深響持續(xù)關注AI營銷：

GEO亂象｜廣告4A的AI躍進｜詳解千問豆包元寶的營銷長跑｜AI營銷的陰暗面 ｜戛納AI大討論｜AI TVC｜百度AI營銷｜優(yōu)酷AI營銷 ｜ 快手AI營銷｜阿里媽媽AI落地｜微軟AI營銷｜專訪X（Twitter）｜專訪鈦動｜專訪Pallas AI

??深響原創(chuàng) · 作者｜林之柏

風口上的GEO，正走到命運的關鍵分岔口。

一方面，市場規(guī)模仍在加速擴張，概念股持續(xù)火熱。據(jù)艾媒咨詢測算，2026年中國GEO行業(yè)市場規(guī)模將達到942億元，同比增長169.7%。但另一方面，“黑灰產(chǎn)”亂象頻繁，各種“邪修”操作不僅擾亂了行業(yè)正常發(fā)展節(jié)奏，也給品牌、用戶帶去多重負面沖擊。

矛盾背后，GEO行業(yè)正在經(jīng)歷怎么的迭代與分野？“黑灰產(chǎn)”的泛濫，究竟是源于技術漏洞還是認知局限？亂象之下，行業(yè)將走向何方？

帶著這些問題，「深響」與GEO服務商PureblueAI清藍的創(chuàng)始人、CEO魯揚展開對話。作為前字節(jié)跳動火山引擎市場總經(jīng)理、豆包大模型市場負責人，魯揚在2024年獨立創(chuàng)業(yè)、成立PureblueAI清藍，公司目前已完成多輪融資，股東包括祥峰中國、英諾基金、藍色光標等知名機構。

魯揚認為，GEO“黑灰產(chǎn)”的出現(xiàn)有其歷史必然性，但并非不可控。GEO行業(yè)正經(jīng)歷從人工經(jīng)驗驅動向模型算法驅動的技術路線變遷，并將對未來產(chǎn)生更為深遠的影響：AI時代，規(guī)范化的AI營銷流程與技術壁壘，將決定品牌在AI商業(yè)生態(tài)中的話語權，中小企業(yè)更可借此實現(xiàn)垂直賽道的“平權突圍”，一場徹底的商業(yè)變革正在發(fā)生。

從人工驅動到模型驅動，GEO的三重技術分野

當下，無論品牌、投資人還是業(yè)內(nèi)人士，對GEO、AI營銷都還有不少誤解。

比如因為都是toB類型的服務，投資人容易把AI營銷和SaaS進行類比。但實際上二者有著本質(zhì)差異。魯揚談到AI應用對比SaaS：

• 一是交付原理不同，SaaS交付工具、需用戶主導，AI則直接交付結果、主動主導工作流；
• 二是效果不同，AI的降本增效效果更為顯著；
• 三是流程邏輯不同，SaaS只是將企業(yè)現(xiàn)有流程進行數(shù)字化改造，其中甚至可能包括不合理的流程，而AI能跳出原有流程工作，更適配國內(nèi)企業(yè)現(xiàn)狀。

而更常見的混淆是GEO和SEO，二者無論是產(chǎn)品層面還是技術層面都有著很大的區(qū)別。

SEO是的原理是基于“keyword”（關鍵詞）進行優(yōu)化，而GEO的優(yōu)化單元是“Intent”（意圖），前者面對的是規(guī)則清晰的搜索引擎，后者則要面對如“黑箱”一般的大模型。

這種種認知錯位，和GEO技術路線的快速迭代、持續(xù)分化脫不開關系。

自2024年正式提出GEO概念，到如今成長為一個規(guī)模近千億的龐大藍海，短短兩年間，GEO已衍生出三種截然不同的技術路徑，這也是Pureblue AI清藍一路走來的經(jīng)歷：

• 經(jīng)驗驅動，即純靠人工寫稿、發(fā)稿；
• 數(shù)據(jù)驅動，主要靠人力操作，但會使用一些數(shù)據(jù)分析工具輔助；
• 模型驅動，摒棄人工干預，全程交給算法、產(chǎn)品操作。

復雜的技術原理、多元的路線分化除了造成認知偏差，也間接催生了各種“黑灰產(chǎn)”操作。

魯揚表示，“直到現(xiàn)在，國內(nèi)90%的GEO服務商基本還停留在人工、經(jīng)驗驅動的階段”。而過于依賴人工操作，正是行業(yè)陷入低質(zhì)量內(nèi)卷、“黑灰產(chǎn)”抬頭的重要原因。

“黑灰產(chǎn)”GEO操作可以總結為“假、大、黑”：偽造數(shù)據(jù)、榜單，以博取AI信任；用自動發(fā)稿機大量發(fā)稿，增加被AI采納的幾率；在內(nèi)容中夸大甚至捏造競品的負面信息，借AI之力打擊對手。

短期內(nèi)，“黑灰產(chǎn)”服務商確實“忽悠”了不少品牌和AI。比如“黑公關”操作，AI當前較為敏感，更有可能抓取負面信息，對品牌產(chǎn)生不利影響。

服務商的低價內(nèi)卷和虛假承諾，同樣起到“推波助瀾”的作用。魯揚透露，去年下半年以來，部分服務商猛打價格戰(zhàn)，報價可能低至正規(guī)服務商的十分之一；同時敢承諾“100%推薦優(yōu)化”，許多不明就里的品牌陷入其精心編織的“信息繭房”之中，掏錢買單。

魯揚認為，品牌和服務商迷信人工模式，和SEO時期養(yǎng)成的“思維慣性”有關。

SEO時代，AI未成氣候，服務商無法依賴工具，只能靠人工把握文章質(zhì)量、完成外鏈建設。加上各大搜索引擎的規(guī)則相對公開、清晰，經(jīng)驗確實很關鍵。

但在GEO時代，這一套操作玩不轉了——人工、數(shù)據(jù)驅動模式有一個共同問題：讀不懂AI。

魯揚表示，AI大模型就像一個“黑箱”：“它會告訴你問題的答案、給你推薦商品，但不會告訴你推理的過程。因為大模型背后是一套復雜的神經(jīng)網(wǎng)絡，不具備明文規(guī)則，整個推理過程是個黑盒，而且在不斷迭代、變化?！?/p>

因此，純靠人工去猜測大模型的推理邏輯精確度很低，也無法做到規(guī)模化；數(shù)據(jù)工具或許有效，但效率太低。只有讓模型學習模型，用算法解密算法，走模型驅動路線才是真正的通路。

目前，PureblueAI清藍采取純模型驅動路線，構建異構模型協(xié)同迭代、環(huán)境自感知模型進化引擎兩大核心技術。

異構模型協(xié)同迭代是指在底層通用大模型的基礎上，搭建上層“小模型”，基于不同客戶的真實數(shù)據(jù)和需求做針對性的學習和優(yōu)化，構建品牌高認可的營銷物料。

環(huán)境自感知數(shù)據(jù)模型進化引擎，通過高頻監(jiān)控，對模型算法的變化進行自適應學習新的數(shù)據(jù)范式，從而構建新的信源偏好和品牌內(nèi)容。

這套模型的優(yōu)勢在于，洞察做得足夠深入且細致：不僅分析被AI采信的內(nèi)容，也分析被淘汰的內(nèi)容，解構這些內(nèi)容背后的共同特征、結構因子。

以異構模型協(xié)同迭代、環(huán)境自感知數(shù)據(jù)模型進化引擎為核心，PureblueAI清藍將一套完整的GEO優(yōu)化服務拆分為八個步驟：

• 第一步意圖挖掘：分析用戶會問的問題、這背后值得關注的品牌信息；
• 第二步品牌診斷：基于挖掘到的用戶意圖，分析品牌當前在AI端的布局、表現(xiàn)，給出優(yōu)化建議；
• 第三步知識管理：客戶上傳品牌、產(chǎn)品介紹等營銷資料，建立知識庫；
• 第四步模型自學習：由小模型根據(jù)客戶的目標意圖展開針對性學習；
• 第五步內(nèi)容生成：由模型根據(jù)算法學習結果來指導內(nèi)容生產(chǎn)；
• 第六步效果評測：即通過“AB測試”，評估一篇內(nèi)容有多大概率可以提升品牌的采信效果；
• 第七步確認投放：經(jīng)評估后確定合適的內(nèi)容、由客戶確認，發(fā)布到不同類型平臺；
• 第八步效果監(jiān)測：由自研BI系統(tǒng)負責。

PureblueAI清藍基于自研的Multi-Agent架構，將以上八個步驟通過八組智能體進行封裝，最終以數(shù)字員工的形態(tài)為客戶交付服務。

顯然，GEO行業(yè)正經(jīng)歷從人工經(jīng)驗、數(shù)據(jù)驅動向模型驅動的迭代，未來發(fā)展路徑逐步清晰。規(guī)范化的服務流程、完善的技術儲備，將成為服務商最關鍵的競爭壁壘。

交付難題與付費亂象：品牌如何“避坑”？

然而，即便有標準化的流程體系，GEO在實際落地中仍面臨諸多挑戰(zhàn)，這些難點也成為了行業(yè)規(guī)范化發(fā)展的阻礙。

效果監(jiān)測和付費模式就是GEO行業(yè)一大困擾。由于品牌的訴求、體量千差萬別，GEO優(yōu)化周期、監(jiān)測和歸因方式缺乏統(tǒng)一標準，“黑灰產(chǎn)”服務商很容易找到“造假”的機會：數(shù)據(jù)舞弊、虛假承諾、甩鍋模型等現(xiàn)象屢見不鮮。

比如在交付結果上鉆空子，僅以幾張簡單的AI對話界面截圖作為交付憑證敷衍客戶。但背后，服務商可能安排人員長期、高頻次重復搜索，歷經(jīng)上百成千次嘗試后，截取單次偶發(fā)的理想結果。這一類“形式合規(guī)”的交付模式下，品牌的真實推薦率并未有實質(zhì)提升，完全背離GEO初衷。

利用不合理計費模式實現(xiàn)“零成本套利”，也是“黑灰產(chǎn)”們的慣有手段。

魯揚透露，部分服務商開發(fā)出按單日效果計費的玩法，比如一個月有5天達到承諾推薦率，就收5天費用。這一模式漏洞明顯：在常規(guī)搜索意圖下，品牌即便不做任何優(yōu)化，也有可能被AI推薦。服務商短期優(yōu)化、維護后便停止服務，依靠自然概率達成零星達標天數(shù)，零成本獲利，客戶卻未獲得持續(xù)有效優(yōu)化。

整體而言，這一系列亂象，都與行業(yè)、品牌對GEO、AI大模型的“認知偏差”有關：想讓GEO實現(xiàn)100%推薦，是不現(xiàn)實的。這與復雜的大模型底層架構、生成式交互邏輯等技術因素息息相關。

對服務商來講，如今最重要的任務之一，就是構建一套流程完整、標準統(tǒng)一、具備廣泛公信力的交付、歸因模式和相應的付費標準，讓品牌找準方向，并加速“黑灰產(chǎn)”的出清。

魯揚認為，從宏觀角度看，以品牌效果、獲客效果作為交付指標較為合理。

品牌效果主要涵蓋推薦率、推薦排序的提升等指標，獲客效果則通過流量線索、交易額等數(shù)據(jù)進行量化。針對后者，目前各大AI平臺的數(shù)據(jù)監(jiān)測鏈路尚不完善，但鑒于千問、豆包等已經(jīng)開始提供交易跳轉服務，相關數(shù)據(jù)、指標未來很有希望完全打通。

鑒于當前實際情況，PureblueAI清藍采取了按服務付費和工具充值調(diào)用的組合收費模式。

前者圍繞品牌效果開展，按周期及優(yōu)化意圖提供優(yōu)化服務，達成效果即收取相應費用；后者則是面向SMB（中小企業(yè)）、營銷服務商等客戶，通過不久前推出的數(shù)字員工Mark，為客戶提供品牌診斷、內(nèi)容生成、智能發(fā)布、效果監(jiān)控等輔助，客戶預存費用、按照使用情況進行扣費。

在行業(yè)標準不完善、不同體量客戶需求差異較大的現(xiàn)狀下，服務+工具的混合模式或許是平衡各方利益的折中之策。按月、按意圖的收費對應精細化、全流程服務，契合大中型客戶對長期、穩(wěn)定品牌優(yōu)化效果的需求；數(shù)字員工的充值調(diào)用則考慮到預算問題，品牌無需承擔長期固定成本，按需使用，降低了中小企業(yè)接入GEO服務的門檻。

PureblueAI清藍數(shù)字員工Mark 圖源：PureblueAI清藍官網(wǎng)

客觀而言，GEO行業(yè)的交付、歸因困惑與付費亂象，不能單純歸咎于“黑灰產(chǎn)作惡”，這是行業(yè)發(fā)展初期技術不成熟、標準缺失與認知錯位等因素多重疊加的必然結果。

行業(yè)當前的爭議與分歧，很大程度上是“短期利益”與“長期價值”的博弈：“黑灰產(chǎn)”追求快速出效、收割離場，以虛假承諾和低成本操作賺取短期收益；而正規(guī)服務商則需要通過搭建標準化流程、完善歸因和監(jiān)測體系，平衡品牌收益與自身盈利，為行業(yè)健康發(fā)展、構建品牌信任鋪路。

長期來看，交付與付費模式的規(guī)范化，將成為GEO行業(yè)從野蠻生長走向成熟的重要拐點。到那時候，或許人們會回過神來，思考另一個同等重要的問題：GEO及其所代表的AI營銷，到底將把消費行業(yè)引向何方。

未來預判：大企業(yè)的“零和游戲”與新品牌的“平權機遇”

很多時候，人們總會在一個新風口、新技術出現(xiàn)時放大它的短期沖擊，輕視它的長期作用；過于關注各種細節(jié)維度的變化，忽略了宏觀視角的思考?！昂芏嗳硕及袵EO，把AI帶來的變化看得太小了”，魯揚如是說。

事實上，AI帶來的絕不僅是營銷工具迭代，還有商業(yè)入口與交易規(guī)則的底層顛覆：在未來，AI或將包攬用戶從搜索到推薦、決策、支付的全鏈路，讓傳統(tǒng)電商平臺轉型為單純履約載體。

當生成式AI入口取代傳統(tǒng)流量陣地，成為品牌觸達用戶的核心通道，Prompt（提示詞）便成了AI時代的新貨架。在此趨勢下，GEO早已超越“取代SEO”的狹義范疇，成為品牌適配AI規(guī)則、爭奪數(shù)字生存權的底層戰(zhàn)略能力。

而這一系列變化，也將很大程度上改變商業(yè)世界的競爭邏輯。

魯揚認為，對大中型企業(yè)而言，GEO是一場零和博弈：AI生成內(nèi)容的推薦容量有限、對心智塑造至關重要，品牌能否被AI穩(wěn)定認知、采信、推薦，將直接決定其在AI商業(yè)生態(tài)的存在感。而放棄GEO，就不只是錯失AI紅利那么簡單，更可能演變成品牌在AI生態(tài)中的“賽博逝世”，面臨競品的徹底替代。

而對中小企業(yè)與新銳品牌來說，AI打破了傳統(tǒng)營銷模式下“預算為王”的固有邏輯，帶來結構性平權機遇：新銳品牌無需與巨頭拼投入，通過GEO錨定垂直場景、確立差異化定位，也能在細分Intent（意圖）中占據(jù)優(yōu)選位置，繞開主流賽道內(nèi)卷，實現(xiàn)彎道超車。

從更深維度看，AI的影響也不止局限于營銷環(huán)節(jié)，未來或將滲透至服務、供應鏈、研發(fā)等經(jīng)營全域，企業(yè)所有經(jīng)營行為，都要對齊AI的推理邏輯與采信規(guī)則。

從這個角度看，品牌的核心資產(chǎn)不再是平臺店鋪、廣告位與流量，而是在AI世界的可信度、場景匹配度與長期推薦穩(wěn)定性。AI時代的勝負，也不再完全取決于預算多少，更取決于誰能更早、更穩(wěn)地嵌入AI的認知體系。

以下為「深響」整理后的部分訪談實錄：

GEO的三種技術路線

深響：GEO行業(yè)發(fā)展到今天，都走過了哪些階段？

魯揚：我們把GEO技術路線分成三種——

• 經(jīng)驗驅動，純靠人工寫稿、發(fā)稿；
• 數(shù)據(jù)驅動，主要還是靠人，但過程中會用到數(shù)據(jù)分析工具輔助；
• 模型驅動，摒棄人工干預，全部交給算法、產(chǎn)品。

這是GEO的主要發(fā)展歷程，PureblueAI清藍也是從這三個階段一步步走過來的。

2024年下半年，我們主要靠有經(jīng)驗的優(yōu)化師工作。2024年11月到2025年1月，則學習海外的服務商，用數(shù)據(jù)監(jiān)測、分析文章該怎么寫、如何分段等等，Profound等海外服務商就是遵循這一路線，向客戶交付一套BI（數(shù)據(jù)分析系統(tǒng)），分析品牌在AI平臺上的認知度、形成數(shù)據(jù)洞察，給出優(yōu)化建議。但我們很快就發(fā)現(xiàn)，這種方式效率特別低，比如做一個A/B版本測試需要兩周，客戶等不了，平臺算法在這期間可能也已經(jīng)迭代了。

所以我們得出結論：靠人工、數(shù)據(jù)無法跟上大模型節(jié)奏，只能靠模型去學習模型，用算法去解密算法，走模型驅動路線。

深響：現(xiàn)在很多人注意到GEO“黑灰產(chǎn)”，您如何看到這當中的影響？

魯揚：我們此前受GEO“灰黑產(chǎn)”影響很大，尤其是2025年下半年開始，業(yè)內(nèi)出現(xiàn)了一批“灰黑產(chǎn)”企業(yè)，給客戶報價可能是我們是十分之一，當時我覺得可能會出現(xiàn)劣幣驅逐良幣的趨勢。但現(xiàn)在更多人了解到“灰黑產(chǎn)”的危害，對我們反而是利好。

深響：“灰黑產(chǎn)”GEO和正規(guī)GEO最大區(qū)別是什么？

魯揚：“黑灰產(chǎn)”其實就是從上述三種技術路線中衍生出來的錯誤分支。

直到現(xiàn)在，國內(nèi)市面上90%的GEO服務商基本都還停留在人工、經(jīng)驗驅動的階段，這或許是習慣了SEO時代的做法。SEO不依賴工具，靠人工把握文章的質(zhì)量，完成外鏈建設等工序，搜索引擎的規(guī)則早就被摸透了，網(wǎng)上也有公開教程，所以人工按圖索驥去做就可以。

2025年上半年，經(jīng)驗驅動的GEO優(yōu)化有一定效果，但進入下半年效果越來越難保證，因為競爭變得激烈了。

“黑灰產(chǎn)”的做法可以總結為三個字：假大黑。

假是指編造數(shù)據(jù)，比如產(chǎn)品銷量、排名等；或列舉一些不存在的標準、國際認證。填充了這些內(nèi)容之后，文章就非常容易被AI抓取。我們遇過一個客戶，給我們展示“黑灰產(chǎn)”服務商的資料收集文檔，里面公然寫著“數(shù)據(jù)可適度夸大”。

大是指大量發(fā)稿，最常見的是用自動發(fā)稿機，只需要注冊一堆自媒體賬號，然后把賬號托管給發(fā)稿機，就會每天自動投放幾百篇稿件。更高級的一點的工具還會先用AI平臺針對品牌生成一篇稿件，再自動分發(fā)，這種方式到2025年底已經(jīng)很難出效果了。

最后，黑是指黑公關，即發(fā)布刻意抹黑競爭對手的稿件。AI當前比較敏感，負面信息很容易被抓取，對品牌的影響比想象中大。

深響：大家很喜歡把GEO和SEO進行比較，您覺得二者最本質(zhì)的區(qū)別是什么？

魯揚：二者區(qū)別主要在技術、產(chǎn)品層面。

SEO是基于“keyword”（關鍵詞）進行優(yōu)化，而GEO優(yōu)化單元是“Intent”（意圖）。所以凡是做詞包優(yōu)化的服務商，都沒有跳出SEO的慣性思路。

問題在于，GEO面對的是大模型。你問AI一個問題，它只會告訴你答案，不告訴你原因、規(guī)則，你不知道AI是如何推理出結果的。而且大模型不斷變化，不同時間提同樣的問題、不同的人提同一個問題，都可能得到不同答案。

因為大語言模型背后是一套復雜的神經(jīng)網(wǎng)絡，它所有答案都是靠推理來的，沒有明文規(guī)則。這樣一來，人工GEO就變成一種碰運氣行為，精確度非常低、難以規(guī)?；?。

深響：PureblueAI清藍兩個核心競爭力：異構模型協(xié)同迭代、環(huán)境自感知模型進化引擎，分別是什么原理？

魯揚：環(huán)境自感知模型進化引擎的工作原理，是通過高頻監(jiān)控，對模型算法的變化進行自適應學習新的數(shù)據(jù)范式，從而構建新的信源偏好和品牌內(nèi)容。具體來講是先進行海量采樣，問不同的大模型各種各樣的問題：什么東西哪家好？什么商品值得推薦？A和B怎么選等等，然后采集AI的回答，投喂給我們自己的模型，讓算法去分析被AI引用的文章具備什么樣的特征結構。

至于異構模型協(xié)同迭代，是指在底層通用大模型的基礎上，搭建上層“小模型”，基于不同客戶的真實數(shù)據(jù)和需求做針對性的學習和優(yōu)化，構建品牌高認可的營銷物料。

實際上，我們是用量化的思維做GEO：摒棄掉所有主觀判斷、情感元素，讓算法去代替我們學習，去讀懂AI。

AI推理的過程主要有兩個變量：一個是AI自己的推理規(guī)則，我們無法影響；二是AI到底會采信什么信源，這是可以優(yōu)化的。

AI尋找信源是一個層層篩選的環(huán)節(jié)，比如你問AI“礦泉水哪家好？”，AI首先會理解提問背后的搜索意圖，將其拆成一組關鍵詞，然后用關鍵詞去錨定搜索意圖、調(diào)取搜索引擎、篩選幾十篇內(nèi)容推給Chatbot，再從中挑選一部分高質(zhì)量內(nèi)容做分析、排序。最后在答案生成環(huán)節(jié)引用其中的少量內(nèi)容。

在這個層層篩選的漏斗當中，每一步都有一些內(nèi)容被AI淘汰、降權，最后無法被引用，另一些內(nèi)容則能夠經(jīng)歷 AI 考驗、一步一步獲取AI信任，到最后被AI在答案中引用。這些內(nèi)容具備什么樣的特征？它背后有哪些結構因子？這些信息沒有辦法靠人工去猜測，我們只能任務交給算法，讓算法去學習。

深響：一個完整的GEO優(yōu)化服務包含哪些環(huán)節(jié)？

魯揚：我們通常拆分為八個步驟，每個步驟對應著不同的Agent。

• 第一步意圖挖掘，分析用戶會問哪些與品牌相關的問題，這背后有哪些值得關注的信息；
• 第二步品牌診斷，基于用戶意圖，分析品牌當前在AI端的布局、表現(xiàn)，給出優(yōu)化建議；
• 第三步知識管理，客戶上傳品牌、產(chǎn)品介紹等，我們進行向量化、建立知識庫；
• 第四步，由小模型根據(jù)客戶的目標意圖展開針對性學習；
• 第五步，由模型根據(jù)算法學習結果來指導內(nèi)容生產(chǎn)；
• 第六步效果評測，即“AB測試”，主要評估內(nèi)容有多大概率可以提升品牌的采信效果，期間也可能發(fā)現(xiàn)某些有反作用的內(nèi)容，并予以剔除；
• 第七步，確定合適內(nèi)容、交客戶確認，發(fā)布到不同類型平臺；
• 最后是效果監(jiān)測，由自研BI系統(tǒng)負責。

需要注意的是，前兩步都是屬于售前服務、不收取費用，客戶根據(jù)診斷結果來決定到底要不要做GEO優(yōu)化、具體優(yōu)化哪些意圖，然后才會推進后面的流程。

深響：針對知識庫構建這個環(huán)節(jié)，品牌方目前在內(nèi)容儲備上有哪些需要注意的地方？

魯揚：傳統(tǒng)的品牌營銷中，品牌需要一個Message House（信息房子），包含完整的品牌信息架構：對外的Slogan、營銷話術和價值主張；目標客戶的痛點、品牌優(yōu)勢；對應的案例支撐等。

然而很多企業(yè)沒搭好Message House。在互聯(lián)網(wǎng)內(nèi)容營銷時代，這些問題被某程度上掩蓋了，品牌只要持續(xù)產(chǎn)出稿件、 PR物料等，就能維持一定的營銷效果。但AI時代，這些長期問題暴露無遺。

我們發(fā)現(xiàn)，一些客戶提供給我們的內(nèi)容非常貧瘠、混亂。乍一看形式很多樣，包括公關稿、PPT等等，但缺乏系統(tǒng)梳理。如果直接拿這些內(nèi)容去做GEO優(yōu)化，效果不會太好。

在AI時代，品牌需要一個完整的知識圖譜和內(nèi)容資產(chǎn)體系。只要你的品牌內(nèi)容體系足夠完善，沿著這個方向做內(nèi)容營銷會有很好的效果；只要品牌資產(chǎn)沉淀足夠豐富，未來做GEO也會越來越容易。

深響：還有一些投資人習慣把AI營銷看成一種新型SaaS，您如何看待這種觀點？

魯揚：有時候我們只要看到To B應用，都會覺得有點像SaaS。但我認為，二者至少有三個主要區(qū)別。

一是交付原理不同。SaaS向客戶交付工具，而AI交付結果，它背后代表的是兩種不同的工作流：SaaS是用戶來主導，工具被動響應，客戶使用能力直接影響營銷效果；而AI Agent是AI主導流程，根據(jù)不同的stage、客戶的feedback，去定制工作流。AI的主動性、對結果負責，是其與SaaS最大的區(qū)別之一。

第二是效果不同。傳統(tǒng)的SaaS也能降本提效，但不夠明顯，能達到30%已非常不錯。但AI的效果是顛覆性的，甚至可以把成本降低80%-90%。比如最早落地的智能商拍場景，以往要花幾百塊干的活，用AIGC可能只要幾毛錢。

第三是流程差異。SaaS的原理其實是幫企業(yè)做流程的數(shù)字化，這一套在海外更有效，因為海外企業(yè)特別注重流程。但國內(nèi)很多企業(yè)——甚至包括一些大企業(yè)，流程也并不健全。國內(nèi)的SaaS企業(yè)大多是創(chuàng)業(yè)公司，不敢去挑戰(zhàn)客戶的流程，最后往往把客戶的錯誤流程給數(shù)字化了，而AI可以跳出現(xiàn)有的業(yè)務流程來工作。

今天的國內(nèi)企業(yè)客戶，花在數(shù)字化、IT系統(tǒng)化上的預算都減少了，但有限的預算幾乎都投在了AI上，對改變的接受度也很高。早在2022年上半年的時候，國內(nèi) SaaS已經(jīng)在走下坡路?，F(xiàn)在大膽一點說，SaaS+AI幾乎是行業(yè)唯一的出路。

深響：SaaS行業(yè)劃分很細，有很多垂直賽道，比如銷售SaaS、金融SaaS、醫(yī)療SaaS等等，和您剛介紹的通過上層小模型針對不同客戶的情況去做針對性部署有些相似，GEO這些細分模型會和垂類SaaS一樣有較高的認知壁壘嗎？

魯揚：去年上半年剛興起的時候，上層小模型的差異不顯著，但是后來就越來越明顯了。

比如信源的問題，在醫(yī)療醫(yī)藥行業(yè)，AI采信的信源都是非常專業(yè)的垂媒，或者專業(yè)醫(yī)生內(nèi)容賬號；汽車行業(yè)幾大垂類媒體的采信權重也比較高。另外，針對不同行業(yè)，AI給出的答案擴展性也不一樣。比如茶飲等消費品類，豆包經(jīng)常會協(xié)同LBS（Location-Base Service，基于位置服務）定位，給你推薦身邊的門店。

正因為不同行業(yè)的差異比較大，人工去學每一個行業(yè)的特性是不可行的，所以我們才用模型訓練的方法，讓模型去學習每一個客戶。

深響：對比國外的GEO生態(tài)，中國市場有哪些獨特的地方？

魯揚：總體來看，國外的GEO要出效果相對更難一些。

部分原因是國外媒體發(fā)稿要求、成本更高，另外海外AI模型采信信源更廣泛，除了常見的媒體平臺，還有獨立站、Reddit等內(nèi)容社區(qū)。像Reddit等平臺，發(fā)布文章都有門檻。

所以海外GEO服務人工參與度會更高，海外服務商更愿意提供產(chǎn)品、工具，而非一整套服務，因為如果牽涉到人工投入，操作就會更復雜。

歸因難題與付費亂象

深響：一套GEO服務的周期通常有多長？周期的長短是否和收費掛鉤？

魯揚：不同行業(yè)、客戶，甚至是一個客戶的不同Query（查詢/提問）出效果的周期都不一樣，短則一兩天，長則一兩周，但不會拖得太長，所以周期對收費基本不會有太大影響。

但我們在正式優(yōu)化前會有一個學習期，正常是 一周，期間根據(jù)客戶情況進行學習，學習越充分，優(yōu)化效果越好。有些客戶的營銷Campaign（營銷活動）如果非常著急，需要馬上見效，也可以針對性地縮減學習期。

深響：您覺得合理衡量GEO效果的指標都有哪些？

魯揚：從宏觀角度來看，主要有兩個：品牌效果，獲客效果。

品牌效果首先是推薦率的提升，其次是推薦排序的提升。比如一個品牌原本在AI推薦里，出現(xiàn)在前三名的概率是15%，優(yōu)化后上升到60%。

這個排名它其實并不是真正意義的行業(yè)榜單，也不是讓大模型去給出價值判斷，GEO真正影響的是AI推薦順序。因為用戶向AI提問時，AI的答案通常不會只有一個品牌，最先提及的品牌用戶心智影響更深，這是GEO的價值。

至于獲客效果，當前階段，像流量線索、交易額等指標，我們還無法直接監(jiān)測，但后面應該會實現(xiàn)。目前豆包、千問已經(jīng)開始在回答里面提供跳轉鏈路，電商后臺能夠監(jiān)測到Chatbot帶來的流量。未來，我認為GEO很有可能開啟按獲客效果收費的模式。

深響：“黑灰產(chǎn)”服務商在結果交付上都有哪些算計？比如我們了解到一些服務商會用簡單的AI對話截圖來應付交差。

魯揚：之前我們看到有很多服務商在統(tǒng)計上做一些“掩飾”，用所謂的技巧去提升排名效果，其實是損害客戶最終的優(yōu)化效果。

曾經(jīng)有一個客戶跟我反饋，為什么有服務商可以承諾100%優(yōu)化，而你們不行？我告訴他沒人能對抗模型的迭代，模型算法迭代都會有波動，敢承諾月均100%推薦率的服務商，背后一定有問題。

我們這個客戶了解完以后也發(fā)現(xiàn)，對方交付的每日截圖坑很大，他們可以找一個實習生從早搜到晚，提問幾百遍、上千遍，再咔嚓一張截屏，就算交付了。但品牌的真實推薦率還是很低，有的截圖連時間戳、水印都沒有，可操作空間太大了。

由此還衍生了更多亂象。

比如有服務商按單日效果收費，一個月有5天達到承諾的推薦率，就收這5天的費用，以此類推。但這是不合理的，很多搜索意圖下，哪怕什么也不做，品牌也有一定概率被推薦。服務商可能幫客戶做一個月優(yōu)化，然后停下，AI推薦效果或許下降、但不會清零，依然有幾天能達到承諾推薦率、收取費用，而服務商投入為零。

甩鍋大模型也是常見做法。有客戶向我們抱怨，服務商提出一個條款：如果優(yōu)化效果出現(xiàn)波動，那是因為大模型算法迭代，服務商不承擔后果。如果你連算法迭代都應對不了，怎么好意思說自己做的是GEO？

深響：咱們的付費模式具體如何運作？正如您所說，按獲客效果付費當前還不太可行。

魯揚：我們真正提供的產(chǎn)品有兩類，一種是直接交付結果的服務，按月、按Query收費?？蛻舸_定要優(yōu)化的意圖、優(yōu)化周期、想實現(xiàn)什么效果，比如說提升推薦率、推薦排序等等，我們就根據(jù)相應的標準進行收費。

另一個是剛剛發(fā)布的工具型產(chǎn)品，數(shù)字員工Mark，我們給它的定義是一個AI native，同時也是一個Multi Agent、口碑營銷專家，客戶可以用對話形式與其溝通，讓它去做所有優(yōu)化動作。

這個產(chǎn)品主要面向SMB（中小企業(yè)）客戶，這部分客戶的痛點是預算有限，按月收費成本偏高，所以客戶更希望我們提供一個工具。

一些之前做SEO、公關、會務的服務商，現(xiàn)在也在幫客戶嘗試做GEO，也需要輔助工具。這種工具的收費模式主要是預存消耗，比如預存1000塊，可以得到10000個points或credit，然后根據(jù)對應操作進行扣除。

未來預判

深響：AI營銷帶來的變革到底有多大？

魯揚：大家都把AI的變革看得太小了。AI要替代的僅僅是傳統(tǒng)搜索引擎嗎？遠遠不是，它可能連傳統(tǒng)電商都會取代。就像豆包，之前跳轉到抖音電商，但后面可能不需要跳轉、直接在內(nèi)部完成交易。

這是一個非常重要的信號：今天的AI不僅是給品牌引流，它是要把用戶整個交易環(huán)節(jié)切走。這樣一來，傳統(tǒng)電商平臺、O2O平臺、OTA平臺在產(chǎn)業(yè)鏈的位置會越來越靠后，趨向于一個履約平臺，而AI會把前端的搜索、推薦、消費決策、下單支付等觸點、場景拿下，成為一個“大一統(tǒng)”入口。

由此再看GEO，其價值更不一般。

狹義的GEO，是解決AI搜索場景認知度、推薦率問題；而廣義GEO，承載著搶下AI“大一統(tǒng)”入口的任務。如果說AI將成為未來整個人類商業(yè)社會基礎規(guī)則，那么企業(yè)的每一個經(jīng)營動作都要跟AI規(guī)則相適配，這不僅包括營銷，還有服務、供應鏈、生產(chǎn)制造、研發(fā)等等。

深響：如果品牌現(xiàn)在不做GEO，未來會面臨什么樣的影響？

魯揚：首先，我覺得大中型企業(yè)或多或少都要擁抱GEO，只不過不同企業(yè)投入力度會有差異。

GEO像一個“零和游戲”，最關鍵的不是品牌推薦率提升、優(yōu)化，它是要讓品牌的營銷動作、內(nèi)容跟AI相適配。如果品牌在未來無法被AI認知到，那可能就會“賽博逝世”。而且你不做，你的競品也會做。

其次，對于中小企業(yè)和新銳品牌，AI提供了平權機會。

過去十幾年，所有廣告形式背后的運作邏輯都是競價排名，不管搜索廣告，還是抖音、快手、小紅書上面信息流廣告。在競價排名規(guī)則下，小企業(yè)沒有特別高的預算，很難去PK大品牌。

AI時代，一個新銳茶飲品牌或許沒法把自己“優(yōu)化”成行業(yè)Top One，但可以通過GEO去錨定個性化、垂直化定位，比如塑造成多功能、運動型飲料的優(yōu)選品牌等等。對于很多新銳品牌來說，用好GEO，便能占住垂直領域的差異化定位。

為什么說 AI 浪潮影響遠遠不亞于之前的互聯(lián)網(wǎng)、移動互聯(lián)浪潮？因為它在對整個人類商業(yè)社會起到顛覆性影響。

互聯(lián)網(wǎng)的出現(xiàn)，把交易形態(tài)從線下搬到線上，移動互聯(lián)網(wǎng)把交易從電腦搬到了移動端。今天AI也在做同樣的事情，把線上交易從淘寶天貓、京東、拼多多搬到AI應用。

換句話說，prompt是AI時代的新貨架，你的用戶習慣用什么樣的話術問詢AI ，對應的prompt就是品牌應該出現(xiàn)的位置。