作者|公白飞

编辑| 王   威

人工智能重塑后的搜索引擎，需要一套新的搜索营销思路，这是我们在过去文章中反复提到过的观点。

而今这种需求逐渐变得越来越急迫，因为消费者正在大规模地从传统搜索引擎转向各类 AI 对话＆问答产品。凯捷咨询公司（Capgemini）的调查显示，2024 年，就有超过半数（58%）的消费者已使用人工智能工具取代传统搜索引擎来获取产品/服务推荐，这一比例较 2023 年的 25% 显著上升。

它所指向的议题是，当通过 AI 自然对话直接获取答案或建议成为主流，传统 SEO 的注意力覆盖是否会出现盲区。

这种变化催生了一个新的营销课题：GEO，即生成式引擎优化（Generative Engine Optimization）。它关注品牌信息能否被 AI 理解、引用，并整合进最终答案里。AI 成为直接顾问，优化目标就从“被看到”变成了“被想到”和“被推荐”。

这种新一代的搜索方式又与消费意愿紧密关联。Adobe 2025 年初对 5000 名美国消费者进行的调查显示，39% 的受访者已使用生成式人工智能进行网上购物，另有 53% 的受访者计划年内使用。在 2024 年末大促“网络星期一”当天，来自生成式人工智能的流量同比增长达到了惊人的 1950%，足以看出互联网用户“迁徙”的轨迹。

其中消费者使用生成式人工智能的购物方式包括：进行产品研究（55% ）、获取产品推荐（47%）、寻找优惠（43%）、获取礼物灵感（35%）、寻找独特产品（35%）以及创建购物清单（33%）。

这种新的信息集散方式极大缩短了用户获取消费参考的所需时间，且通过新的交互流程重塑购物体验。与之对应，企业也需要重新思考与消费者的互动方式，也应提起对 GEO（生成式引擎优化）的重视。

品牌的“能见度”变得不确定

《哈佛商业评论》在近期一篇文章中列出了一个品牌知名度矩阵，分为两个指标，一是评估品牌在 LLM 平台上的知名度（代表相对传统的“大众消费认知度”），二是评估总体品牌知名度。由此得出了四个知名度象限。

两项指标都高的品牌通常本身具备广泛大众认知度，再加上品牌营销重视其在大语言模型中的可见度，比如特斯拉。新近企业，或者原生于人工智能时代的平台会更容易被 LLM 抓取识别。

与此同时，存在一些品牌拥有或者曾经拥有极高知名度，但人工智能在抓取相关信息进行内容生成时却鲜有提及。当然，也有一些品牌两项指标都低，源于其自身对搜索营销不够重视。

《新立场》用国内相关产品做了一个简单的测试：选取当前 iOS 免费榜上排在前列的三个 AI 应用，分别向他们提问，“请给我推荐三个扫地机器人品牌，需要优先考虑它解决毛发缠绕的能力。”

图片从上至下分别来自：豆包/元宝/DeepSeek

可以看到豆包、元宝和 DeepSeek 都是抓取了结构化的信息，围绕“解决毛发缠绕”这一特定诉求做出分析和取舍，但给出了三套不同的结果，对何为“最优入选”的判断不尽相同。

这便引出一个结论，在大模型成为新一代“决策入口”之后，品牌的“能见度”变得不确定。

品牌的历史声量在范式变革的时刻“光晕褪色”。AI 不会时刻铭记“你有多大牌”，而是判断你是否被足够多高质量文本反复描述，能否在“解决某个问题”时具备明确、可引用的能力标签。

这种情况其实不是第一次发生，回看过去二十年，每一次主流信息分发机制更替，都会重塑品牌知名度的排序方式。

微博、微信、短视频崛起初期，很多“不会做新媒体”的传统强势品牌并非产品不行、预算不够，而是不会把自己翻译成新平台可理解的内容形态。比如少有与 UGC/KOL 协同，不会做故事化表达，说得再通俗一点，就是缺乏“网感”。

一代人有一代人的消费“集体印象”，最早的品牌甚至可以靠口耳相传成为国民级，这在现在看来是不可思议的。后之视今，亦犹今之视昔。

以及，这一次为人工智能掀起的范式革命，很可能比“新媒体时代”更彻底、更不可逆。因为 AI 提供的答案没有第二页。

上述相同问题的百度网页搜索结果

在搜索引擎时代，哪怕排序靠后，用户会翻页、会改关键词、会在多个平台交叉验证。传统搜索是信息集散与分发逻辑，用户多少能在主动信息漫游中发现排名靠后的商业信息，但 AI 回答提供的是判断：模型直接给出整合后的答案；多数用户不会、也不需要追问；推荐结果通常被压缩为 3–5 个候选项。

注意力竞争更加激烈，新媒体时代的“冷启动”打法按 AI 的答案逻辑是更难生效的。

既然如此，品牌还能做什么？这便是 GEO 出现的真正背景。

方法明确吗，生态健康吗？

提升品牌在 AI 生成中的可见性，本质上是一个“语义工程”：降低模型理解与引用的语义成本。

如前文所言，传统搜索引擎解决的是信息匹配问题，而 AI 更多是去进行判断与生成。大模型理解信息，会经过语义归类，所以定义越清晰、边界越明确的对象，越容易被稳定定位和反复调用。与此同时，模型会对不同文本来源进行隐性加权，AI 更信任被多来源反复确认的信息。

在这个基础逻辑上，我们可以推测 AI 倾向调用的内容特点。比如要能被明确归类，比如产品功能、场景、解决方案清晰可标记，最好在不同渠道（官网、媒体、测评与讨论）中反复出现相似表述而近似于“共识”。以及“AI 友好”，意即呈现方式结构化、完整、准确、易于抓取。

仍旧用前文提到的案例来说明。对于扫地机器人产品的相关表述，“在解决毛发缠绕这一问题上，X 产品采用了 X 结构设计，适合多宠家庭”，这就比较“AI 友好”。功能对应能解决的问题，场景突出解决方案，特征显化方便 AI 对横向对比。

相反表述是“重新定义清洁体验”“为爱宠家庭而生”这类营销口号式的、情绪化的表达。

去年 6 月，成立不到一年的新锐公司 Profound 以红杉资本、英伟达等巨头背书和巨额融资引起广泛注意。其核心业务就是帮助企业监控和优化在 AI 搜索引擎中的表现。

图片来源：Profound 官网

Profound 所提供的服务就可以被简单概括为“了解人工智能如何谈论你的品牌”。比如，数据化品牌在各种 AI 产品中被提及的频率、情境、描述方式、引用来源；提供当前用户向 AI 的提问趋势；分析品牌内容被抓取的效率，等等。

但也正是因为生成式人工智能如上特性，GEO 也可以成为对认知入口的隐蔽操纵。AI 的信源可能被污染，目前也确实存在一些以 GEO 为招牌的营销服务就是通过“污染” AI 信源达成目的。

AI 无法天然对调用内容做“动机判断”，使其区别于“精心包装的营销内容”。《光明日报》不久前就发文批评过 GEO “借助 AI 打隐蔽广告”。商业机构可以通过批量炮制问答帖、仿冒官方白皮书、劫持旧域名等手段，把特定品牌信息喂给大模型，使其在回答用户提问时，不自觉地引用并推荐目标商品。

图片来源：微博@光明日报

类似操作一度被称为给 AI “投毒”。《第一财经》此前的文章也有报道，网络上各类依据不明的榜单就是杜撰重灾区，这些榜单可能是一些公司为了提升曝光度做 GEO 后的呈现。就连“GEO 厂商排行榜”这类关键词，网络上能搜到的文章也有一些未写明评分依据，参考文献不可考。

其操作流程如同一个“黑匣子”，尚未完全规范，也不公开透明。因此，GEO 是先锋的，但目前也是“不稳定”的。

浪潮渐成型，但尘埃未落定

需要指出的是，GEO 与 SEO 并不是两个断裂的营销概念。

它们都围绕内容质量做文章，以提升品牌能见度为目的。有相当一部分业内认为，做好 SEO、适应人工智能的新逻辑，GEO 优化会是水到渠成的。比如老牌 SEO 品牌 Moz 近年将其技术与生成式 AI 优化结合，在成熟的生态之上成功开拓了 GEO 业务。

只是作为与新技术密切关联的新营销手段，GEO 目前留白的空间还很多，或者说心智尚未成型，没有明显领跑力量。除了前文提到的，其模式本身还存在黑箱困境，GEO 可能还要等待 AI 产品厮杀出一个优胜者。

GEO 依附于“答案入口”，而答案入口尚未统一。且不论搜索引擎仍在发光发热，各类 AI to C 应用还在跑马圈地的阶段，还没有相对通行的“规则”。比如是否允许商业推荐、如何标注商业影响、如何处理“被投喂”的内容。

在 AI 格局未定之前，GEO 或许还将持续一段时间这种混乱、分散、甚至被滥用的状态。