„Fii citit. Fii citat.”: cum ajunge o companie în răspunsurile motoarelor de inteligență artificială

Rezumat

Studiul descrie metoda prin care o companie își poate crește șansele de a fi menționată în răspunsurile motoarelor de inteligență artificială, practică numită în literatura de specialitate Generative Engine Optimization (GEO). Întrebarea de la care pornește este dacă publicarea de conținut verificabil în presa online și pe site-ul propriu poate influența modul în care asistenții conversaționali descriu o firmă. Contextul internațional arată o expunere largă a publicului la răspunsuri generate automat, mai puține clicuri spre sursele originale și o preferință a acestor sisteme pentru surse oficiale, de presă și de specialitate. Metoda are șase etape: diagnosticul, fișa de entitate, conținutul citabil, distribuția în publicații, accesibilitatea tehnică și măsurarea. Studiul nu raportează rezultate de client. Propune un protocol de măsurare repetată, care ține cont de variabilitatea răspunsurilor. Concluzia de lucru este că vizibilitatea în aceste răspunsuri decurge din credibilitatea surselor publicate și nu poate fi garantată.

1. Întrebarea de cercetare și unitatea de analiză

În tradiția metodologică a studiului de caz formulată de Robert K. Yin, un studiu pornește de la o întrebare de tip „cum” sau „de ce” și își delimitează clar unitatea de analiză. Întrebarea acestui studiu este următoarea: cum poate o companie din România să își crească probabilitatea de a fi menționată, corect și cu sursă, în răspunsurile asistenților conversaționali precum ChatGPT, Gemini, Perplexity sau rezumatele generate de Google, prin conținut publicat în presa online și pe propriile canale?

Întrebarea nu presupune că o companie poate „controla” ce spune un motor generativ. Aceste sisteme selectează surse după criterii proprii, nepublicate integral; întrebarea privește doar condițiile în care devine mai probabil ca ele să găsească firma, să o descrie corect și să citeze o sursă verificabilă.

Unitatea de analiză este metoda de lucru, nu un client anume. Studiul este un studiu de metodă: descrie procedura aplicată de autor prin EKO GROUP, o raportează la cercetarea și la documentația tehnică internațională și propune un protocol de măsurare. Nu conține date de client, rezultate măsurate sau estimări de rentabilitate. Perioada de referință pentru sursele consultate este 2023-2026, iar verificarea surselor a fost făcută la 15 octombrie 2026.

Contextul organizațional este cel declarat public de companie și de autor. Ecosistemul de servicii descris de autor include platforma EkoPress.ro, care se descrie drept un catalog de publicații organizat în 34 de categorii editoriale [1]. Motto-ul platformei EkoPress, „Fii citit. Fii citat.”, formulează ambiția pe care o examinează acest studiu: un text publicat să fie citit de oameni și, în egală măsură, invocat ca sursă de sistemele automate [2]. Datele despre companie sunt autodeclarate și nu au fost verificate independent.

2. Contextul internațional

Foto: panumas nikhomkhai / Pexels

2.1. Un public care primește răspunsuri, nu liste de linkuri

Raportul Generative AI and News Report 2025 al Reuters Institute for the Study of Journalism, de la Universitatea Oxford, publicat în octombrie 2025, arată că, în ansamblul țărilor studiate, 54% dintre respondenți au declarat că au văzut, în săptămâna anterioară, un răspuns generat de inteligența artificială la una dintre căutările lor [3]. Același raport constată că doar o treime dintre respondenți declară că dau clic în mod constant pe linkurile către surse, în timp ce 28% o fac rar sau niciodată [3]. Autorii raportului notează totodată că datele de trafic analizate nu arată încă un impact la nivelul întregii industrii a presei, deși unii editori au fost deja afectați [3].

Pe fondul acestei schimbări, încrederea în informație rămâne o resursă rară. Raportul Digital News Report 2025 al aceluiași institut arată că încrederea în știri este scăzută în multe piețe, cel mai redus nivel din eșantion, de 22%, fiind înregistrat în Ungaria și Grecia [4]. O parte importantă a publicului primește informația gata sintetizată, iar sursa din spatele sintezei devine mai puțin vizibilă, deși rămâne decisivă pentru corectitudinea ei.

Un studiu al Pew Research Center din iulie 2025 a constatat că utilizatorii Google au dat clic pe un rezultat clasic în 8% dintre vizitele în care a apărut un rezumat generat de inteligența artificială, față de 15% în vizitele fără un astfel de rezumat [5]. Mecanismul descris este simplu: când răspunsul este afișat direct, o parte dintre utilizatori nu mai ajung la sursele originale, iar a fi numit în răspuns capătă importanță.

Documentația Google Search Central precizează, la rândul ei, că rezumatele AI Overviews sunt afișate doar atunci când sistemele Google apreciază că aduc un plus față de căutarea clasică și că, din acest motiv, adesea nu apar [6].

2.2. Ce arată cercetarea despre optimizarea pentru motoarele generative

Termenul Generative Engine Optimization a fost propus în lucrarea „GEO: Generative Engine Optimization” a lui Aggarwal și colaboratorii, prezentată la conferința KDD 2024. Potrivit rezumatului autorilor, anumite metode de optimizare a conținutului pot crește vizibilitatea unei surse în răspunsurile motoarelor generative cu până la 40% [7]. Rezultatul, obținut în condiții experimentale, nu se transferă direct la o piață sau la o firmă anume, dar susține ideea că forma unui text influențează probabilitatea folosirii lui într-un răspuns generat.

2.3. Ce surse citează motoarele

Raportul Muck Rack, What Is AI Reading?, din decembrie 2025, analizează peste un milion de linkuri citate de mai mulți asistenți conversaționali, între care Gemini, Perplexity, Claude și ChatGPT [8]. Raportul constată că majoritatea citărilor provin din acoperire necomercială, că aproximativ un sfert dintre citări trimit la surse jurnalistice și că frecvența maximă a citărilor apare în primele șapte zile de la publicare [8]. Muck Rack este o platformă comercială de relații publice, deci o parte interesată, iar datele sale se citează ca atare.

Două lucrări recente, publicate ca preprinturi pe arXiv și neevaluate încă de colegi, oferă repere suplimentare. Prima, a lui Zhang, He și Yao, depusă în aprilie 2026, propune un cadru de măsurare a citărilor pe mai multe platforme de căutare cu inteligență artificială [9]. Potrivit autorilor, sursele oficiale, cele de presă și cele de specialitate pe verticală reprezintă, împreună, între 79,12% și 87,52% dintre citări, în funcție de platformă [9]. Ponderea surselor de presă variază între platforme: 31,17% la ChatGPT, 18,99% la Google și 16,07% la Perplexity, potrivit tabelului din secțiunea a 7-a a lucrării [9]. Autorii mai observă că Perplexity și Google citează în medie mai multe surse, în timp ce ChatGPT citează mai puține, dar cu o influență medie mai mare a paginilor preluate asupra răspunsului [9].

A doua lucrare, a lui Mochizuki, Komatsu, Noguchi și Ataka, aflată în evaluare la o conferință, studiază vulnerabilitățile citărilor în motoarele generative [10]. Rezumatul ei arată că citările din site-urile oficiale ale partidelor, adică din surse primare, reprezintă aproximativ 25-45% în Statele Unite și 60-65% în Japonia [10]. Contextul este politic, nu comercial, iar transferul către companii trebuie făcut cu prudență. Constatarea sugerează totuși că sursa primară, adică site-ul propriu al entității, poate avea o pondere importantă în citări.

Concluzia acestor surse este limitată: motoarele generative par să combine surse oficiale, presă și publicații de specialitate, cu ponderi diferite de la o platformă la alta. Niciuna nu măsoară efectul conținutului plătit asupra citărilor, limită discutată în secțiunea 5.

2.4. Ce spune Google despre eligibilitate

Documentația Google privind funcțiile de inteligență artificială din Căutare precizează că nu există cerințe suplimentare pentru apariția în AI Overviews sau în AI Mode și nici optimizări speciale necesare [6]. Pentru a fi afișată ca link de sprijin, o pagină trebuie să fie indexată și eligibilă pentru afișare cu fragment de text în rezultatele Google [6]. Pentru Google, așadar, condițiile tehnice ale vizibilității în răspunsurile generate sunt aceleași ca pentru căutarea obișnuită. Poziția oficială nu exclude efectele descrise de cercetare, dar le așază în cadrul unor practici obișnuite de publicare.

3. Metoda EKO pas cu pas

Foto: Wendelin Jacober / Pexels

Metoda descrisă mai jos reflectă practica autorului în campaniile derulate prin EKO GROUP [11]. Ea pornește de la o poziție asumată de autor: articolul de presă nu este prezentat clientului ca instrument de optimizare pentru motoarele de căutare, ci ca instrument de notorietate și credibilitate [11]. Prezența în răspunsurile motoarelor de inteligență artificială este tratată, în această logică, ca o consecință posibilă a unei urme publice credibile, nu ca un rezultat garantat.

3.1. Diagnosticul de vizibilitate

Prima etapă răspunde la o întrebare simplă: ce spun astăzi motoarele de inteligență artificială despre companie, dacă spun ceva? Diagnosticul se face printr-un set fix de întrebări, formulate așa cum le-ar pune un client potențial. Setul combină trei tipuri de întrebări:

• întrebări de entitate, care numesc direct firma („Ce este firma X?”, „Ce servicii oferă X?”);
• întrebări de categorie, care nu numesc firma („Cine oferă serviciul Y în orașul Z?”);
• întrebări de comparație, care pun firma alături de alternative („Ce diferențe există între X și alți furnizori de Y?”).

Pentru fiecare răspuns se notează dacă firma apare, cum este descrisă, ce surse sunt citate și dacă descrierea conține erori. Rezultatul etapei este o fișă de pornire, cu valorile inițiale ale indicatorilor din secțiunea 4.

Diagnosticul inventariază și urma publică existentă (site-ul propriu, articolele anterioare, profilurile profesionale), pentru a identifica sursele din care motoarele își pot construi descrierea firmei.

3.2. Fișa de entitate

A doua etapă stabilește o descriere de referință a companiei, folosită identic în toate textele: denumirea exactă, domeniul de activitate, localitatea, datele de contact, numele conducerii și o descriere scurtă a serviciilor. În practica autorului, coerența acestor elemente este tratată ca o condiție de bază, fiindcă sistemele automate încearcă să recunoască o entitate pornind din mai multe surse, iar informațiile contradictorii pot produce descrieri greșite [11].

Înainte de publicare se verifică dacă site-ul propriu, profilurile publice și textele noi folosesc aceleași date. Corectarea surselor proprii precedă, în această metodă, orice publicare externă.

3.3. Conținutul citabil

A treia etapă privește forma textelor. Metoda pornește de la ideea, susținută de lucrarea lui Aggarwal și a colaboratorilor, că modul în care este scris un text influențează probabilitatea ca acesta să fie folosit într-un răspuns generat [7]. În practica autorului, un text citabil are câteva trăsături [11]:

• pasaje autonome, care pot fi înțelese și citate fără restul articolului;
• răspunsuri directe la întrebări formulate explicit, de preferință în primele fraze ale fiecărei secțiuni;
• fapte verificabile, cu sursă, în locul afirmațiilor generale sau al superlativelor;
• denumirea completă a firmei și a domeniului, folosită consecvent, conform fișei de entitate;

Fiecare articol primește un rol distinct în ansamblul campaniei: prezentarea firmei, explicarea unei metode, analiza unei probleme de domeniu, punctul de vedere al conducerii. Diversitatea rolurilor evită repetarea aceluiași text în mai multe publicații.

Potrivit EkoPress.ro, clientul poate trimite propriul articol, poate apela la echipa editorială a platformei sau poate folosi generarea asistată de inteligență artificială [12]. Metoda cere, în toate variantele, verificarea umană a faptelor înainte de publicare.

3.4. Distribuția în publicații și transparența

A patra etapă alege publicațiile după potrivirea tematică cu publicul țintă și cu întrebările din setul de diagnostic. Datele preprintului lui Zhang și al colaboratorilor, potrivit cărora sursele de presă și cele de specialitate pe verticală ocupă o parte importantă din citări, susțin, cu rezervele de rigoare, o distribuție care combină publicațiile generaliste cu cele de nișă [9]. Un catalog organizat pe categorii editoriale, precum cel descris de EkoPress.ro în 34 de categorii, permite asocierea fiecărui articol cu verticala potrivită [1]. Potrivit ekogroup.ro, serviciul gestionat de articole de presă presupune scrierea și publicarea în presa națională și de nișă, cu link permanent și raport cu toate linkurile publicate [13].

Transparența rămâne o regulă a metodei. Potrivit EkoPress.ro, articolele standard sunt marcate „Publicitate” pe site-ul gazdă [12]. Pe partea tehnică, Google cere ca linkurile care sunt reclame sau plasări plătite să fie marcate cu atributul rel="sponsored" [14]. Politicile Google privind spamul precizează că linkurile plătite pentru reclame și sponsorizări nu încalcă regulile dacă sunt calificate cu rel="nofollow" sau rel="sponsored", în timp ce cumpărarea sau vânzarea de linkuri în scopul clasării în rezultate este considerată spam [15]. Metoda nu urmărește transferul de autoritate prin linkuri, ci existența unor texte accesibile și etichetate corect, pe care un motor le poate citi.

3.5. Accesibilitatea tehnică

A cincea etapă verifică dacă textele pot fi efectiv găsite. În acord cu documentația Google, metoda nu presupune optimizări speciale pentru răspunsurile generate, ci verificarea condițiilor obișnuite: pagina este indexată și poate fi afișată cu fragment de text [6]; accesul roboților de indexare și răspunsul paginii se verifică separat, ca practică tehnică uzuală. Verificarea se face atât pentru articolele publicate în rețea, cât și pentru site-ul propriu al companiei, care, potrivit preprintului lui Mochizuki și al colaboratorilor, poate avea o pondere importantă ca sursă primară [10].

Potrivit EkoPress.ro, platforma asigură o monitorizare zilnică a linkului publicat [12]. Metoda adaugă verificarea periodică a indexării, fiindcă un text care nu este indexat nu poate fi folosit ca sursă de sprijin în răspunsurile Google [6].

3.6. Calendarul și măsurarea

Ultima etapă stabilește ritmul publicării și momentele de măsurare. Datele Muck Rack privind concentrarea citărilor în primele zile după publicare (măsurată de raport pentru Claude și ChatGPT) sugerează că un flux regulat de texte noi poate fi mai util decât un singur val mare [8]. Ipoteza nu a fost testată în cadrul studiului. Calendarul include un punct zero, înainte de primul articol, puncte intermediare lunare și o evaluare finală la un interval stabilit dinainte după ultimul articol.

În practica autorului, unitatea de măsură a unei campanii rămâne conversația calificată: cererea de întâlnire, de ofertă sau un al doilea contact [11]. Mențiunea într-un răspuns generat este un indicator intermediar, nu un scop în sine.

4. Indicatori recomandați și măsurare

Foto: Tima Miroshnichenko / Pexels

Indicatorii de mai jos sunt propuși ca protocol de măsurare, nu ca rezultate. Fiecare se măsoară la punctul zero și apoi lunar, cu aceeași procedură, pe mai multe motoare: de exemplu ChatGPT, Gemini, Perplexity și rezumatele generate de Google, acolo unde acestea apar.

4.1. Variabilitatea răspunsurilor, o problemă de metodă

Răspunsurile motoarelor generative nu sunt deterministe. Aceeași întrebare, pusă de două ori, poate produce formulări, surse și chiar concluzii diferite. Răspunsurile diferă și de la o platformă la alta: preprintul lui Zhang și al colaboratorilor arată diferențe atât în numărul de surse citate, cât și în tipul lor [9]. În plus, Google precizează că rezumatele generate adesea nu apar pentru o anumită căutare [6]. Din aceste motive, o singură interogare nu are valoare de măsurătoare.

Protocolul propus reduce, fără să elimine, această variabilitate:

• setul de întrebări se fixează la punctul zero și nu se modifică pe durata măsurării;
• fiecare întrebare se adresează de mai multe ori pe fiecare motor, în aceeași sesiune de măsurare;
• se folosesc condiții constante: sesiune nouă, fără istoric, aceeași limbă, aceeași localizare, unde aceasta poate fi controlată;
• pentru fiecare răspuns se înregistrează data, motorul, versiunea afișată a modelului, textul răspunsului și sursele citate;

Rezultatele se exprimă ca proporții și tendințe, nu ca valori absolute.

4.2. Rata de mențiune

Rata de mențiune este proporția răspunsurilor în care firma este numită, din totalul răspunsurilor obținute pe setul fix de întrebări. Ea se calculează separat pentru fiecare tip de întrebare din secțiunea 3.1:

• la întrebările de entitate, indicatorul arată dacă motorul recunoaște firma;
• la întrebările de categorie, arată dacă firma apare printre opțiunile propuse, fără să fi fost numită în întrebare;
• la întrebările de comparație, arată cum este poziționată firma față de alternative.

Rata se calculează și pe fiecare motor, iar comparația relevantă este cea dintre punctul zero și măsurătorile ulterioare.

4.3. Ponderea surselor citate

Al doilea indicator descrie din ce surse își construiesc motoarele răspunsurile despre firmă. Pentru fiecare răspuns care menționează firma se notează sursele citate și se clasifică în:

• site-ul propriu al firmei;
• articole publicate în cadrul campaniei;
• alte surse de presă, neplătite;
• directoare, platforme profesionale și profiluri publice;
• alte surse.

Indicatorul principal este proporția răspunsurilor care citează cel puțin un text publicat în cadrul campaniei sau site-ul propriu. Reperele din literatură [9] [10] provin din alte piețe și se folosesc doar orientativ.

4.4. Consistența entității

Al treilea indicator măsoară corectitudinea, nu doar prezența. Pentru fiecare răspuns care menționează firma, descrierea se compară cu fișa de entitate din secțiunea 3.2. Se notează:

• dacă denumirea firmei este redată corect;
• dacă domeniul de activitate și serviciile sunt descrise corect;
• dacă localitatea și datele de contact sunt corecte;
• dacă răspunsul conține afirmații false, învechite sau atribuite altei firme.

Rezultatul se exprimă ca proporție a răspunsurilor fără erori, din totalul răspunsurilor care menționează firma.

4.5. Indicatori de context

Trei indicatori completează imaginea.

Conformitatea publicării. Se verifică fiecare URL: dacă pagina răspunde, dacă eticheta „Publicitate” este vizibilă, dacă linkurile către client au atributul corect și dacă pagina este indexată. Rezultatul se exprimă ca proporție a articolelor conforme din totalul publicat.

Căutările de brand. Raportul de performanță din Google Search Console afișează clicurile, afișările, rata de clic și poziția medie și permite gruparea datelor pe interogări [16]. Se izolează interogările care conțin numele firmei și se compară perioada campaniei cu o perioadă de referință de aceeași durată, de preferință aceeași perioadă din anul anterior. Rezumatele generate pot reduce clicurile chiar când vizibilitatea crește [5].

Solicitările. Se înregistrează cererile de ofertă și de întâlnire și, unde este posibil, răspunsul la întrebarea „cum ați aflat de noi?”. Varianta „am întrebat un asistent AI” se notează separat. Atribuirea rămâne aproximativă, fiindcă un client poate întâlni firma pe mai multe canale.

5. Limitele studiului

Studiul are limite care trebuie spuse deschis.

Autorul este parte interesată. Autorul conduce compania care oferă serviciile descrise. Selecția surselor, structura metodei și interpretarea lor pot reflecta, chiar și involuntar, acest interes.

Lipsa datelor proprii publicate. Studiul descrie o metodă și nu demonstrează un efect. Nu conține măsurători pentru o campanie reală și nu poate susține că metoda produce o anumită creștere a ratei de mențiune, a căutărilor sau a solicitărilor. Protocolul din secțiunea 4 este o propunere, care urmează să fie aplicată și raportată separat.

Preprinturile. Două dintre sursele citate, lucrarea lui Zhang, He și Yao și cea a lui Mochizuki și a colaboratorilor, sunt preprinturi publicate pe arXiv, neevaluate de colegi la data consultării [9] [10]. Cifrele lor pot fi modificate sau infirmate în versiunile finale. Lucrarea lui Mochizuki și a colaboratorilor privește, în plus, un context politic, nu comercial.

Caracterul nedeterminist al motoarelor. Răspunsurile asistenților conversaționali variază de la o interogare la alta, de la o platformă la alta și de la o versiune de model la alta. Comparațiile pe termen lung pot reflecta schimbări ale motoarelor, nu ale vizibilității firmei.

Conținut plătit versus conținut câștigat. Datele Muck Rack indică faptul că motoarele citează mai ales acoperire necomercială [8]. Articolele sponsorizate sunt, prin definiție, conținut plătit. Metoda nu poate presupune că ele vor fi citate în aceeași măsură ca articolele editoriale independente, iar niciuna dintre sursele consultate nu măsoară direct această diferență.

Natura surselor. Nicio sursă internațională citată nu măsoară serviciile EKO GROUP. Lucrarea lui Aggarwal și a colaboratorilor măsoară efecte în condiții experimentale, nu pe piața din România și nu în limba română. Muck Rack este furnizor de servicii de relații publice.

Factori concurenți. Mențiunile în răspunsurile generate, căutările de brand și solicitările pot varia din cauze care nu țin de campanie: acoperirea de presă independentă, alte acțiuni de marketing, sezonalitatea, schimbările algoritmilor. Fără un grup de comparație, legătura cauzală nu poate fi stabilită.

Datele autodeclarate. Informațiile despre EKO GROUP și EkoPress.ro provin de pe site-urile companiei și de la autor și nu au fost auditate independent. Studiul a evitat intenționat cifrele publicate de companie care nu sunt consecvente între propriile site-uri.

6. Declarație de interese

Autorul acestui studiu, Eduard Petrescu, este fondatorul EKO GROUP, companie care furnizează servicii de articole de presă; platforma EkoPress.ro, al cărei motto dă titlul studiului, face parte din ecosistemul de servicii descris de autor. Autorul are, prin urmare, un interes comercial direct în percepția publică a serviciilor descrise și în ideea că publicarea de conținut poate influența răspunsurile motoarelor de inteligență artificială. Studiul a fost redactat ca descriere de metodă, cu surse externe citate, cu preprinturile marcate ca atare și cu limitele declarate, pentru ca cititorul să poată verifica independent fiecare afirmație. Studiul este autopublicat și nu a trecut printr-o evaluare academică independentă.

Note

[1] Cele 34 de categorii editoriale: EkoPress.ro, pagina „Despre”, accesat la 15.10.2026. Datele sunt autodeclarate.

[2] Motto-ul platformei EkoPress și interpretarea lui reprezintă poziția autorului, formulată în prezentarea sa publică; nu este o sursă independentă. Profilul autorului: Eduard Petrescu pe comunitatea-expertilor.ro.

[3] Reuters Institute for the Study of Journalism, Generative AI and News Report 2025: How people think about AI's role in journalism and society, 7 octombrie 2025, pagina raportului, accesat la 15.10.2026.

[4] Reuters Institute for the Study of Journalism, Digital News Report 2025, 17 iunie 2025, pagina raportului, accesat la 14.10.2026.

[5] Chapekis, A. și Lieb, A., „Google users are less likely to click on links when an AI summary appears in the results”, Pew Research Center, 22 iulie 2025, articolul Pew Research Center, accesat la 14.10.2026.

[6] Google Search Central, „AI features and your website”, actualizat la 10.12.2025, documentația Google, accesat la 15.10.2026.

[7] Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K. și Deshpande, A., „GEO: Generative Engine Optimization”, KDD 2024, arXiv:2311.09735, accesat la 14.10.2026.

[8] Muck Rack, What Is AI Reading?, decembrie 2025, raportul în format PDF, accesat la 14.10.2026. Sursă produsă de un furnizor de servicii de relații publice.

[9] Zhang, K., He, X. și Yao, J., „From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms”, preprint arXiv, depus la 28.04.2026, revizuit la 29.04.2026, neevaluat de colegi, arXiv:2604.25707, accesat la 15.10.2026. Cifrele pe platforme provin din tabelul secțiunii a 7-a.

[10] Mochizuki, R., Komatsu, S., Noguchi, S. și Ataka, K., „Exposing Citation Vulnerabilities in Generative Engines”, preprint arXiv, depus la 08.10.2025, revizuit la 02.03.2026, în evaluare la o conferință, arXiv:2510.06823, accesat la 15.10.2026.

[11] Poziția autorului, formulată pe baza practicii proprii; nu este o sursă independentă. Profilul autorului: Eduard Petrescu pe comunitatea-expertilor.ro.

[12] EkoPress.ro, paginile „Presă” și „Cum funcționează”, accesate la 14.10.2026. Informații autodeclarate de companie.

[13] EKO GROUP, pagina serviciului de articole de presă, accesat la 14.10.2026. Informație autodeclarată de companie.

[14] Google Search Central, „Qualify your outbound links to Google”, actualizat la 10.12.2025, documentația Google, accesat la 14.10.2026.

[15] Google Search Central, „Spam policies for Google web search”, secțiunea „Link spam”, documentația Google, accesat la 14.10.2026.

[16] Google, „Performance report (Search results)”, Search Console Help, pagina de ajutor Google, accesat la 14.10.2026.

Bibliografie

Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K. și Deshpande, A. (2024). GEO: Generative Engine Optimization. Proceedings of KDD 2024. arXiv:2311.09735.

Chapekis, A. și Lieb, A. (2025). Google users are less likely to click on links when an AI summary appears in the results. Pew Research Center.

Google Search Central (2025). AI features and your website; Qualify your outbound links to Google; Spam policies for Google web search.

Mochizuki, R., Komatsu, S., Noguchi, S. și Ataka, K. (2025-2026). Exposing Citation Vulnerabilities in Generative Engines. Preprint, arXiv:2510.06823.

Muck Rack (2025). What Is AI Reading? (ediția decembrie 2025).

Reuters Institute for the Study of Journalism (2025). Digital News Report 2025. University of Oxford.

Reuters Institute for the Study of Journalism (2025). Generative AI and News Report 2025: How people think about AI's role in journalism and society. University of Oxford.

Yin, R. K. (2018). Case Study Research and Applications: Design and Methods (ed. a 6-a). SAGE Publications.

Zhang, K., He, X. și Yao, J. (2026). From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms. Preprint, arXiv:2604.25707.