Position-adjusted word count

Hoe hoger en vroeger een citaat staat, hoe zwaarder het meetelt. Een bron die bovenaan wordt geciteerd, kan zo een hogere score krijgen dan een bron met meer woorden die pas onderaan verschijnt.

Waarom was een nieuwe metriek nodig?

Bij een klassieke zoekmachine is zichtbaarheid simpel te meten: de gemiddelde positie in een lijst met links. Een generatieve engine geeft geen lijst, maar een doorlopend tekstblok waarin citaten van wisselende lengte, positie en presentatie door elkaar staan. De oude meetmethode werkt daar niet meer.

Het paper introduceert PAWC daarom als een manier om zichtbaarheid te meten binnen de gesynthetiseerde paragraaf zelf, niet op een resultatenlijst.

Waarom telt de positie zo zwaar mee?

De formule weegt het woordenaantal van een citaat af met een exponentieel dalende functie van de positie in het antwoord: hoe verder een citaat naar achteren staat, hoe sneller zijn gewicht afneemt. Dat weerspiegelt onderzoek naar klikgedrag in klassieke zoekresultaten, waar posities eveneens een machtswet-verdeling volgen.

De praktische les zit in de naam zelf: tweehonderd woorden onderaan een antwoord wegen minder zwaar dan vijftig woorden in de openingszin. Je citeerbare kernboodschap hoort daarom vooraan te staan.

Wat is het verschil met Subjective Impression?

Het paper gebruikt PAWC als objectieve metriek naast een subjectieve tegenhanger: Subjective Impression. Waar PAWC telbare woorden en posities meet, beoordeelt Subjective Impression via een taalmodel (met een methode vergelijkbaar met G-Eval) hoe relevant, invloedrijk en uniek een citaat overkomt, en hoe waarschijnlijk het is dat een gebruiker erop zou klikken.

Voor de leesbaarheid worden Subjective Impression-scores genormaliseerd op dezelfde schaal als PAWC.

Waar komt deze metriek vandaan, en wat laat het onderzoek zien?

PAWC komt uit "GEO: Generative Engine Optimization" (Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan en Deshpande), gepubliceerd op KDD 2024 en op 16 november 2023 als preprint verschenen. De auteurs zijn verbonden aan Princeton University en het Indian Institute of Technology Delhi. Het paper introduceerde ook GEO-bench, een benchmark van 10.000 zoekopdrachten uit negen verschillende bronnen, en testte negen verschillende contentstrategieen, van het toevoegen van statistieken en citaten tot het vereenvoudigen van taalgebruik.

Op die benchmark verbeterden de sterkste methoden PAWC aanzienlijk ten opzichte van een ongeoptimaliseerde basislijn. De vier best presterende technieken uit het paper:

• Citaten en quotes toevoegen: +41% PAWC, +28% Subjective Impression, de sterkste techniek.
• Statistieken toevoegen: +31% PAWC.
• Tekst vlotter maken (fluency): +28% PAWC.
• Bronvermeldingen toevoegen (cite sources): +28% PAWC.

Ter vergelijking: klassieke SEO-zoekwoordstuffing presteerde in dit onderzoek juist slechter dan geen optimalisatie.

Belangrijke nuance: dit is een prototype-metriek uit 2023, getest op een zelfgebouwde generatieve engine en apart gevalideerd op het echte Perplexity.ai (met andere, vergelijkbare percentages), geen officiele metriek van OpenAI of Google. Gebruik PAWC als het academische fundament van GEO-meting, niet als een live dashboardcijfer.

Wil je weten hoe jouw content scoort op AI-zichtbaarheid? Bekijk onze GEO-dienst.