flyttats.
Faktaklockan. Dina egna påståenden åldras. Ett pris, en statistikuppgift, ett "från och med 2025", en produktgräns - var och en har ett bäst före-datum, och när en nyare källa motsäger det kan ditt påstående bli det som ser fel ut. Inaktualitet får dig inte bara att se gammal ut; den får dig att se felaktig ut.
Hur snabbt marken faktiskt rör sig
Det obekväma är hastigheten, och två stora studier från 2026 mäter den nu. De rapporterar mycket olika siffror - 11 dagar och cirka 4,5 veckor - och båda stämmer, eftersom de mäter tiden för olika saker.
| Studie | Vad "halveringstid" betyder | Urval | Resultat |
|---|---|---|---|
| Scrunch och Stacker (september 2025 till mars 2026) | Veckor tills en grupp källor som dök upp samma vecka förlorar hälften av sina källhänvisningar | 3,5 miljoner källhänvisningshändelser | Cirka 4,5 veckor totalt: ChatGPT 3,4, Google AI Mode, Gemini och AI Overviews 4,3 till 4,8, Perplexity 5,8 |
| Profound (september 2025 till september 2026, publicerad 30 september 2026) | Dagar tills en sida faller till hälften av sin högsta citation share och stannar där | 883 000 sidor i sju motorer, 12 månader | Median 11 dagar efter toppen; 42 dagar från första källhänvisningen; 78 % av sidorna som används som källa halveras inom två veckor efter toppen |
Läst tillsammans säger de samma sak på två zoomnivåer. Över ett helt fält av källor tar omsättningen ungefär en månad. För en enskild sida är toppen kort: de flesta sidor som vinner en källhänvisning behåller sin bästa andel i några dagar eller ett par veckor, inte månader, och Profound fann att de flesta av dessa kortlivade sidor får en enda skur av källhänvisningar och aldrig hänvisas till i den takten igen. Ingen av siffrorna är en regel för din sida; båda säger att en källhänvisning är en position du håller, inte en tillgång du äger.
Profounds data pekar också på vad som håller. Sidor som hänvisades till av fem eller fler motorer var 5,5 gånger så benägna som sidor som bara hänvisades till av en att fortfarande ligga över halva sin högsta andel åtta veckor senare, och hur länge en sida höll sig i en motor förutsade knappt hur länge den höll sig i en annan, Googles egna ytor undantagna. Att vinna en motor säger lite om de andra, och därför måste citation decay bevakas motor för motor.
Två saker till följer av hastigheten. För det första börjar urholkningen ofta inom veckor, inte månader. För det andra, eftersom modellernas utdata är probabilistiska kan samma prompt ge olika källor vid olika körningar även när ingenting har ändrats. En enskild saknad källhänvisning är alltså brus. En källhänvisning som saknas i flera körningar under flera dagar är en signal. Reagera inte på en enda dålig kontroll.
Så mäter du AI citation decay
Mät det genom att köra dina viktigaste köparfrågor igen i varje motor enligt ett fast schema och logga om, var och bredvid vilka du används som källa. Fem kontroller, i ordning:
- Fastställ frågeuppsättningen. Välj de köparfrågor som spelar roll och behåll samma formulering från körning till körning, per motor och per marknad. En frågeuppsättning som ändras mäter dina ändringar, inte citation decay.
- Kör igen enligt ett schema. Varje vecka för de viktigaste frågorna, med samma motor och språkinställning varje gång, så att två mätningar är jämförbara.
- Logga fyra saker per svar. Om du används som källa, på vilken position bland källorna, vilka andra källor som står bredvid dig och vilket påstående som tillskrivs dig.
- Kör varje fråga mer än en gång. Modellernas utdata är probabilistiska, så kör varje fråga flera gånger och räkna hur många av körningarna som hänvisar till dig, inte om en enda gjorde det.
- Jämför perioder, inte körningar. Citation decay är en trend över veckor, så bedöm den utifrån veckans logg jämfört med förra månadens, aldrig utifrån ett enda svar.
Hela poängen är att korta tiden mellan "vi tappade den" och "vi märkte det". Att vänta på en trafiknedgång är för sent, eftersom AI-svar ofta tillfredsställer användaren utan ett klick, så minskningen i hänvisningstrafik kan vara dämpad och eftersläpande. Bevaka i stället själva svaret. De ledande indikatorerna att leta efter i loggen:
- Positionen glider inne i svaret. Du används fortfarande som källa, men du har flyttats från den första källan som nämns till den tredje eller fjärde. Rangen inne i ett svar kan urholkas innan källhänvisningen försvinner helt.
- Bekräftelsen tunnas ut. Motorn brukade para ihop dig med två eller tre andra källor som höll med; nu hänvisar den till en konkurrent som primär källa och till dig i förbigående. Det är konkurrentklockan som drar igång.
- Utdragsdrift. Påståendet som tillskrivs dig börjar parafrasera bort från vad din sida faktiskt säger, eller hämtar en äldre siffra. Det är faktadrift som syns före tappet.
- Instabilitet mellan genereringar. Kör samma prompt fem gånger. Om du syns i fem av fem är du förankrad. Om du blinkar till i två av fem är du på marginalen och en uppdatering kan knuffa bort dig.
Sätt en enkel tröskel så att teamet inte grälar om magkänsla: till exempel "en prioriterad sökfråga där vi faller under tre av fem genereringar, eller förlorar positionen som primär källa vid två kontroller i rad, öppnar ett ärende." Knyt larmet till sökfrågan, inte sidan, eftersom en sida oftast besvarar flera frågor och bara några av dem glider.
Om du kör de här kontrollerna med ett verktyg i stället för för hand listar vår pristabell för AI-synlighetsverktyg vad arton verktyg kostar och vilka motorer varje instegsplan kontrollerar, och Stellarcast vs Profound jämför en plan med offentligt pris med en säljstyrd.
Vilka verktyg larmar när AI-källhänvisningar minskar?
De flesta verktyg för AI-synlighet kan skicka ett larm när dina källhänvisningar minskar, men de användbara utlöses av en trend över upprepade mätningar, inte av ett enskilt svar. Motorerna besvarar samma fråga olika från körning till körning, så ett larm vid varje litet svaj är mest brus och lär ditt team att ignorera det. Innan du väljer ett verktyg, fråga tre saker: vilken förändring som utlöser ett larm, hur många mätningar det jämför och hur ofta ett larm går under en vanlig vecka.
Stellarcast skickar ett larm via e-post eller Slack när din share of voice på en marknad faller med 5 poäng eller mer mellan dagliga mätningar. Vår guide Larm om AI-synlighet utan falsklarm jämför hur de stora plattformarna hanterar larm, och pristabellen för verktyg för AI-synlighet visar vad varje verktyg kostar.
En underhållsrutin som faktiskt håller
Att uppdatera "när man kommer ihåg det" är hur stupet vinner. Kör det här enligt en kalender, anpassad efter hur snabbt din bransch rör sig.
Varje vecka, för dina viktigaste sökfrågor. Kör igen den handfull frågor som driver verkligt värde i de motorer du bryr dig om. Logga för var och en: används du som källa, på vilken position, bredvid vilka. Femton minuter av detta slår en kvartalsgranskning, eftersom det fångar glidningen medan den fortfarande är billig att åtgärda.
Varje månad, för sidorna bakom dem. Öppna dina sidor som används som källa och leta efter allt som är tidsstämplat - priser, datum, "senaste", versionsnummer, antal. Rätta det som har åldrats och uppdatera sedan både den synliga raden "senast uppdaterad" och dateModified i dina strukturerade data, så att färskhetsklockan läser dig som aktuell. Lägg till en verkligt ny detalj medan du ändå är där; en sida som bara ändrar sitt datum och inget annat vinner sannolikt inget.
Varje månad, för bekräftelsen. En källhänvisning som bärs upp av en enda källa är bräcklig. Lägg en del av cykeln på att få oberoende källor att hålla med om ditt påstående - ett omnämnande, en statistikuppgift som någon annan hänvisar till, en jämförelsesida. Ju fler ställen som bekräftar dig, desto svårare brukar du vara att tränga undan, och bekräftelse är ett försvar som inte är beroende av någon enskild modell.
Varje kvartal, för luckorna. Titta på sökfrågorna där en konkurrent tog positionen som primär källa och fråga vad deras svar gör som ditt inte gör - tydligare struktur, en siffra du saknar, en delfråga du hoppade över. Skriv om för att slå det, inte för att matcha det.
Poängen med rytmen är inte sysselsättning. Den ska se till att du, när någon av de fyra klockorna slår till, redan finns i svaret och tittar på det, i stället för att få veta det ett kvartal senare från en trafikrapport.
Varför en åtgärdsliggare spelar roll här
När en källhänvisning faller är den användbara frågan vad som ändrades och vad som löste det. En orsaksbaserad logg - lucka upptäckt, ändring gjord, synlighet återvunnen - förvandlar AI-synlighet från gissningar till något du kan styra och bevisa. Den slutna cykeln av bevakning, åtgärd och verifiering är precis det som skiljer underhållen synlighet från engångsvinster.
Samma ärlighet gäller själva åtgärderna. En ändring kan fungera i en motor och inte i en annan, så en enda sammanvägd siffra döljer vad som hände. Stellarcast registrerar varje åtgärds förbättring motor för motor, mätt mot kontrollprompts som åtgärden inte berörde, och märker varje resultat UPPMÄTT, TROLIG eller FÖR TIDIGT, så att en åtgärd som fungerade i en motor men inte i en annan redovisas precis så. För mätgrunden under detta, se hur du mäter ditt varumärkes share of voice i AI-svar.
Se hur AI beskriver dig i dag
Stellarcast bevakar om ditt varumärke nämns och används som källa i ChatGPT, Gemini, Perplexity, Copilot, Google AI Overviews och AI Mode, diagnostiserar varför konkurrenter vinner de prompts du inte vinner, hjälper dig att åtgärda det och bevisar sedan förbättringen. Beställ en gratis granskning för att se var du står i ChatGPT, Gemini, Perplexity och Google AI Overviews.
Få din gratis granskning av synlighetVanliga frågor
Vad är AI citation decay?
AI citation decay är den gradvisa förlusten av källhänvisningar som en sida eller ett varumärke får i AI-genererade svar över tid, när motorer som ChatGPT, Perplexity, Gemini och Google AI Overviews genomsöker webben på nytt, uppdaterar sina modeller och ersätter tidigare källor med färskare eller bättre styrkta. Det kallas även LLM citation decay. Det är därför en sida som används som källa i ett svar tyst kan försvinna ur det inom några veckor.
Hur mäter man AI citation decay?
Du mäter det genom att över tid följa om de stora motorerna fortfarande nämner och hänvisar till dig för de frågor som spelar roll, och hur din andel av de svaren rör sig från månad till månad. Det innebär att köra dina viktigaste köparfrågor i varje motor med jämna mellanrum, registrera om du används som källa och varifrån svaret hämtar sina källor, och hålla utkik efter tappet innan det blir ett stup. En enskild kontroll säger ingenting om citation decay; trenden är mätningen.
Upphör AI-källhänvisningar att gälla?
Inte enligt en fast klocka, men de avgörs om ständigt. Studier under 2026 fann att källhänvisningar byts ut inom några veckor. Motorer genomsöker webben på nytt, modeller uppdateras och konkurrenter publicerar, så en källhänvisning du förtjänar kan trängas undan om du inte underhåller den.
Vad är halveringstiden för en AI-källhänvisning?
Det beror på vad du mäter tiden för. Scrunch och Stacker fann att källhänvisningar till en grupp källor halveras på cirka 4,5 veckor (3,4 veckor i ChatGPT, 5,8 i Perplexity). Profound fann att en enskild sida faller till hälften av sin högsta citation share en median på 11 dagar efter toppen. Båda säger samma sak: källhänvisningar byts ut inom några veckor, så de behöver bevakas snarare än vinnas en gång.
Vad är en citation cliff?
Det är mönstret där innehåll behåller en källhänvisning ett tag och sedan faller bort, till exempel när färskare eller bättre styrkta källor tränger undan det. Profound fann att de flesta sidor som används som källa faller till hälften av sin högsta andel inom två veckor efter toppen. Det kan se plötsligt ut om du bara kontrollerar då och då.
Hur ofta ska jag uppdatera innehåll för AI-synlighet?
Gå igenom dina viktigaste sidor med en regelbunden rytm och uppdatera fakta, detaljer och ändringsdatumet när något förändras. Kontinuerlig bevakning visar vilka sidor som glider och behöver uppmärksamhet först.
Varför minskade våra AI-källhänvisningar förra månaden?
Oftast av en av fyra orsaker: en konkurrent publicerade ett tydligare eller bättre styrkt svar, ett faktum på din sida blev inaktuellt, en nyare källa motsade dig, eller motorn uppdaterade sin modell eller sitt index. Kör frågorna du förlorade flera gånger innan du agerar, eftersom ett enskilt svar kan tappa dig av en slump; kontrollera sedan vilken av de fyra som ändrades.
Varför slutade man hänvisa till mitt varumärke?
En orsak är att en konkurrent publicerar ett tydligare, bättre styrkt svar som tränger undan dig; andra är inaktuella fakta, motsägelser från nyare källor samt modell- eller indexuppdateringar. Bevakning är hur du tar reda på vilken det var.