深響持續(xù)關(guān)注AI營(yíng)銷(xiāo)：

GEO亂象｜廣告4A的AI躍進(jìn)｜詳解千問(wèn)豆包元寶的營(yíng)銷(xiāo)長(zhǎng)跑｜AI營(yíng)銷(xiāo)的陰暗面 ｜戛納AI大討論｜AI TVC｜百度AI營(yíng)銷(xiāo)｜優(yōu)酷AI營(yíng)銷(xiāo) ｜ 快手AI營(yíng)銷(xiāo)｜阿里媽媽AI落地｜微軟AI營(yíng)銷(xiāo)｜專(zhuān)訪X（Twitter）｜專(zhuān)訪鈦動(dòng)

??深響原創(chuàng) · 作者｜劉亞瀾

AI營(yíng)銷(xiāo)正經(jīng)歷冰火兩重天。

一邊是“養(yǎng)龍蝦”不斷破圈，A2A（Agent to Agent）營(yíng)銷(xiāo)走上舞臺(tái)；另一邊則是警鐘敲響，央視315曝光GEO亂象，惡意“投毒”AI大模型，干擾AI的判斷，使其輸出帶有商業(yè)傾向甚至虛假的信息。顯然，在真實(shí)的AI營(yíng)銷(xiāo)和大眾認(rèn)知甚至行業(yè)認(rèn)知之間存在著巨大的信息差。

最近，我們?cè)L談到Pallas AI創(chuàng)始人Ethan，他在阿里有10年算法經(jīng)驗(yàn)，也是前螞蟻Ling大模型首席架構(gòu)師，其創(chuàng)立的Pallas AI是市場(chǎng)上首款提供標(biāo)準(zhǔn)化產(chǎn)品的 GEO AI Agent，并已獲得兩筆投資，累計(jì)融資超千萬(wàn)人民幣。

“你想投毒會(huì)變得越來(lái)越困難。如果AI能在秒級(jí)閱讀幾千篇文章，你需要投多少稿件才能影響它的判斷？AI會(huì)越來(lái)越聰明，所以這種惡意競(jìng)爭(zhēng)的商業(yè)模式無(wú)法成立?！盓than告訴「深響」：“在 AI 時(shí)代，惡意競(jìng)爭(zhēng)的性價(jià)比極低。企業(yè)唯一能做的就是踏踏實(shí)實(shí)地做好自己的事情?！?/p>

圍繞GEO與AI營(yíng)銷(xiāo)，我們核心討論了以下關(guān)鍵問(wèn)題：

• GEO與SEO的核心區(qū)別、GEO的實(shí)現(xiàn)路徑、GEO的歸因邏輯
• “全民養(yǎng)蝦”對(duì)品牌意味著哪些機(jī)會(huì)？A2A營(yíng)銷(xiāo)又是什么？
• 直面AI營(yíng)銷(xiāo)的種種挑戰(zhàn)，廣告主可以做哪些準(zhǔn)備？

GEO的誤區(qū)思考：什么才是真正的GEO？

雖然現(xiàn)在GEO被黑灰產(chǎn)搞得污名化，但Ethan并沒(méi)有回避這個(gè)詞。他希望客戶和行業(yè)能由此真正思考到底什么是GEO。

他認(rèn)為，GEO并不是在AI里排名和露出的問(wèn)題，而是如何讓AI理解你。GEO是幫助企業(yè)在內(nèi)容輸出端，專(zhuān)門(mén)面向 AI 再做一次營(yíng)銷(xiāo)，把企業(yè)的內(nèi)容，用 AI 能聽(tīng)懂、能深度理解的邏輯重新整合一遍，確保 AI 獲取到足夠完整、準(zhǔn)確的信息，進(jìn)而向用戶做出有效推薦。

“大家對(duì)GEO最大的誤解是混淆了GEO和SEO。兩者的核心區(qū)別不在于優(yōu)化的平臺(tái)，而在于指標(biāo)衡量方式。大家還是會(huì)把可見(jiàn)性、排名、首推率、推薦率這些當(dāng)成重要指標(biāo)。但GEO 真正的最終指標(biāo)可能是多樣性覆蓋率（Diversity Coverage）以及轉(zhuǎn)化效果。”

在 SEO 時(shí)代，排名第一還是第五是決定生死的“最終指標(biāo)”。但在 GEO 時(shí)代，用戶 Prompt（提問(wèn)）是極度個(gè)性化且長(zhǎng)尾的，平均長(zhǎng)度達(dá)到 23-27 個(gè)詞，這意味著以前那種“守住幾個(gè)核心關(guān)鍵詞”的邏輯徹底失效了。AI 時(shí)代沒(méi)有所謂的“熱門(mén) Prompt”，企業(yè)需要關(guān)注的是：在無(wú)數(shù)個(gè)長(zhǎng)尾、碎片化的用戶意圖場(chǎng)景下，你的品牌是否都能通過(guò)真實(shí)的“證據(jù)”出現(xiàn)在 AI 的答案里——這也就是多樣性覆蓋。

Pallas AI營(yíng)銷(xiāo)圖譜示意

目前的GEO行業(yè)，大致有兩種路線，一種是“博弈”，研究模型的偏好，試圖“黑”進(jìn)推薦算法，找到AI的推薦規(guī)律；另一種則是 Pallas AI堅(jiān)持的“共建”。

找規(guī)律的方法在短期內(nèi)可能見(jiàn)效，但壁壘極低。隨著模型智能度的飛速提升，尤其是上下文（Context）窗口突破千萬(wàn)級(jí)甚至上億級(jí)別時(shí)，AI 能夠拉回全行業(yè)的所有信息，所謂的“排名規(guī)則”將不復(fù)存在。Ethan認(rèn)為，GEO 不應(yīng)是去“黑”模型的偏好，而是通過(guò)補(bǔ)齊內(nèi)容的“供給差異”，與模型實(shí)現(xiàn)共建。

“模型為什么要搜索？是為了找到更實(shí)時(shí)、準(zhǔn)確的信息來(lái)提升回復(fù)質(zhì)量。這可能才是模型最本質(zhì)、第一性需要的東西?！盓than告訴「深響」：“那我們就要找到內(nèi)容的供給差異（Gap），實(shí)時(shí)補(bǔ)充企業(yè)迭代的信息，提升模型回復(fù)的準(zhǔn)確性。”

具體而言，Pallas AI通過(guò)五個(gè)基本步驟來(lái)實(shí)現(xiàn)：

• 背景調(diào)查：明確營(yíng)銷(xiāo)實(shí)體是品牌還是產(chǎn)品線還是單一產(chǎn)品，并通過(guò)Agent對(duì)行業(yè)、競(jìng)品、用戶畫(huà)像做深度研究；
• 營(yíng)銷(xiāo)定向：為企業(yè)建立圖譜，找準(zhǔn)用戶、場(chǎng)景、意圖；
• 分析監(jiān)控：明確定向范圍后初步執(zhí)行，并觸發(fā)監(jiān)控從而獲取數(shù)據(jù)反饋；
• 生成策略：基于數(shù)據(jù)發(fā)現(xiàn)優(yōu)化機(jī)會(huì)點(diǎn)，包括內(nèi)容缺口，信息缺失點(diǎn)等；
• 內(nèi)容生成：結(jié)合機(jī)會(huì)點(diǎn)需求，圍繞客戶背景調(diào)查及知識(shí)庫(kù)和全網(wǎng)評(píng)測(cè)信息來(lái)生成大綱、尋找證據(jù)（Evidence）并進(jìn)行真實(shí)性校驗(yàn)，最后發(fā)布并完成閉環(huán)。

以上的流程，是一個(gè)完整的GEO周期。這也是所謂“野生服務(wù)商”很難具備的系統(tǒng)性能力。它們看上去復(fù)雜，但在Pallas AI中，基本一天內(nèi)就可以完成。

AI營(yíng)銷(xiāo)的FOMO與真·浪潮

其實(shí)現(xiàn)在AI營(yíng)銷(xiāo)的痛點(diǎn)并非技術(shù)，而是使用者的畏難情緒和彌漫在行業(yè)里的焦慮感。

就拿最近火熱的“全民養(yǎng)蝦”來(lái)說(shuō)，從初創(chuàng)團(tuán)隊(duì)到大廠高管，似乎人人都在“養(yǎng)蝦”，這種熱潮迅速演變成了一種新型的 FOMO（Fear of Missing Out錯(cuò)失恐懼）：如果我還沒(méi)弄明白龍蝦是什么，是不是就要被 AI 時(shí)代拋棄了？如果我的品牌還沒(méi)做AI營(yíng)銷(xiāo)，是不是就要錯(cuò)過(guò)下一個(gè)抖音、下一個(gè)小紅書(shū)了？

在Ethan看來(lái)，這種情緒需要降溫。他建議廣告主關(guān)注龍蝦的普及率：“當(dāng)前養(yǎng)龍蝦的還是AI圈、互聯(lián)網(wǎng)圈，沒(méi)有「全民」，雖然范圍在一點(diǎn)點(diǎn)地?cái)U(kuò)大，但這還是一個(gè)逐漸滲透的過(guò)程。這個(gè)速度對(duì)比2023年底ChatGPT達(dá)到1億DAU，我覺(jué)得還是差很遠(yuǎn)的?！?/p>

但不焦慮的同時(shí)，我們也需要弄清背后的營(yíng)銷(xiāo)趨勢(shì)?！褒埼r未必只是它表現(xiàn)出來(lái)的樣子，它實(shí)際上是用戶交互的入口。”Ethan指出，當(dāng)交互入口從 ChatGPT、豆包等公共平臺(tái)轉(zhuǎn)移到用戶“自己的龍蝦”上時(shí)，流量的分發(fā)權(quán)也隨之位移。因?yàn)椤白约旱凝埼r”擁有用戶更多的私有上下文（Context），用戶對(duì)它的信任度遠(yuǎn)超通用大模型。

對(duì)于廣告主而言，這種趨勢(shì)背后的商業(yè)邏輯確實(shí)不同以往。落到具體的營(yíng)銷(xiāo)范式上，這就是A2A營(yíng)銷(xiāo)的前奏。

在去年年底，A2A 聽(tīng)起來(lái)還很遙遠(yuǎn)，但隨著個(gè)人與企業(yè)間協(xié)議層的實(shí)驗(yàn)展開(kāi)，這種形態(tài)正在加速落地。想象一個(gè)場(chǎng)景：你需要買(mǎi)一條 1 米 93 的人穿的長(zhǎng)褲。在傳統(tǒng)電商時(shí)代，你需要反復(fù)搜索、比價(jià)、看評(píng)論；但在 A2A 時(shí)代，你的 Agent 會(huì)直接帶著需求去詢問(wèn)多家品牌方的 Agent。

由此，歸因的邏輯也會(huì)不一樣：過(guò)去，人是第一行動(dòng)者，點(diǎn)擊、瀏覽、下單，構(gòu)成了一條完整的用戶行為歸因路徑。這條路線定義了搜索、推薦系統(tǒng)時(shí)代的商業(yè)模式；而在AI的語(yǔ)境下，AI 是內(nèi)容的第一閱讀者和決策參與者。未來(lái) AI 會(huì)幫用戶比價(jià)、詢價(jià)，甚至通過(guò)協(xié)議（如 Instant Checkout 或 ACP）直接拉起支付鏈路。當(dāng)訂單是由 AI 調(diào)起時(shí)，我們自然也需要一套全新的歸因體系。

多維度歸因

面對(duì)這樣的變化趨勢(shì)，廣告主可以做的準(zhǔn)備主要是認(rèn)知層面和內(nèi)容層面。認(rèn)知上，保持好奇、保持對(duì)AI營(yíng)銷(xiāo)動(dòng)態(tài)的關(guān)注，甚至可以進(jìn)行一些實(shí)驗(yàn)；而內(nèi)容上的準(zhǔn)備更緊迫一些——品牌們必須抓緊積累自己的AI內(nèi)容資產(chǎn)，即AI可以看懂的、結(jié)構(gòu)化的內(nèi)容。

Ethan談到在業(yè)務(wù)中發(fā)現(xiàn)很多品牌的內(nèi)容非常零散、沒(méi)有任何圖譜結(jié)構(gòu)?！按蠹业钠放菩畔ⅰa(chǎn)品信息、用戶信息都分散在各處，還有大量的PDF、PPT、視頻，缺乏結(jié)構(gòu)化整理。而這個(gè)數(shù)據(jù)信息的結(jié)構(gòu)化管理便是企業(yè)接下來(lái)的核心壁壘之一。你需要從品牌形象到細(xì)分 SKU，再到適配場(chǎng)景和競(jìng)品優(yōu)劣，建立一套完整的管理體系。”

說(shuō)嚴(yán)重一點(diǎn)，未來(lái)用戶的 Agent（如龍蝦）直接對(duì)接企業(yè)的 Agent時(shí)，如果數(shù)據(jù)不能從營(yíng)銷(xiāo)人員的腦子里搬出來(lái)，變成 Agent 可讀的持久化數(shù)據(jù)單元，品牌就無(wú)法接住未來(lái)的 A2A 流量。

更多細(xì)節(jié)思考在「深響」整理后的部分訪談實(shí)錄中：

GEO的誤區(qū)

深響：現(xiàn)在市場(chǎng)上對(duì)GEO行業(yè)誤解很多，您覺(jué)得最需要澄清的有哪些？

Ethan：最大的誤解還是混淆了GEO和SEO。兩者的核心區(qū)別不在于優(yōu)化的平臺(tái)，而在于指標(biāo)衡量方式。大家還是會(huì)把可見(jiàn)性、排名、首推率、推薦率這些當(dāng)成重要指標(biāo)。

在 SEO 時(shí)代，排名第一還是第五是“最終指標(biāo)”；但在 GEO 時(shí)代，排名只是一個(gè)非?！爸虚g的指標(biāo)”。它只能證明 AI 能夠理解并曝光你的產(chǎn)品，但遠(yuǎn)沒(méi)有結(jié)束。

深響：如果排名不是最終指標(biāo)，那 GEO 真正的最終指標(biāo)是什么？

Ethan：我認(rèn)為可能是多樣性覆蓋率（Diversity Coverage）以及轉(zhuǎn)化歸因。

在搜索引擎時(shí)代，其實(shí)大部分企業(yè)不需要做太多關(guān)鍵詞，只要圍繞搜索量級(jí)跟搜索熱度，把核心關(guān)鍵詞或者說(shuō)用戶關(guān)注的一些關(guān)鍵詞做好就可以了。而且你可以比較單次、獨(dú)立地拿出這些信息，這些也能投SEM。

但在 AI 時(shí)代，用戶 Prompt 是極度個(gè)性化且長(zhǎng)尾的（平均 23-27 個(gè)詞），不存在所謂的“熱門(mén) Prompt”。因此，企業(yè)需要關(guān)注：面向AI營(yíng)銷(xiāo)的時(shí)候，你的覆蓋率是否在持續(xù)提升？你是否挖掘到了用戶潛在的真實(shí)意圖？你通過(guò)什么樣的證據(jù)在補(bǔ)充用戶意圖？我們買(mǎi)的不是一個(gè)可見(jiàn)性，而是 AI 渠道帶來(lái)的實(shí)際營(yíng)收效果。

這很大程度上也是引導(dǎo)市場(chǎng)的一個(gè)過(guò)程。AI平臺(tái)已經(jīng)在做很多事情了，比如商品卡，千問(wèn)幫我買(mǎi)、豆包的商品鏈接，這些東西都在嘗試提升用戶的效率。那對(duì)于GEO廠商，其實(shí)應(yīng)該把這些事情聯(lián)動(dòng)起來(lái)給企業(yè)出一些歸因方式，讓企業(yè)看到自己在GEO上的投入是否帶來(lái)了營(yíng)收效果。

深響：但畢竟廣告主也需要匯報(bào)，我們看到挺多用截圖去當(dāng)結(jié)案的?，F(xiàn)在的 GEO 歸因進(jìn)展如何？

Ethan：我們的進(jìn)展是，Agent 已經(jīng)能監(jiān)測(cè)到商品維度的曝光信息，并匯總到店鋪層面，通過(guò)連接銷(xiāo)量數(shù)據(jù)來(lái)觀察相關(guān)性。

AI營(yíng)銷(xiāo)歸因現(xiàn)在還不完整主要挑戰(zhàn)在于行為主體的改變：

傳統(tǒng)時(shí)代： 人是第一行動(dòng)者，點(diǎn)擊、瀏覽、下單，構(gòu)成了一條完整的用戶行為歸因路徑。這條路線定義了搜索、推薦系統(tǒng)時(shí)代的商業(yè)模式，我覺(jué)得是非常合理的。

AI 時(shí)代： AI 是內(nèi)容的第一閱讀者和決策參與者。未來(lái) AI 會(huì)直接幫用戶比價(jià)、詢價(jià)，甚至通過(guò)協(xié)議（如 Instant Checkout 或 ACP）直接拉起支付鏈路。當(dāng)訂單是由 AI 調(diào)起時(shí)，我們需要一套全新的歸因體系。

目前海外有一些比較清晰的路線，比如在海外我們可以連接企業(yè)客戶網(wǎng)站的CDN，包括他們跟AI交互的一些接口信息，我們?nèi)ケO(jiān)聽(tīng)這些接口是不是被AI調(diào)用了。這種情況下我們可以連接后續(xù)的AI行為去看最終營(yíng)收與AI的關(guān)聯(lián)度有多大。

深響：為什么很多 GEO 公司選擇從海外市場(chǎng)試水，而不是國(guó)內(nèi)？

Ethan：我覺(jué)得大家可能有兩個(gè)核心關(guān)注點(diǎn)。

1. 標(biāo)準(zhǔn)化：如果大家很關(guān)注海外市場(chǎng)，大概率是希望做標(biāo)準(zhǔn)化產(chǎn)品，而非重人力的服務(wù)方案。
2. 公域體系差異：海外跟國(guó)內(nèi)有一個(gè)最大的區(qū)別，就是海外的網(wǎng)站體系（Website），或者企業(yè)的公域體系還活得很好。海外擁有成熟的網(wǎng)站體系，企業(yè)在自家官網(wǎng)維護(hù) FAQ 和文章，AI 就能讀取，試錯(cuò)成本極低。而國(guó)內(nèi)幾乎不看網(wǎng)站了，內(nèi)容多散落在各類(lèi)三方媒體平臺(tái)上，企業(yè)需要通過(guò)各種中介發(fā)稿，成本和門(mén)檻更高。

深響：能否詳細(xì)拆解一個(gè)完整的GEO客戶服務(wù)流程，從初始達(dá)成合作到最終效果監(jiān)測(cè)與迭代，一個(gè)完整的周期是怎樣的？

Ethan：我們將整個(gè)流程簡(jiǎn)化為五步：

1. 背景調(diào)查：明確營(yíng)銷(xiāo)實(shí)體（品牌還是具體 SKU），通過(guò) Agent 對(duì)行業(yè)、競(jìng)品、用戶畫(huà)像做深度研究Research。
2. 營(yíng)銷(xiāo)定向（圖譜建立）：給企業(yè)做營(yíng)銷(xiāo)定向，繪制營(yíng)銷(xiāo)圖譜。明確優(yōu)化目標(biāo)之后，找到目標(biāo)用戶，理解這些目標(biāo)用戶會(huì)在什么場(chǎng)景使用產(chǎn)品、對(duì)產(chǎn)品有哪些疑問(wèn)、產(chǎn)生哪些意圖……我們交付的不是幾個(gè) Prompt，而是幾十條路徑，每條路徑下掛載幾十個(gè)示例 Prompt，追求多樣性覆蓋。
3. 分析監(jiān)控：設(shè)定完整的基準(zhǔn)線，讓企業(yè)選擇定向范圍以及目標(biāo)地域、語(yǔ)言，然后去做、去觸發(fā)我們的整個(gè)監(jiān)控。觸發(fā)監(jiān)控后，我們可以直接讓企業(yè)在5-10 分鐘后迅速看到第一次數(shù)據(jù)反饋，產(chǎn)出原始回復(fù)明細(xì)和匯總數(shù)據(jù)。你就能看到AI平臺(tái)當(dāng)下是怎么反饋問(wèn)題的、你在平臺(tái)的位置如何（可見(jiàn)度、排名、平均位置、好感度、商品卡露出等等）。我們甚至支持企業(yè)客戶自定義所需要的指標(biāo)。
4. 生成策略：基于上一部的真實(shí)數(shù)據(jù)發(fā)現(xiàn)“內(nèi)容機(jī)會(huì)點(diǎn)”。比如 AI 在推薦護(hù)眼電視時(shí)推錯(cuò)了型號(hào)，策略就是補(bǔ)充該型號(hào)護(hù)眼功能的強(qiáng)證據(jù)。
5. 內(nèi)容生成（Agent 協(xié)作）：我們把自己的內(nèi)容變成一個(gè)“子 Agent” ，它圍繞客戶背景調(diào)查及知識(shí)庫(kù)和全網(wǎng)評(píng)測(cè)信息來(lái)生成大綱、尋找證據(jù)（Evidence）并進(jìn)行真實(shí)性校驗(yàn)，最后發(fā)布并完成閉環(huán)。閉環(huán)后我們會(huì)把數(shù)據(jù)指標(biāo)細(xì)粒度再對(duì)齊，比如這篇內(nèi)容有沒(méi)有被AI引用、被AI引用到的情況下產(chǎn)生了什么樣的品牌可見(jiàn)性或者品牌定位的差異性或者效果提升，圍繞這些提升效果我們?cè)僭鯓由刹呗?、持續(xù)推進(jìn)。

這以上的流程，是一個(gè)完整周期。基本上一天內(nèi)，是可以完成一個(gè)直接閉環(huán)的。當(dāng)然我們的Agent用起來(lái)，確實(shí)也有一些學(xué)習(xí)成本，一些營(yíng)銷(xiāo)人員對(duì)Agent還不是很了解，大家可以通過(guò)把問(wèn)題拋給Agent來(lái)解決。我們做了很多優(yōu)化，也有一些培訓(xùn)，客戶不用擔(dān)心這些會(huì)燒credits。

深響：市場(chǎng)上有些GEO公司主要研究模型偏好、投其所好，你們的思路似乎不太一樣？

Ethan：確實(shí)很多團(tuán)隊(duì)都在看搜索引擎的ranking（排名）是怎么去做的，用過(guò)去的思路來(lái)看AI模型。我覺(jué)得這種思路是“博弈”。博弈在短期內(nèi)會(huì)有收益，有結(jié)果，但我非常不看好。

模型智能度正在飛速提升，當(dāng) AI 連復(fù)雜的數(shù)學(xué)公式和長(zhǎng)文本都能深度理解時(shí)，所謂的理解模型的“內(nèi)容偏好”的差異（比如99 分與 100 分的差距）會(huì)變得微乎其微。 搜索引擎時(shí)代，SEO去研究排名規(guī)則有用，是因?yàn)橐?guī)則不會(huì)頻繁變化。

更重要的是，下一個(gè)時(shí)代，當(dāng)模型的上下文（Context）突破千萬(wàn)甚至上億 Token 時(shí)，排名（Ranking）將不再重要，你能把這個(gè)行業(yè)的全部信息都拉回來(lái)。博弈者的壁壘會(huì)隨著模型迭代而消解。 這時(shí)候你的優(yōu)勢(shì)又是什么呢？

我們?cè)谒伎肌Ｐ蜑槭裁匆阉?？為什么不能直接回?fù)結(jié)果？因?yàn)樗阉魇菫榱苏业礁鼘?shí)時(shí)、更多方、更準(zhǔn)確的信息來(lái)提升模型本身回復(fù)的準(zhǔn)確性。這可能才是模型最本質(zhì)、第一性需要的東西。那么我們做GEO怎么去擴(kuò)大模型這方面的優(yōu)勢(shì)？

我們的思路是共建：模型搜索是為了獲取更實(shí)時(shí)、準(zhǔn)確的信息。那我們就要找到內(nèi)容的“供給差異（Gap）”，實(shí)時(shí)補(bǔ)充企業(yè)迭代的信息，提升模型回復(fù)的準(zhǔn)確性。這種生態(tài)共建模式在中長(zhǎng)期是可持續(xù)的，因?yàn)槟Ｐ陀肋h(yuǎn)需要這樣的實(shí)時(shí)信息去回答用戶源源不斷的個(gè)性化的問(wèn)題。

我們唯一關(guān)注的是渠道偏好，模型在哪些地方能看見(jiàn)內(nèi)容、在哪些地方看不見(jiàn)內(nèi)容，它的渠道偏好對(duì)我們來(lái)說(shuō)就是0和1的區(qū)別。

直面AI營(yíng)銷(xiāo)的挑戰(zhàn)

深響：品牌主現(xiàn)在應(yīng)該如何積累自己的 AI 內(nèi)容資產(chǎn)？

Ethan：這是一個(gè)特別好的問(wèn)題，也是我們發(fā)現(xiàn)的痛點(diǎn)?，F(xiàn)在很多企業(yè)客戶，他們的內(nèi)容是非常零散、沒(méi)有任何圖譜結(jié)構(gòu)的。大家的品牌信息、產(chǎn)品信息、用戶信息都分散在各處，還有大量的PDF、PPT、視頻，缺乏結(jié)構(gòu)化整理。而這個(gè)數(shù)據(jù)信息的結(jié)構(gòu)化管理確實(shí)是企業(yè)接下來(lái)的核心壁壘之一。你需要從品牌形象到細(xì)分 SKU，再到適配場(chǎng)景和競(jìng)品優(yōu)劣，建立一套完整的管理體系。

這個(gè)結(jié)構(gòu)其實(shí)以前就有，在營(yíng)銷(xiāo)人員的腦子里——我的產(chǎn)品線什么樣、行業(yè)線怎么樣、產(chǎn)品直接怎么聯(lián)動(dòng)、節(jié)點(diǎn)營(yíng)銷(xiāo)什么組合拳，這些是有的，只是沒(méi)有被梳理好。

未來(lái)商業(yè)模式會(huì)變成：用戶的 Agent（如龍蝦）直接對(duì)接企業(yè)的 Agent。如果你的數(shù)據(jù)不能從營(yíng)銷(xiāo)人員的腦子里搬出來(lái)，變成 Agent 可讀的持久化數(shù)據(jù)單元，你就無(wú)法接住未來(lái)的 A2A 流量。

深響：這是對(duì)內(nèi)容結(jié)構(gòu)的要求。那么具體到內(nèi)容本身呢？我們需要讓內(nèi)容更像“論文”來(lái)讓AI更容易讀懂嗎？

Ethan：我覺(jué)得至少文學(xué)性的語(yǔ)言包括可能偏向于營(yíng)銷(xiāo)性的語(yǔ)言會(huì)減少，但它到底是不是一篇論文，我覺(jué)得也沒(méi)專(zhuān)業(yè)到那種程度。它的專(zhuān)業(yè)度在于你的信息可信、你是不是有一些引證單元，如果說(shuō)這個(gè)引證單元有“論文”的結(jié)構(gòu)的話，那你確實(shí)是可以保持這樣的結(jié)構(gòu)，讓 AI 更可信一些。

深響：營(yíng)銷(xiāo)內(nèi)容往往需要夸張（比如“遙遙領(lǐng)先”），這與 AI 要求的真實(shí)性是否沖突？

Ethan： 我們需要把“實(shí)”的論據(jù)（Evidence）與“虛”的調(diào)性（Slogan/Tone）拆分開(kāi)。 AI 作為一個(gè)“新銷(xiāo)售”，你不能只告訴它“遙遙領(lǐng)先”，它理解不了這種調(diào)性。你需要告訴它準(zhǔn)確的參數(shù)和場(chǎng)景適配度，同時(shí)明確告知它品牌的價(jià)值觀。

在生成內(nèi)容時(shí)，我們會(huì)區(qū)分“主觀表達(dá)”與“客觀證據(jù)”。如果只是通過(guò)簡(jiǎn)單的 Prompt 堆砌營(yíng)銷(xiāo)辭令，那是在制造“垃圾語(yǔ)料”，AI 的判斷力遠(yuǎn)超個(gè)體用戶，這種低質(zhì)污染在未來(lái)沒(méi)有商業(yè)性價(jià)比。

深響：如何應(yīng)對(duì)競(jìng)品的 AI 惡意差評(píng)或污染？

Ethan： 你想投毒會(huì)變得越來(lái)越困難。如果AI能在秒級(jí)閱讀幾千篇文章，你需要投多少稿件才能影響它的判斷？AI會(huì)越來(lái)越聰明，所以這種惡意競(jìng)爭(zhēng)的商業(yè)模式無(wú)法成立。

在 AI 時(shí)代，黑別人的性價(jià)比極低。我們很期待AI時(shí)代，大家的博弈手段失效了，以前的很多負(fù)向競(jìng)爭(zhēng)/惡意競(jìng)爭(zhēng)失效，這時(shí)候企業(yè)唯一能做的就是踏踏實(shí)實(shí)地做好自己的事情。

深響：品牌方該如何判斷 AI 營(yíng)銷(xiāo)服務(wù)商的水平？

Ethan：很難直接判斷，水平太參差不齊了。我不建議 KA 企業(yè)找外部服務(wù)商做獨(dú)立的 GEO，因?yàn)檫@應(yīng)該是一個(gè)內(nèi)部轉(zhuǎn)崗組建團(tuán)隊(duì)、與現(xiàn)有營(yíng)銷(xiāo)銜接的過(guò)程。 對(duì)于非 KA 企業(yè)，建議使用標(biāo)準(zhǔn)化的 Agent 工具。服務(wù)商的消耗太高且結(jié)果難量化，容易導(dǎo)致企業(yè)在 FOMO 和“被割韭菜”的挫敗感中死循環(huán)。

現(xiàn)在大家把GEO做為戰(zhàn)略預(yù)算，它的營(yíng)銷(xiāo)占比當(dāng)前不會(huì)太大，但會(huì)持續(xù)增加。所以企業(yè)還是先有認(rèn)知，低成本地在這個(gè)事情上做積累和探索比較好。

深響：從營(yíng)銷(xiāo)服務(wù)商轉(zhuǎn)型而來(lái)的AI營(yíng)銷(xiāo)公司會(huì)積累了很多過(guò)去的營(yíng)銷(xiāo)數(shù)據(jù)、用戶洞察，他們的Agent會(huì)有更多的“經(jīng)驗(yàn)”嗎？

Ethan：營(yíng)銷(xiāo)公司積累的數(shù)據(jù)大多是營(yíng)銷(xiāo)行為數(shù)據(jù)。這個(gè)數(shù)據(jù)是可以拿來(lái)訓(xùn)練的，比如什么情況下操作點(diǎn)擊、曝光，它的競(jìng)價(jià)大概多少，圍繞這些可以做競(jìng)價(jià)bidding模型、操盤(pán)手策略。

在Pallas AI當(dāng)前的視角上，我們只做數(shù)據(jù)積累，沒(méi)有做任何訓(xùn)練，因?yàn)槲覀冋J(rèn)為我們幫企業(yè)去理解的更多的是企業(yè)的營(yíng)銷(xiāo)內(nèi)容數(shù)據(jù)，包括用戶的內(nèi)容數(shù)據(jù)。這些數(shù)據(jù)不需要去訓(xùn)練。如果Agent公司宣稱這方面是有壁壘、宣稱自己在訓(xùn)練模型的，通常是面向投資人不得不做的一件事。

你可以這樣想，如果你拿到了部分局部數(shù)據(jù)進(jìn)行訓(xùn)練，而ChatGPT又更新了版本，你覺(jué)得誰(shuí)厲害？當(dāng)前Agent公司從模型的維度去建立壁壘、構(gòu)建閉環(huán)，我覺(jué)得是不太存在的。

我們的閉環(huán)在于，客戶在我們這里用GEO時(shí)，它的使用效率和反饋效率以及他持續(xù)使用時(shí)可能會(huì)產(chǎn)生的遷移成本。這是我們應(yīng)用層公司應(yīng)該去考慮的壁壘。

深響：大多數(shù) Agent 平臺(tái)賣(mài) Credit（積分），基于 Token 消耗的“計(jì)量收費(fèi)”。Pallas AI也是。但大家可能會(huì)質(zhì)疑這種模式可能并不希望你的任務(wù)一次性高效完成，因?yàn)椤皬U話越多，積分扣得越快”，讓你不斷地生成、不斷地分發(fā)，消耗大量積分。還有另一種模式是RaaS按結(jié)果付費(fèi)，您怎么看這兩種商業(yè)模式？AI營(yíng)銷(xiāo)服務(wù)的利潤(rùn)空間應(yīng)該從何而來(lái)？

Ethan：我其實(shí)挺不看好按結(jié)果付費(fèi)的。在目前的狀態(tài)下，所有的按結(jié)果付費(fèi)，它都不是真正的結(jié)果，而是個(gè)中間值?；蛘哒f(shuō)，我給客戶畫(huà)個(gè)餅，告訴他這是結(jié)果，然后按餅付費(fèi)。

我們從性價(jià)比角度、客戶真實(shí)的視角來(lái)看，我們的商業(yè)模式跟Manus還是高度相似的，我們把它變成一種基礎(chǔ)設(shè)施，就像電力一樣，客戶交的是電費(fèi)。我們希望以高性比的方式融入客戶的企業(yè)。這樣對(duì)企業(yè)來(lái)講也是有最高ROI的。

從龍蝦到A2A營(yíng)銷(xiāo)

深響：最近熱度很高的“全民養(yǎng)蝦”對(duì)AI營(yíng)銷(xiāo)有什么影響？

Ethan：“龍蝦”未必只是它表現(xiàn)出來(lái)的樣子，它實(shí)際上是用戶交互的入口層。它是“全民私人顧問(wèn)”在用戶端的具體落地。如果把這種形態(tài)定義為未來(lái)趨勢(shì)，那么用戶的核心交互場(chǎng)景將從 ChatGPT、豆包等 AI 平臺(tái)，轉(zhuǎn)移到“自己的龍蝦”上，用戶會(huì)更相信龍蝦，因?yàn)樽约旱凝埼r會(huì)擁有自己更多的上下文信息（Context）。

這個(gè)時(shí)候廣告主的營(yíng)銷(xiāo)動(dòng)作或者說(shuō)入口的曝光方式會(huì)變成通過(guò)龍蝦對(duì)他們產(chǎn)品和品牌的理解，再去給用戶做相應(yīng)的篩選。

深響：Agent to Agent。

Ethan：對(duì)，在去年11、12月，我們就在講A2A經(jīng)濟(jì)，但那時(shí)候覺(jué)得很遠(yuǎn)，尤其是個(gè)人到企業(yè)之間的這種A2A，需要很多商業(yè)協(xié)議和規(guī)范才能真正落地。當(dāng)然現(xiàn)在純個(gè)人之間的A2A其實(shí)已經(jīng)在交互了，個(gè)人與企業(yè)之間的A2A也不會(huì)特別遠(yuǎn)了，我們正在做一些跟龍蝦相關(guān)的協(xié)議層的一些實(shí)驗(yàn)。

深響：您覺(jué)得廣告主圍繞A2A，現(xiàn)在可以關(guān)注？基于這些關(guān)注點(diǎn)能做些什么？

Ethan：我覺(jué)得大家不要過(guò)度FOMO。在FOMO情緒下做的選擇大概率是錯(cuò)的。我建議大家可以關(guān)注龍蝦的普及率，這是一個(gè)很重要的指標(biāo)，當(dāng)前養(yǎng)龍蝦的還是AI圈、互聯(lián)網(wǎng)圈，沒(méi)有“全民”，雖然范圍在一點(diǎn)點(diǎn)地?cái)U(kuò)大，但這還是一個(gè)逐漸滲透的過(guò)程。這個(gè)速度對(duì)比2023年底ChatGPT達(dá)到1億DAU，我覺(jué)得還是差很遠(yuǎn)的。

具體來(lái)說(shuō)，廣告主還可以關(guān)注入口遷移的商業(yè)邏輯。為什么龍蝦讓大家很FOMO，因?yàn)榇蠹野l(fā)現(xiàn)這次入口的遷移會(huì)真正帶來(lái)跟之前很不一樣的商業(yè)邏輯。廣告主現(xiàn)在可以做的是降低自己的FOMO情緒后做一些A2A的實(shí)驗(yàn)去理解這個(gè)事情。

深響：最后談?wù)剬?duì) A2A 營(yíng)銷(xiāo)未來(lái)的走向判斷？

Ethan： A2A 是商業(yè)模式提效的最終命題。它能解決用戶極度個(gè)性化的需求（比如幫 1 米 93 的我買(mǎi)到合適的長(zhǎng)褲子）。目前的難點(diǎn)在于協(xié)議與監(jiān)管（支付、內(nèi)容、法務(wù)協(xié)議）。

我們接下來(lái)的形態(tài)可能會(huì)直接給企業(yè)建立一個(gè)MCP，這個(gè)MCP可以跟多個(gè)Agent連接起來(lái)。我們比較堅(jiān)定的是去做面向企業(yè)端的產(chǎn)品，當(dāng)下是GEO的Agent，之后可能是Agent Builder。