親愛的讀者，受微信推送規(guī)則影響，僅“關(guān)注”很可能無法收到推送。按以下圖示將“長(zhǎng)江商學(xué)院”設(shè)為星標(biāo)，不錯(cuò)過每一篇精彩文章！

「AI進(jìn)化論」是長(zhǎng)江商學(xué)院推出的AI+主題欄目，匯聚全球AI領(lǐng)域的原創(chuàng)洞見、產(chǎn)業(yè)實(shí)踐及前瞻研判。從技術(shù)突破到產(chǎn)業(yè)應(yīng)用，從戰(zhàn)略布局到倫理邊界，在這里，一起與AI同頻進(jìn)化。

今天和你分享長(zhǎng)江商學(xué)院李洋教授發(fā)表于《經(jīng)濟(jì)觀察報(bào)》的署名文章：當(dāng)用戶不再點(diǎn)擊搜索鏈接，而是直接采納AI生成的答案，營(yíng)銷的戰(zhàn)場(chǎng)就從“排名”轉(zhuǎn)移到了“答案份額”。GEO不是SEO的升級(jí)，而是一場(chǎng)底層邏輯的替換：品牌必須確保自己的信息被大模型準(zhǔn)確采納。

作者 | 李洋

來源 | 經(jīng)濟(jì)觀察報(bào)

原標(biāo)題 | 拆解GEO：未來營(yíng)銷新變局

李洋

長(zhǎng)江商學(xué)院市場(chǎng)營(yíng)銷學(xué)副教授

MBA項(xiàng)目副院長(zhǎng)

高層管理教育項(xiàng)目學(xué)術(shù)主任

生成式引擎優(yōu)化（GenerativeEn－gineOptimization，GEO）正在成為資本市場(chǎng)與營(yíng)銷行業(yè)共同關(guān)注的新概念。

近期，隨著生成式人工智能應(yīng)用的加速落地，圍繞GEO的討論迅速升溫，多家涉足相關(guān)業(yè)務(wù)的營(yíng)銷與內(nèi)容服務(wù)公司股價(jià)出現(xiàn)明顯波動(dòng)。

與傳統(tǒng)搜索引擎優(yōu)化（SEO）或搜索引擎營(yíng)銷（SEM）不同，GEO并非圍繞“鏈接排名”展開，而是試圖影響大語言模型在生成答案時(shí)所采用的信息來源與內(nèi)容權(quán)重。

在用戶獲取信息的方式日益從“搜索”轉(zhuǎn)向“對(duì)話”的背景下，這一變化被視為營(yíng)銷邏輯的一次結(jié)構(gòu)性調(diào)整。

值得注意的是，GEO并不是對(duì)傳統(tǒng)搜索營(yíng)銷的簡(jiǎn)單補(bǔ)充，而更可能構(gòu)成一種替代性路徑，其影響范圍也不再局限于搜索廣告本身。

01

邏輯轉(zhuǎn)變：從“點(diǎn)擊率”到“答案份額”

在傳統(tǒng)搜索引擎體系中，營(yíng)銷優(yōu)化的核心目標(biāo)是提升目標(biāo)鏈接在搜索結(jié)果中的排序，通過點(diǎn)擊率實(shí)現(xiàn)轉(zhuǎn)化。但在生成式人工智能場(chǎng)景下，用戶往往不再進(jìn)入多個(gè)鏈接進(jìn)行比對(duì)，而是直接接受模型生成的整合性答案。

在這種機(jī)制下，競(jìng)爭(zhēng)的核心從“點(diǎn)擊量”轉(zhuǎn)向了“答案份額”。GEO的目標(biāo)是讓特定品牌、產(chǎn)品或觀點(diǎn)被模型納入答案生成的邏輯之中，并在多個(gè)信息源的綜合判斷中獲得更高權(quán)重。

從市場(chǎng)空間看，這種變化意味著GEO的影響并不只局限于原有的SEM/SEO（搜索引擎營(yíng)銷/搜索引擎優(yōu)化）預(yù)算。隨著生成式搜索逐步嵌入內(nèi)容平臺(tái)、電商平臺(tái)和超級(jí)應(yīng)用，GEO可能同時(shí)重塑內(nèi)容營(yíng)銷、公關(guān)傳播、KOL合作乃至口碑管理等多個(gè)傳統(tǒng)營(yíng)銷支出方向。

在中國(guó)市場(chǎng)，這一趨勢(shì)尤為明顯。

不同于歐美市場(chǎng)以通用搜索引擎為主要流量入口，中國(guó)互聯(lián)網(wǎng)長(zhǎng)期呈現(xiàn)“平臺(tái)優(yōu)先”的結(jié)構(gòu)特征。抖音、微信、小紅書、淘寶、京東等平臺(tái)在引入大模型搜索或?qū)υ捠街趾�，傳統(tǒng)網(wǎng)頁鏈接的重要性被進(jìn)一步削弱，跨平臺(tái)的“答案呈現(xiàn)”開始成為新的競(jìng)爭(zhēng)焦點(diǎn)。

02

產(chǎn)業(yè)結(jié)構(gòu)：多層參與者的能力邊界

從產(chǎn)業(yè)結(jié)構(gòu)看，GEO并非單一類型公司的專屬能力，而是涉及從底層模型到應(yīng)用層的多方協(xié)同。

●最底層是生成式引擎本身，即提供大模型能力的技術(shù)公司。這一層決定了信息的合成方式、排序邏輯與引用規(guī)則，其能力邊界本質(zhì)上等同于模型能力本身。

●往上一層是掌握流量入口的平臺(tái)方。 搜索引擎、超級(jí)應(yīng)用及內(nèi)容平臺(tái)憑借龐大的用戶規(guī)模，在信息分發(fā)環(huán)節(jié)具備天然優(yōu)勢(shì)，也因此被視為GEO生態(tài)中最具長(zhǎng)期杠桿效應(yīng)的參與者。

●再往上一層則是品牌與企業(yè)自身。企業(yè)在GEO體系中的核心職責(zé)并非“操作算法”，而是提供可靠、可驗(yàn)證、持續(xù)更新的事實(shí)型信息，包括產(chǎn)品說明、服務(wù)條款、合規(guī)聲明與結(jié)構(gòu)化知識(shí)庫。信息源頭的質(zhì)量，直接影響其被模型采納的可能性。

此外，圍繞GEO的第三方運(yùn)營(yíng)與服務(wù)角色正在顯現(xiàn)。這些角色類似于早期SEM時(shí)代的代理機(jī)構(gòu)，其價(jià)值更多體現(xiàn)在跨平臺(tái)內(nèi)容治理、權(quán)威性增強(qiáng)及數(shù)據(jù)分析能力上。

整體來看，平臺(tái)方與基礎(chǔ)模型提供方被認(rèn)為具備更穩(wěn)定的長(zhǎng)期優(yōu)勢(shì)，而第三方服務(wù)商的機(jī)會(huì)，則取決于其能否在多平臺(tái)環(huán)境中形成差異化能力。

03

潛在影響：內(nèi)容生產(chǎn)底層邏輯變化

隨著GEO理念的普及，內(nèi)容生產(chǎn)與傳播的底層邏輯也可能發(fā)生變化。

相較于以往偏重?cái)⑹屡c風(fēng)格的內(nèi)容策略，生成式引擎更傾向于采納具備明確來源、數(shù)據(jù)支持和結(jié)構(gòu)化表達(dá)的信息。這意味著，內(nèi)容的“證據(jù)密度”與可驗(yàn)證性，可能在未來獲得更高權(quán)重。

與此同時(shí)，對(duì)原創(chuàng)性的影響呈現(xiàn)出雙重特征。

一方面，模型可能偏好某些標(biāo)準(zhǔn)化、模板化的表達(dá)方式，壓縮創(chuàng)意空間；另一方面，對(duì)一手?jǐn)?shù)據(jù)、權(quán)威來源和高質(zhì)量事實(shí)的需求，也可能反向激勵(lì)更具專業(yè)深度的原創(chuàng)內(nèi)容。

未來更重要的不只是“怎么說”，而是“誰說的、基于什么說、是否可追溯”。這一變化或?qū)⑼苿?dòng)公共知識(shí)體系向更強(qiáng)調(diào)專業(yè)性與可信度的方向演進(jìn)。

與此同時(shí)，GEO也不可避免地面臨數(shù)據(jù)污染、虛假內(nèi)容和“洗稿”等風(fēng)險(xiǎn)。加之大模型自身可能產(chǎn)生的“幻覺”問題，這些挑戰(zhàn)并非短期現(xiàn)象。

但GEO相關(guān)的企業(yè)數(shù)據(jù)污染，應(yīng)該被視為企業(yè)層面的風(fēng)險(xiǎn)管控問題，而非狹隘的營(yíng)銷技術(shù)問題。由于大語言模型和AI搜索引擎能夠大規(guī)模放大扭曲敘事，即便是微小的數(shù)據(jù)污染或惡意注入內(nèi)容，都可能造成大范圍傳播并持續(xù)存在。

因此，數(shù)據(jù)污染的危害程度可與網(wǎng)絡(luò)安全漏洞相提并論，必須采取相應(yīng)層級(jí)的應(yīng)對(duì)措施。

首要任務(wù)是進(jìn)行溯源診斷。

企業(yè)必須確定污染屬于惡意行為（如惡意公關(guān)、提示詞投毒、有組織的水軍），還是意外事故（如供應(yīng)商數(shù)據(jù)泄露）。如果是惡意攻擊，企業(yè)需采取防御及反制策略；若屬于服務(wù)商失誤，企業(yè)則需觸發(fā)合同、法律與監(jiān)管層面的應(yīng)對(duì)。

接下來是實(shí)施即時(shí)的技術(shù)隔離。

包括凍結(jié)受影響的GEO流程、隔離受污染的模型或數(shù)據(jù)庫、回滾至污染前的數(shù)據(jù)節(jié)點(diǎn)等。企業(yè)應(yīng)當(dāng)主動(dòng)對(duì)GEO界面進(jìn)行測(cè)試，通過模擬高風(fēng)險(xiǎn)提問，監(jiān)測(cè)模型回答的偏移趨勢(shì)與幻覺傾向。

后續(xù)應(yīng)對(duì)策略需根據(jù)污染根源分化執(zhí)行。

對(duì)于惡意GEO攻擊或黑公關(guān)行為，企業(yè)需協(xié)調(diào)法律、傳播與技術(shù)團(tuán)隊(duì)開展聯(lián)動(dòng)響應(yīng)，通過平臺(tái)申訴機(jī)制遏制傳播，并快速部署以權(quán)威信源為基礎(chǔ)的高可信度反駁內(nèi)容。企業(yè)的響應(yīng)速度與語義一致性遠(yuǎn)比提供的信息數(shù)量更重要，因?yàn)榇笳Z言模型生成答案時(shí)更容易受內(nèi)容重復(fù)度與邏輯連貫性影響。

若是服務(wù)商導(dǎo)致的數(shù)據(jù)污染，企業(yè)應(yīng)啟動(dòng)合同應(yīng)急條款，要求對(duì)方出具數(shù)據(jù)刪除與模型更新證明，審計(jì)供應(yīng)商的訓(xùn)練流程，若涉及投資者或跨境數(shù)據(jù)則需更高層的監(jiān)管機(jī)制。

最后，預(yù)防工作同等重要。

企業(yè)需要建立專屬GEO的治理架構(gòu)和流程，比如規(guī)范會(huì)影響生成引擎的數(shù)據(jù)范圍、制定員工與合作機(jī)構(gòu)的提示詞風(fēng)險(xiǎn)政策、持續(xù)監(jiān)測(cè)模型AI生成的品牌相關(guān)答案、強(qiáng)化供應(yīng)商管控等。

在監(jiān)管層面，未來治理邏輯或?qū)⒀永m(xù)既有的搜索引擎與生成式AI監(jiān)管框架，通過強(qiáng)化信息來源標(biāo)識(shí)、內(nèi)容溯源、水印機(jī)制以及平臺(tái)問責(zé)，來約束潛在的濫用行為。

04

未來營(yíng)銷：企業(yè)應(yīng)如何看待GEO

圍繞GEO的另一個(gè)爭(zhēng)議在于是否存在先發(fā)優(yōu)勢(shì)，企業(yè)有無必要提前布局。

這取決于生成式引擎對(duì)信息的偏好機(jī)制：如果模型更依賴長(zhǎng)期穩(wěn)定、被廣泛引用的權(quán)威數(shù)據(jù)源，早期進(jìn)入者在建立可信度方面確實(shí)具備優(yōu)勢(shì)；但若模型更強(qiáng)調(diào)時(shí)效性與個(gè)性化，后來者仍可能通過細(xì)分領(lǐng)域找到突破口。

● 對(duì)于品牌方而言，可以將GEO視為一項(xiàng)“先防御、后進(jìn)攻”的能力。在當(dāng)前階段，GEO的核心價(jià)值首先體現(xiàn)在品牌安全與信息準(zhǔn)確性上，即確保生成式引擎在涉及品牌問題時(shí)，給出的答案真實(shí)、合規(guī)且一致。防止被錯(cuò)誤標(biāo)簽化或惡意描述，是企業(yè)必須正視的風(fēng)險(xiǎn)。

● 至于主動(dòng)影響用戶心智的“進(jìn)攻型”價(jià)值，更適用于高客單價(jià)、品牌聲譽(yù)高度敏感的行業(yè)。對(duì)同質(zhì)化程度高、價(jià)格敏感的產(chǎn)品而言，進(jìn)入GEO賽道的緊迫性相對(duì)有限。

長(zhǎng)遠(yuǎn)來看，GEO只是AI重塑營(yíng)銷體系的一個(gè)切面。營(yíng)銷或?qū)⒊蔀锳I最早實(shí)現(xiàn)規(guī)模化落地的領(lǐng)域之一。原因在于其本身具備數(shù)據(jù)基礎(chǔ)、試錯(cuò)成本相對(duì)可控，且與商業(yè)轉(zhuǎn)化距離較近。

未來，從內(nèi)容生成、創(chuàng)意優(yōu)化到定價(jià)、促銷與庫存管理，算法的參與度都將持續(xù)提高。

更重要的變化可能發(fā)生在衡量體系層面。隨著營(yíng)銷鏈路的數(shù)字化程度提升，長(zhǎng)期困擾行業(yè)的效果歸因問題有望得到緩解，營(yíng)銷決策也將更加數(shù)據(jù)化、模型化。

在這一過程中，供給端的企業(yè)與需求端的用戶行為都將發(fā)生變化，而生成式人工智能最終將如何重塑二者之間的互動(dòng)關(guān)系，仍有待時(shí)間檢驗(yàn)。

文中圖片來自圖蟲創(chuàng)意，轉(zhuǎn)載需獲授權(quán)。

點(diǎn)擊下方卡片，關(guān)注長(zhǎng)江商學(xué)院