專訪火山引擎前市場總經理：拿下清華系和產業投資數千萬元融資，自研模型做GEO

AI營銷是新一代AI中進展最快的細分領域。

從2023年的批量生成素材開始，熱點抓取、達人投放、平臺投放、爆款拆解等等營銷環節，都已經被AI“盯上”。

到了2025年，最被關注的AI營銷話題成為了GEO（Generative Engine Optimization）。

和SEO理念類似，GEO的目標也是提升品牌在搜索結果中的比重。但不同于SEO倚重傳統搜索引擎，GEO要做到的，是讓品牌出現在新一代AI生成的答案中。

GEO的需求量可以用“爆發式”來形容?，F在在小紅書、淘寶、閑魚上搜索相關詞條，會蹦出成百上千個結果。

海外，初創公司Profound，成立不到一年已經完成3輪融資，投資方包括英偉達和紅杉資本。

*Profound融資新聞

全球范圍內，最近半年不管是SEO服務商、傳統營銷企業，還是專門的GEO公司，都在以自己的方式爭奪這個新興市場。

在眾多入局者中，四木相對論最近接觸到的「PureblueAI清藍」是比較特別的一家。

這家公司成立于2024年底，今天宣布完成由英諾天使基金、藍色光標聯合領投，水木清華校友種子基金跟投的千萬元種子輪融資。

「PureblueAI清藍」CEO魯揚，創業前是字節火山引擎市場總經理。更早他曾在京東云、銷售易擔任管理職位。

*魯揚

魯揚告訴我，雖然「PureblueAI清藍」只成立了短短一年，但這一年他和團隊從0-1見證了GEO行業的出現。「PureblueAI清藍」的技術路線，也經歷了由人工經驗走向數據，再到訓練自家模型的過程。

目前，基于人工經驗做內容和平臺優化，是諸多從業者所宣傳的GEO方案——這樣做的邏輯是，人肉測試出各AI平臺引用較多的文章和渠道，模仿出類似的文章后再批量丟進渠道中，提升AI的引用概率。

魯揚說，「PureblueAI清藍」一開始也曾采用過類似方法，但這種方案并不能保證GEO結果優化的精準性，難以向客戶保障效果。

發現這個問題后，「PureblueAI清藍」轉向數據驅動，主要是通過A/B test的方式找到不同AI平臺的優化方法。

但是，由于大模型的引用維度很多，A/B測試的方式依然效率很低。

走過這兩個階段，魯揚和團隊堅定認為，不能依靠人工追逐模型。他們開始訓練自己的GEO模型，決定讓算法解密算法。

"我們訓練了混合架構的模型，核心是用量化交易里因子挖掘的方式，尋找AI內容的可辨識度。"魯揚認為，這是既能保證效果、又能規模化發展的方案。

今年4月，當這個專為GEO訓練的模型上線后，PureblueAI清藍團隊開始用它生成客戶指定平臺所青睞的文章。

目前這個模型能做到，依據客戶所指定的問題和AI平臺，生成該平臺"辨識度更高"的內容和值得被投放的高優先級渠道。依據相應策略進行內容投放后，就能幫客戶提升GEO效果。

雖然這個“用算法解密算法”的模式才上線幾個月，但魯揚介紹，PureblueAI清藍已經能做到按效果收費。也就是，客戶可以依據指定的GEO品牌推薦率和排名率等維度的效果付費。

"過去三個月，我們的營收每個月都在翻倍增長。"魯揚說，這是用模型做GEO帶來的市場真實反饋。

以下是本次交流實錄：

Q：PureblueAI清藍是2024年下半年成立的，當時為什么想從大廠出來創業？

魯揚：我個人創業的想法已經存在很久。2016年，我加入京東云從0-1搭建了市場團隊，其實就很像在大公司內部創業。后來，我加入銷售易擔任市場副總裁，它也是當時國內頭部的SaaS創業公司。

最近兩年我在火山引擎，負責字節跳動云服務和豆包大模型的市場業務，處于AI創業的最前線。我能看到，客戶對AI的使用依賴程度越來越深。

我在市場營銷領域從業20年，完整經歷了互聯網和移動互聯網這兩波大浪潮。我相信AI帶來的社會變革絕不亞于前面這兩波，而這一次的生成式AI又跟我的老本行——市場營銷產生了天然緊密的結合，可以說營銷是大語言模型最好的落地場景，這些都堅定了我的創業信念。

Q：為什么是2024年下半年？當時的創投市場不是很活躍。

魯揚：2024年下半年很多人認為并非創業的好時間，投資圈也不積極。但我和合伙人從模型演進的角度判斷，當時是比較適合入局的窗口。

我個人的履歷更適合做AI應用，尤其是營銷相關的應用。2023年的時候也看過一些創業機會，但當時最火爆的是infra層。而當時的基模能力導致應用并不成熟，尤其是To B類應用。

去年我和聯創討論，認為在2025年也就是今年年底，To B的AI應用有可能批量落地。但如果等到基模能力完全成熟才開始做，可能就晚了。比較好的節奏是提前一段時間打磨這個產品，待模型能力成熟時實現PMF。

整體來說，這件事再早或者再晚去做都不合適，2024年下半年是ToB AI應用比較好的入局Timing。

Q：AI營銷是第一波火爆的AI垂直方向，細分方向也很多。我們為什么選擇GEO？

魯揚：其實這個過程我們經過了一些迭代。

去年下半年剛創業時，我們主要做通用營銷智能體的業務，利用AI Agent幫助企業做流量運營。

當時我們分析企業流量主要聚集在三大陣地，第一個是搜索引擎。因此我們的一個能力是通過AI幫助客戶做SEO，現在這個模塊也在。

第二個流量聚集地是抖音、快手、小紅書等內容和社交平臺。在這些平臺上，我們幫客戶做熱點營銷、爆款捕捉和流量裂變。

第三部分才是GEO。因為第三個流量聚集地是AI平臺，當時還沒有GEO這個詞。我們稱之為AI平臺的 SEO。隨著1月份DeepSeek開始火爆，我們內部判斷GEO的需求一定會爆發。所以我們就開始主攻GEO，尤其是開始訓練自己的模型做GEO。

后續也如我們所料，春節結束之后，短短一個半月內GEO迅速爆發。到了4月，我們交付了第一個完整服務的客戶，效果非常好。公司也將整個業務聚焦在GEO上。

Q：現在入局GEO的公司很多，大家的路線也有些差異。你怎樣看這些不同的方案？

魯揚：現在企業的廣告投放和品牌推廣已經進入3.0時代，從傳統的購買硬廣流量，轉向影響AI的軟性推薦，也就是GEO。

GEO與SEO是完全不同的技術路線。過去大家比較熟悉的是SEO，它基于搜索引擎的關鍵詞和權重規則。搜索引擎的權重規則公開透明，很多SEO的標準教程是公開的，只要你做過數字營銷，就一定能了解百度的權重規則評判以及如何優化。這種情況下，我們做SEO通常依靠人力就可以實現。

但是，當我們面對的是大模型時，它不會告訴你它推理的規則和邏輯，它是一個非線性邏輯，是一個不斷進化的黑盒。

在這種情況下，我們認為使用SEO的方法不可行。但SEO在過去多年里根深蒂固，所以很多人會從這個思路出發做事情。我們一開始也走了彎路。

Q：我們做GEO的路線更迭過程是怎樣的？

魯揚：從24年下半年開始，我們成為了國內第一批做GEO的企業。一直到今年年中，總共走過了三個階段。

這三個階段分別是經驗驅動、數據驅動和模型驅動。我們自己完整經歷了這三個階段，尤其是第一階段，現在還有非常多的服務商在這個階段。

今天國內的GEO市場非常混亂。幾乎所有的傳統SEO服務商和營銷咨詢公司，一夜之間都開始做GEO。他們的做法大都是經驗驅動。什么是經驗驅動？說白了就是靠人工做。

無論是國內還是國外，過去多年沒有一款SaaS的SEO產品。因為整個SEO領域都不依賴于產品化，而是依賴于人工經驗。人工需要做的事情非常細致且分散，比如官網優化、代碼優化、內容優化、內外鏈以及外部口碑等工作，這些工作非常分散。

Q：人工的方法有效果嗎？

魯揚：有一定效果，但效率非常低下。

當前的人工方式，通常是圍繞文章結構優化和數據源優化，輔以SEO，同時會用人工肉眼觀察AI平臺慣常引用的網站，再進行批量鋪稿。

這些手段雖然會有一定效果，但最大的問題是不精準。我們去年下半年也走過重人工的路線，發現效果不精準后就轉向了其他路線。

Q：效果不精準具體怎么理解？

魯揚：不精準主要體現在結果不受控制、效果不易預測。

比如在同樣的人工優化下，有的搜索問句很容易出現效果，有的問句會很難；或者同一個問句，在豆包上優化上去了，但是在Deepseek和元寶上沒有效果；效果出現后的持續時間也不確定。

Q：這種效果是很難給客戶交付的。

魯揚：對，當時我們發現依靠人工經驗做GEO非常不精準，于是自然地進化到了第二個階段，也就是數據驅動的階段。

數據驅動是指我們通過數據監控系統進行數據監控和分析，并進行大量的A/B測試。因為我們的核心團隊來自于字節，這種A/B測試的思路可以說繼承于字節。

當時我們發現精準度有所提升。但問題在于，A/B測試仍然是人工完成，模型迭代速度又很快，這種方法跟不上模型算法的變化。

Q：這里的A/B測試是指，你們針對不同平臺和優化方法進行A/B測試？

魯揚：是的，測試不同的平臺和優化方法。

走過這兩個階段之后，我們覺得不能夠依靠人工追逐模型。

我們只能讓模型學習模型，讓算法解密算法，而不是依靠人工經驗猜測算法。這是我們最核心的思路，也是我們區別于其他服務商最核心的地方。

我們團隊的核心是用量化交易里因子挖掘的方式去尋找內容的AI可辨識度。

所以，今年初我們進入了第三階段，也就是模型驅動。我們訓練了一個混合架構的模型，通過強化學習的方法深入學習AI平臺的內在機制，從而提升品牌的AI可辨識度。

Q：目前這個模型是怎樣提供服務的？

魯揚：在實際場景中，當需要為一個客戶提供服務時，我們會讓模型根據對AI平臺的學習，端到端地生產出內容。

例如，某個車企要優化“30萬的新能源車誰最好”這個問題，模型就可以直接生產能夠優化這個問題的文章，以及發布策略。

我們是大小模型的架構，在基礎模型之上，還會讓模型針對客戶所處行業、品牌、產品以及需要優化的問句進行個性化學習，從而對優化策略進行精調。

從交付上，是直接交付效果，客戶不需要拿著工具自己操作配置。

Q：交付效果的含義可以拆解一下嗎？

魯揚：客戶確定需要優化的問句和平臺，我們直接幫客戶完成優化，提升他的品牌在相應平臺上的推薦率和排名率。

在具體的服務過程中，我們會有固定的服務鏈路。首先我們會幫助客戶進行意圖挖掘。有些客戶可能不清楚應該優化哪些問句，我們會幫助他進行用戶意圖的分析和挖掘；然后針對這些意圖進行AI口碑診斷，告訴客戶今天他在各大AI平臺上的表現，以及我們的優化建議。

然后再幫客戶做端到端優化，并且實時監測優化效果，確保服務期內的效果持續。

Q：現在有沒有代表性案例可以分享？

魯揚：很多，比如螞蟻。螞蟻數科在4月底發布了一款面向金融行業的智能體開發平臺Agentar。當時我們配合螞蟻數科新產品的發布，幫助提升它在金融智能體開發領域的AI認知度，將品牌呈現率和排名率都提升到接近100%。

Q：這種模型路線還需要配合人工嗎？比如多發稿件。

魯揚：我們不需要海量堆稿。

我們看到很多服務商的方式是堆大量稿件，靠概率去碰；但我們是通過發布少量精準且高質量的內容，來做到更高的AI引用率。背后還是同一個原理：依靠算法生成AI友好的、高質量的內容，而不是依賴人工經驗去猜測和堆稿。

Q：聽下來「PureblueAI清藍」的GEO流程是，客戶提出自己的需求，我們用模型根據需求學習，從而生成精準的可被AI平臺識別的內容。再將這些內容進行發布，之后AI就可以識別這些內容。

魯揚：是的。稿件的發布渠道也是模型計算的結果。

Q：一些國外平臺的思路看起來與我們有所差異。他們一般會有一個平臺，先進行檢測，再優化內容，最后持續監控。

魯揚：對，海外大家知道較多的如Profound、AthenaHQ等企業，我們跟他們都是去年開始，是市場上最早的一批GEO服務商。當時這個領域并不被人關注。現在我們看到海外已經有了幾十家GEO服務商，這個賽道在海外也是非常新的領域。

但是從產品架構和交付上，我們跟海外產品有比較大的差異。一方面海外的GEO產品大多是SaaS架構，而我們的產品是Agent base，基于自研的多智能體架構。

另外海外廠商主要交付的是數據分析和優化建議，而我們則是幫客戶把優化的工作做完，交付優化結果，按效果付費。

Q：按照效果付費，客戶具體是如何進行評估的？

魯揚：按效果付費分成兩類，一類是品牌效果，另一類是獲客效果。

當前我們主要是按前者，品牌效果來收費，幫助客戶提升品牌在AI平臺的呈現率和排名率。

同時我們也在探索按獲客效果付費的方式，隨著ChatGPT開始支持亞馬遜電商鏈接，我們看到國內的AI平臺也逐步開始在回答中支持外鏈，開始為品牌官網和電商導流，整個AI消費開始實現閉環。

我們相信GEO在未來不僅僅能幫企業做品牌呈現，同時也會是未來的流量運營方式。

Q：現在很多人會說SEO和GEO是共存的狀態。這或許也代表了大家對兩種搜索引擎的態度，你怎么看？

魯揚：從終局看，我認為GEO在未來會替代SEO。背后的邏輯是傳統搜索會被AI搜索替代。

但這并不是指搜索引擎都會消失，百度和Google自己也會轉變為AI搜索。同時抖音、小紅書等內容平臺也都開始提供AI overview。可以說，AI搜索會成為未來的互聯網基建。

但這個過程不是一蹴而就的，這也是我們現在還為客戶提供AI SEO服務的原因。AI SEO是GEO的補充，一方面通過AI的手段幫客戶完成所有SEO優化工作，同時從優化目的上，要讓企業的官網不僅提升搜索引擎的排序權重，也要同時適配GEO，符合AI的識別邏輯，讓企業的官網能夠被AI所信任、識別和引用。

Q：關于GEO的市場格局，目前有很多不同的角色參與到這個領域，你覺得哪一種角色更有競爭力。

魯揚：當前有一部分人對GEO有誤解或疑慮，因為在SEO的年代，有很多投機取巧的做法，比如通過洗稿、刷量的方式去提升搜索權重。

我認為這些在GEO時代都會失效。因為隨著AI的發展，大模型只會越來越聰明，企業只有堅持做正向且高質量的內容，才有可能被AI信任。所有投機取巧的方式在當下可能會有效果，但是在未來都會被更聰明的模型所識別。

所以，根據品牌的真實定位，生產高質量且能夠被AI認可的營銷內容，才是GEO的正確方向。我們也相信無論采取什么樣的技術手段，只有堅持“正向優化”，能提供給客戶正向品牌價值的服務商，才會在未來勝出。