AI 時代的營銷迷思，GEO 的黑白兩面

人工智能重塑后的搜索引擎，需要一套新的搜索營銷思路，這是我們在過去文章中反復提到過的觀點。

而今這種需求逐漸變得越來越急迫，因為消費者正在大規模地從傳統搜索引擎轉向各類 AI 對話＆問答產品。凱捷咨詢公司（Capgemini）的調查顯示，2024 年，就有超過半數（58%）的消費者已使用人工智能工具取代傳統搜索引擎來獲取產品/服務推薦，這一比例較 2023 年的 25% 顯著上升。

它所指向的議題是，當通過 AI 自然對話直接獲取答案或建議成為主流，傳統SEO的注意力覆蓋是否會出現盲區。

這種變化催生了一個新的營銷課題：GEO，即生成式引擎優化（Generative Engine Optimization）。它關注品牌信息能否被 AI 理解、引用，并整合進最終答案里。AI 成為直接顧問，優化目標就從“被看到”變成了“被想到”和“被推薦”。

這種新一代的搜索方式又與消費意愿緊密關聯。Adobe 2025 年初對 5000 名美國消費者進行的調查顯示，39% 的受訪者已使用生成式人工智能進行網上購物，另有 53% 的受訪者計劃年內使用。在 2024 年末大促“網絡星期一”當天，來自生成式人工智能的流量同比增長達到了驚人的 1950%，足以看出互聯網用戶“遷徙”的軌跡。

其中消費者使用生成式人工智能的購物方式包括：進行產品研究（55% ）、獲取產品推薦（47%）、尋找優惠（43%）、獲取禮物靈感（35%）、尋找獨特產品（35%）以及創建購物清單（33%）。

這種新的信息集散方式極大縮短了用戶獲取消費參考的所需時間，且通過新的交互流程重塑購物體驗。與之對應，企業也需要重新思考與消費者的互動方式，也應提起對 GEO（生成式引擎優化）的重視。

品牌的“能見度”變得不確定

《哈佛商業評論》在近期一篇文章中列出了一個品牌知名度矩陣，分為兩個指標，一是評估品牌在 LLM 平臺上的知名度（代表相對傳統的“大眾消費認知度”），二是評估總體品牌知名度。由此得出了四個知名度象限。

兩項指標都高的品牌通常本身具備廣泛大眾認知度，再加上品牌營銷重視其在大語言模型中的可見度，比如特斯拉。新近企業，或者原生于人工智能時代的平臺會更容易被 LLM 抓取識別。

與此同時，存在一些品牌擁有或者曾經擁有極高知名度，但人工智能在抓取相關信息進行內容生成時卻鮮有提及。當然，也有一些品牌兩項指標都低，源于其自身對搜索營銷不夠重視。

《新立場》用國內相關產品做了一個簡單的測試：選取當前 iOS 免費榜上排在前列的三個 AI 應用，分別向他們提問，“請給我推薦三個掃地機器人品牌，需要優先考慮它解決毛發纏繞的能力。”

圖片從上至下分別來自：豆包/元寶/DeepSeek

可以看到豆包、元寶和 DeepSeek 都是抓取了結構化的信息，圍繞“解決毛發纏繞”這一特定訴求做出分析和取舍，但給出了三套不同的結果，對何為“最優入選”的判斷不盡相同。

這便引出一個結論，在大模型成為新一代“決策入口”之后，品牌的“能見度”變得不確定。

品牌的歷史聲量在范式變革的時刻“光暈褪色”。AI 不會時刻銘記“你有多大牌”，而是判斷你是否被足夠多高質量文本反復描述，能否在“解決某個問題”時具備明確、可引用的能力標簽。

這種情況其實不是第一次發生，回看過去二十年，每一次主流信息分發機制更替，都會重塑品牌知名度的排序方式。

微博、微信、短視頻崛起初期，很多“不會做新媒體”的傳統強勢品牌并非產品不行、預算不夠，而是不會把自己翻譯成新平臺可理解的內容形態。比如少有與 UGC/KOL 協同，不會做故事化表達，說得再通俗一點，就是缺乏“網感”。

一代人有一代人的消費“集體印象”，最早的品牌甚至可以靠口耳相傳成為國民級，這在現在看來是不可思議的。后之視今，亦猶今之視昔。

以及，這一次為人工智能掀起的范式革命，很可能比“新媒體時代”更徹底、更不可逆。因為 AI 提供的答案沒有第二頁。

上述相同問題的百度網頁搜索結果

在搜索引擎時代，哪怕排序靠后，用戶會翻頁、會改關鍵詞、會在多個平臺交叉驗證。傳統搜索是信息集散與分發邏輯，用戶多少能在主動信息漫游中發現排名靠后的商業信息，但 AI 回答提供的是判斷：模型直接給出整合后的答案；多數用戶不會、也不需要追問；推薦結果通常被壓縮為 3–5 個候選項。

注意力競爭更加激烈，新媒體時代的“冷啟動”打法按 AI 的答案邏輯是更難生效的。

既然如此，品牌還能做什么？這便是 GEO 出現的真正背景。

方法明確嗎，生態健康嗎？

提升品牌在 AI 生成中的可見性，本質上是一個“語義工程”：降低模型理解與引用的語義成本。

如前文所言，傳統搜索引擎解決的是信息匹配問題，而 AI 更多是去進行判斷與生成。大模型理解信息，會經過語義歸類，所以定義越清晰、邊界越明確的對象，越容易被穩定定位和反復調用。與此同時，模型會對不同文本來源進行隱性加權，AI 更信任被多來源反復確認的信息。

在這個基礎邏輯上，我們可以推測 AI 傾向調用的內容特點。比如要能被明確歸類，比如產品功能、場景、解決方案清晰可標記，最好在不同渠道（官網、媒體、測評與討論）中反復出現相似表述而近似于“共識”。以及“AI 友好”，意即呈現方式結構化、完整、準確、易于抓取。

仍舊用前文提到的案例來說明。對于掃地機器人產品的相關表述，“在解決毛發纏繞這一問題上，X 產品采用了 X 結構設計，適合多寵家庭”，這就比較“AI 友好”。功能對應能解決的問題，場景突出解決方案，特征顯化方便 AI 對橫向對比。

相反表述是“重新定義清潔體驗”“為愛寵家庭而生”這類營銷口號式的、情緒化的表達。

去年 6 月，成立不到一年的新銳公司 Profound 以紅杉資本、英偉達等巨頭背書和巨額融資引起廣泛注意。其核心業務就是幫助企業監控和優化在 AI 搜索引擎中的表現。

圖片來源：Profound 官網

Profound 所提供的服務就可以被簡單概括為“了解人工智能如何談論你的品牌”。比如，數據化品牌在各種 AI 產品中被提及的頻率、情境、描述方式、引用來源；提供當前用戶向 AI 的提問趨勢；分析品牌內容被抓取的效率，等等。

但也正是因為生成式人工智能如上特性，GEO 也可以成為對認知入口的隱蔽操縱。AI 的信源可能被污染，目前也確實存在一些以 GEO 為招牌的營銷服務就是通過“污染” AI 信源達成目的。

AI 無法天然對調用內容做“動機判斷”，使其區別于“精心包裝的營銷內容”。《光明日報》不久前就發文批評過 GEO “借助 AI 打隱蔽廣告”。商業機構可以通過批量炮制問答帖、仿冒官方白皮書、劫持舊域名等手段，把特定品牌信息喂給大模型，使其在回答用戶提問時，不自覺地引用并推薦目標商品。

圖片來源：微博@光明日報

類似操作一度被稱為給 AI “投毒”。《第一財經》此前的文章也有報道，網絡上各類依據不明的榜單就是杜撰重災區，這些榜單可能是一些公司為了提升曝光度做 GEO 后的呈現。就連“GEO 廠商排行榜”這類關鍵詞，網絡上能搜到的文章也有一些未寫明評分依據，參考文獻不可考。

其操作流程如同一個“黑匣子”，尚未完全規范，也不公開透明。因此，GEO 是先鋒的，但目前也是“不穩定”的。

浪潮漸成型，但塵埃未落定

需要指出的是，GEO 與 SEO 并不是兩個斷裂的營銷概念。

它們都圍繞內容質量做文章，以提升品牌能見度為目的。有相當一部分業內認為，做好 SEO、適應人工智能的新邏輯，GEO 優化會是水到渠成的。比如老牌 SEO 品牌 Moz 近年將其技術與生成式 AI 優化結合，在成熟的生態之上成功開拓了 GEO 業務。

只是作為與新技術密切關聯的新營銷手段，GEO 目前留白的空間還很多，或者說心智尚未成型，沒有明顯領跑力量。除了前文提到的，其模式本身還存在黑箱困境，GEO 可能還要等待 AI 產品廝殺出一個優勝者。

GEO 依附于“答案入口”，而答案入口尚未統一。且不論搜索引擎仍在發光發熱，各類 AI to C 應用還在跑馬圈地的階段，還沒有相對通行的“規則”。比如是否允許商業推薦、如何標注商業影響、如何處理“被投喂”的內容。

在 AI 格局未定之前，GEO 或許還將持續一段時間這種混亂、分散、甚至被濫用的狀態。