不做GEO的品牌將會(huì)“賽博逝世”？｜對(duì)話PureblueAI清藍(lán)

深響持續(xù)關(guān)注AI營(yíng)銷：

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

??深響原創(chuàng) · 作者｜林之柏

風(fēng)口上的GEO，正走到命運(yùn)的關(guān)鍵分岔口。

一方面，市場(chǎng)規(guī)模仍在加速擴(kuò)張，概念股持續(xù)火熱。據(jù)艾媒咨詢測(cè)算，2026年中國(guó)GEO行業(yè)市場(chǎng)規(guī)模將達(dá)到942億元，同比增長(zhǎng)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(fù)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(shù)漏洞還是認(rèn)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(wù)商PureblueAI清藍(lán)的創(chuàng)始人、CEO魯揚(yáng)展開對(duì)話。作為前字節(jié)跳動(dòng)火山引擎市場(chǎng)總經(jīng)理、豆包大模型市場(chǎng)負(fù)責(zé)人，魯揚(yáng)在2024年獨(dú)立創(chuàng)業(yè)、成立PureblueAI清藍(lán)，公司目前已完成多輪融資，股東包括祥峰中國(guó)、英諾基金、藍(lán)色光標(biāo)等知名機(jī)構(gòu)。

魯揚(yáng)認(rèn)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(yàn)驅(qū)動(dòng)向模型算法驅(qū)動(dòng)的技術(shù)路線變遷，并將對(duì)未來產(chǎn)生更為深遠(yuǎn)的影響：AI時(shí)代，規(guī)范化的AI營(yíng)銷流程與技術(shù)壁壘，將決定品牌在AI商業(yè)生態(tài)中的話語(yǔ)權(quán)，中小企業(yè)更可借此實(shí)現(xiàn)垂直賽道的“平權(quán)突圍”，一場(chǎng)徹底的商業(yè)變革正在發(fā)生。

從人工驅(qū)動(dòng)到模型驅(qū)動(dòng)，GEO的三重技術(shù)分野

當(dāng)下，無論品牌、投資人還是業(yè)內(nèi)人士，對(duì)GEO、AI營(yíng)銷都還有不少誤解。

比如因?yàn)槎际莟oB類型的服務(wù)，投資人容易把AI營(yíng)銷和SaaS進(jìn)行類比。但實(shí)際上二者有著本質(zhì)差異。魯揚(yáng)談到AI應(yīng)用對(duì)比SaaS：

• 一是交付原理不同，SaaS交付工具、需用戶主導(dǎo)，AI則直接交付結(jié)果、主動(dòng)主導(dǎo)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(jìn)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(guó)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(shù)層面都有著很大的區(qū)別。

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

這種種認(rèn)知錯(cuò)位，和GEO技術(shù)路線的快速迭代、持續(xù)分化脫不開關(guān)系。

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

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

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

魯揚(yáng)表示，“直到現(xiàn)在，國(guó)內(nèi)90%的GEO服務(wù)商基本還停留在人工、經(jīng)驗(yàn)驅(qū)動(dòng)的階段”。而過于依賴人工操作，正是行業(yè)陷入低質(zhì)量?jī)?nèi)卷、“黑灰產(chǎn)”抬頭的重要原因。

“黑灰產(chǎn)”GEO操作可以總結(jié)為“假、大、黑”：偽造數(shù)據(jù)、榜單，以博取AI信任；用自動(dòng)發(fā)稿機(jī)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(jìng)品的負(fù)面信息，借AI之力打擊對(duì)手。

短期內(nèi)，“黑灰產(chǎn)”服務(wù)商確實(shí)“忽悠”了不少品牌和AI。比如“黑公關(guān)”操作，AI當(dāng)前較為敏感，更有可能抓取負(fù)面信息，對(duì)品牌產(chǎn)生不利影響。

服務(wù)商的低價(jià)內(nèi)卷和虛假承諾，同樣起到“推波助瀾”的作用。魯揚(yáng)透露，去年下半年以來，部分服務(wù)商猛打價(jià)格戰(zhàn)，報(bào)價(jià)可能低至正規(guī)服務(wù)商的十分之一；同時(shí)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(yáng)認(rèn)為，品牌和服務(wù)商迷信人工模式，和SEO時(shí)期養(yǎng)成的“思維慣性”有關(guān)。

SEO時(shí)代，AI未成氣候，服務(wù)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(shè)。加上各大搜索引擎的規(guī)則相對(duì)公開、清晰，經(jīng)驗(yàn)確實(shí)很關(guān)鍵。

但在GEO時(shí)代，這一套操作玩不轉(zhuǎn)了——人工、數(shù)據(jù)驅(qū)動(dòng)模式有一個(gè)共同問題：讀不懂AI。

魯揚(yáng)表示，AI大模型就像一個(gè)“黑箱”：“它會(huì)告訴你問題的答案、給你推薦商品，但不會(huì)告訴你推理的過程。因?yàn)榇竽Ｐ捅澈笫且惶讖?fù)雜的神經(jīng)網(wǎng)絡(luò)，不具備明文規(guī)則，整個(gè)推理過程是個(gè)黑盒，而且在不斷迭代、變化?！?/p>

因此，純靠人工去猜測(cè)大模型的推理邏輯精確度很低，也無法做到規(guī)?；粩?shù)據(jù)工具或許有效，但效率太低。只有讓模型學(xué)習(xí)模型，用算法解密算法，走模型驅(qū)動(dòng)路線才是真正的通路。

目前，PureblueAI清藍(lán)采取純模型驅(qū)動(dòng)路線，構(gòu)建異構(gòu)模型協(xié)同迭代、環(huán)境自感知模型進(jìn)化引擎兩大核心技術(shù)。

異構(gòu)模型協(xié)同迭代是指在底層通用大模型的基礎(chǔ)上，搭建上層“小模型”，基于不同客戶的真實(shí)數(shù)據(jù)和需求做針對(duì)性的學(xué)習(xí)和優(yōu)化，構(gòu)建品牌高認(rèn)可的營(yíng)銷物料。

環(huán)境自感知數(shù)據(jù)模型進(jìn)化引擎，通過高頻監(jiān)控，對(duì)模型算法的變化進(jìn)行自適應(yīng)學(xué)習(xí)新的數(shù)據(jù)范式，從而構(gòu)建新的信源偏好和品牌內(nèi)容。

這套模型的優(yōu)勢(shì)在于，洞察做得足夠深入且細(xì)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(gòu)這些內(nèi)容背后的共同特征、結(jié)構(gòu)因子。

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

• 第一步意圖挖掘：分析用戶會(huì)問的問題、這背后值得關(guān)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(dāng)前在AI端的布局、表現(xiàn)，給出優(yōu)化建議；
• 第三步知識(shí)管理：客戶上傳品牌、產(chǎn)品介紹等營(yíng)銷資料，建立知識(shí)庫(kù)；
• 第四步模型自學(xué)習(xí)：由小模型根據(jù)客戶的目標(biāo)意圖展開針對(duì)性學(xué)習(xí)；
• 第五步內(nèi)容生成：由模型根據(jù)算法學(xué)習(xí)結(jié)果來指導(dǎo)內(nèi)容生產(chǎn)；
• 第六步效果評(píng)測(cè)：即通過“AB測(cè)試”，評(píng)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(rèn)投放：經(jīng)評(píng)估后確定合適的內(nèi)容、由客戶確認(rèn)，發(fā)布到不同類型平臺(tái)；
• 第八步效果監(jiān)測(cè)：由自研BI系統(tǒng)負(fù)責(zé)。

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

顯然，GEO行業(yè)正經(jīng)歷從人工經(jīng)驗(yàn)、數(shù)據(jù)驅(qū)動(dòng)向模型驅(qū)動(dòng)的迭代，未來發(fā)展路徑逐步清晰。規(guī)范化的服務(wù)流程、完善的技術(shù)儲(chǔ)備，將成為服務(wù)商最關(guān)鍵的競(jìng)爭(zhēng)壁壘。

交付難題與付費(fèi)亂象：品牌如何“避坑”？

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

效果監(jiān)測(cè)和付費(fèi)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(cè)和歸因方式缺乏統(tǒng)一標(biāo)準(zhǔn)，“黑灰產(chǎn)”服務(wù)商很容易找到“造假”的機(jī)會(huì)：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(jié)果上鉆空子，僅以幾張簡(jiǎn)單的AI對(duì)話界面截圖作為交付憑證敷衍客戶。但背后，服務(wù)商可能安排人員長(zhǎng)期、高頻次重復(fù)搜索，歷經(jīng)上百成千次嘗試后，截取單次偶發(fā)的理想結(jié)果。這一類“形式合規(guī)”的交付模式下，品牌的真實(shí)推薦率并未有實(shí)質(zhì)提升，完全背離GEO初衷。

利用不合理計(jì)費(fèi)模式實(shí)現(xiàn)“零成本套利”，也是“黑灰產(chǎn)”們的慣有手段。

魯揚(yáng)透露，部分服務(wù)商開發(fā)出按單日效果計(jì)費(fèi)的玩法，比如一個(gè)月有5天達(dá)到承諾推薦率，就收5天費(fèi)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(wù)商短期優(yōu)化、維護(hù)后便停止服務(wù)，依靠自然概率達(dá)成零星達(dá)標(biāo)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(duì)GEO、AI大模型的“認(rèn)知偏差”有關(guān)：想讓GEO實(shí)現(xiàn)100%推薦，是不現(xiàn)實(shí)的。這與復(fù)雜的大模型底層架構(gòu)、生成式交互邏輯等技術(shù)因素息息相關(guān)。

對(duì)服務(wù)商來講，如今最重要的任務(wù)之一，就是構(gòu)建一套流程完整、標(biāo)準(zhǔn)統(tǒng)一、具備廣泛公信力的交付、歸因模式和相應(yīng)的付費(fèi)標(biāo)準(zhǔn)，讓品牌找準(zhǔn)方向，并加速“黑灰產(chǎn)”的出清。

魯揚(yáng)認(rèn)為，從宏觀角度看，以品牌效果、獲客效果作為交付指標(biāo)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(biāo)，獲客效果則通過流量線索、交易額等數(shù)據(jù)進(jìn)行量化。針對(duì)后者，目前各大AI平臺(tái)的數(shù)據(jù)監(jiān)測(cè)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(zhuǎn)服務(wù)，相關(guān)數(shù)據(jù)、指標(biāo)未來很有希望完全打通。

鑒于當(dāng)前實(shí)際情況，PureblueAI清藍(lán)采取了按服務(wù)付費(fèi)和工具充值調(diào)用的組合收費(fèi)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(wù)，達(dá)成效果即收取相應(yīng)費(fèi)用；后者則是面向SMB（中小企業(yè)）、營(yíng)銷服務(wù)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(yù)存費(fèi)用、按照使用情況進(jìn)行扣費(fèi)。

在行業(yè)標(biāo)準(zhǔn)不完善、不同體量客戶需求差異較大的現(xiàn)狀下，服務(wù)+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(fèi)對(duì)應(yīng)精細(xì)化、全流程服務(wù)，契合大中型客戶對(duì)長(zhǎng)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(yù)算問題，品牌無需承擔(dān)長(zhǎng)期固定成本，按需使用，降低了中小企業(yè)接入GEO服務(wù)的門檻。

PureblueAI清藍(lán)數(shù)字員工Mark 圖源：PureblueAI清藍(lán)官網(wǎng)

客觀而言，GEO行業(yè)的交付、歸因困惑與付費(fèi)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(shù)不成熟、標(biāo)準(zhǔn)缺失與認(rèn)知錯(cuò)位等因素多重疊加的必然結(jié)果。

行業(yè)當(dāng)前的爭(zhēng)議與分歧，很大程度上是“短期利益”與“長(zhǎng)期價(jià)值”的博弈：“黑灰產(chǎn)”追求快速出效、收割離場(chǎng)，以虛假承諾和低成本操作賺取短期收益；而正規(guī)服務(wù)商則需要通過搭建標(biāo)準(zhǔn)化流程、完善歸因和監(jiān)測(cè)體系，平衡品牌收益與自身盈利，為行業(yè)健康發(fā)展、構(gòu)建品牌信任鋪路。

長(zhǎng)期來看，交付與付費(fèi)模式的規(guī)范化，將成為GEO行業(yè)從野蠻生長(zhǎng)走向成熟的重要拐點(diǎn)。到那時(shí)候，或許人們會(huì)回過神來，思考另一個(gè)同等重要的問題：GEO及其所代表的AI營(yíng)銷，到底將把消費(fèi)行業(yè)引向何方。

未來預(yù)判：大企業(yè)的“零和游戲”與新品牌的“平權(quán)機(jī)遇”

很多時(shí)候，人們總會(huì)在一個(gè)新風(fēng)口、新技術(shù)出現(xiàn)時(shí)放大它的短期沖擊，輕視它的長(zhǎng)期作用；過于關(guān)注各種細(xì)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(yáng)如是說。

事實(shí)上，AI帶來的絕不僅是營(yíng)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?qū)鼣堄脩魪乃阉鞯酵扑]、決策、支付的全鏈路，讓傳統(tǒng)電商平臺(tái)轉(zhuǎn)型為單純履約載體。

當(dāng)生成式AI入口取代傳統(tǒng)流量陣地，成為品牌觸達(dá)用戶的核心通道，Prompt（提示詞）便成了AI時(shí)代的新貨架。在此趨勢(shì)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(zhēng)奪數(shù)字生存權(quán)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(jìng)爭(zhēng)邏輯。

魯揚(yáng)認(rèn)為，對(duì)大中型企業(yè)而言，GEO是一場(chǎng)零和博弈：AI生成內(nèi)容的推薦容量有限、對(duì)心智塑造至關(guān)重要，品牌能否被AI穩(wěn)定認(rèn)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(cuò)失AI紅利那么簡(jiǎn)單，更可能演變成品牌在AI生態(tài)中的“賽博逝世”，面臨競(jìng)品的徹底替代。

而對(duì)中小企業(yè)與新銳品牌來說，AI打破了傳統(tǒng)營(yíng)銷模式下“預(yù)算為王”的固有邏輯，帶來結(jié)構(gòu)性平權(quán)機(jī)遇：新銳品牌無需與巨頭拼投入，通過GEO錨定垂直場(chǎng)景、確立差異化定位，也能在細(xì)分Intent（意圖）中占據(jù)優(yōu)選位置，繞開主流賽道內(nèi)卷，實(shí)現(xiàn)彎道超車。

從更深維度看，AI的影響也不止局限于營(yíng)銷環(huán)節(jié)，未來或?qū)B透至服務(wù)、供應(yīng)鏈、研發(fā)等經(jīng)營(yíng)全域，企業(yè)所有經(jīng)營(yíng)行為，都要對(duì)齊AI的推理邏輯與采信規(guī)則。

從這個(gè)角度看，品牌的核心資產(chǎn)不再是平臺(tái)店鋪、廣告位與流量，而是在AI世界的可信度、場(chǎng)景匹配度與長(zhǎng)期推薦穩(wěn)定性。AI時(shí)代的勝負(fù)，也不再完全取決于預(yù)算多少，更取決于誰能更早、更穩(wěn)地嵌入AI的認(rèn)知體系。

以下為「深響」整理后的部分訪談實(shí)錄：

GEO的三種技術(shù)路線

深響：GEO行業(yè)發(fā)展到今天，都走過了哪些階段？

魯揚(yáng)：我們把GEO技術(shù)路線分成三種——

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

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

2024年下半年，我們主要靠有經(jīng)驗(yàn)的優(yōu)化師工作。2024年11月到2025年1月，則學(xué)習(xí)海外的服務(wù)商，用數(shù)據(jù)監(jiān)測(cè)、分析文章該怎么寫、如何分段等等，Profound等海外服務(wù)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(tái)上的認(rèn)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(gè)A/B版本測(cè)試需要兩周，客戶等不了，平臺(tái)算法在這期間可能也已經(jīng)迭代了。

所以我們得出結(jié)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(xué)習(xí)模型，用算法去解密算法，走模型驅(qū)動(dòng)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(dāng)中的影響？

魯揚(yáng)：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(bào)價(jià)可能是我們是十分之一，當(dāng)時(shí)我覺得可能會(huì)出現(xiàn)劣幣驅(qū)逐良幣的趨勢(shì)。但現(xiàn)在更多人了解到“灰黑產(chǎn)”的危害，對(duì)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(yáng)：“黑灰產(chǎn)”其實(shí)就是從上述三種技術(shù)路線中衍生出來的錯(cuò)誤分支。

直到現(xiàn)在，國(guó)內(nèi)市面上90%的GEO服務(wù)商基本都還停留在人工、經(jīng)驗(yàn)驅(qū)動(dòng)的階段，這或許是習(xí)慣了SEO時(shí)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(shè)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(yàn)驅(qū)動(dòng)的GEO優(yōu)化有一定效果，但進(jìn)入下半年效果越來越難保證，因?yàn)楦?jìng)爭(zhēng)變得激烈了。

“黑灰產(chǎn)”的做法可以總結(jié)為三個(gè)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(biāo)準(zhǔn)、國(guó)際認(rèn)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(gè)客戶，給我們展示“黑灰產(chǎn)”服務(wù)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(dòng)發(fā)稿機(jī)，只需要注冊(cè)一堆自媒體賬號(hào)，然后把賬號(hào)托管給發(fā)稿機(jī)，就會(huì)每天自動(dòng)投放幾百篇稿件。更高級(jí)的一點(diǎn)的工具還會(huì)先用AI平臺(tái)針對(duì)品牌生成一篇稿件，再自動(dòng)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(guān)，即發(fā)布刻意抹黑競(jìng)爭(zhēng)對(duì)手的稿件。AI當(dāng)前比較敏感，負(fù)面信息很容易被抓取，對(duì)品牌的影響比想象中大。

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

魯揚(yáng)：二者區(qū)別主要在技術(shù)、產(chǎn)品層面。

SEO是基于“keyword”（關(guān)鍵詞）進(jìn)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(wù)商，都沒有跳出SEO的慣性思路。

問題在于，GEO面對(duì)的是大模型。你問AI一個(gè)問題，它只會(huì)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(jié)果的。而且大模型不斷變化，不同時(shí)間提同樣的問題、不同的人提同一個(gè)問題，都可能得到不同答案。

因?yàn)榇笳Z(yǔ)言模型背后是一套復(fù)雜的神經(jīng)網(wǎng)絡(luò)，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(yùn)氣行為，精確度非常低、難以規(guī)模化。

深響：PureblueAI清藍(lán)兩個(gè)核心競(jìng)爭(zhēng)力：異構(gòu)模型協(xié)同迭代、環(huán)境自感知模型進(jìn)化引擎，分別是什么原理？

魯揚(yáng)：環(huán)境自感知模型進(jìn)化引擎的工作原理，是通過高頻監(jiān)控，對(duì)模型算法的變化進(jìn)行自適應(yīng)學(xué)習(xí)新的數(shù)據(jù)范式，從而構(gòu)建新的信源偏好和品牌內(nèi)容。具體來講是先進(jìn)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(jié)構(gòu)。

至于異構(gòu)模型協(xié)同迭代，是指在底層通用大模型的基礎(chǔ)上，搭建上層“小模型”，基于不同客戶的真實(shí)數(shù)據(jù)和需求做針對(duì)性的學(xué)習(xí)和優(yōu)化，構(gòu)建品牌高認(rèn)可的營(yíng)銷物料。

實(shí)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(xué)習(xí)，去讀懂AI。

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

AI尋找信源是一個(gè)層層篩選的環(huán)節(jié)，比如你問AI“礦泉水哪家好？”，AI首先會(huì)理解提問背后的搜索意圖，將其拆成一組關(guān)鍵詞，然后用關(guān)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?gòu)闹刑暨x一部分高質(zhì)量?jī)?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?jī)?nèi)容。

在這個(gè)層層篩選的漏斗當(dāng)中，每一步都有一些內(nèi)容被AI淘汰、降權(quán)，最后無法被引用，另一些內(nèi)容則能夠經(jīng)歷 AI 考驗(yàn)、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(jié)構(gòu)因子？這些信息沒有辦法靠人工去猜測(cè)，我們只能任務(wù)交給算法，讓算法去學(xué)習(xí)。

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

魯揚(yáng)：我們通常拆分為八個(gè)步驟，每個(gè)步驟對(duì)應(yīng)著不同的Agent。

• 第一步意圖挖掘，分析用戶會(huì)問哪些與品牌相關(guān)的問題，這背后有哪些值得關(guān)注的信息；
• 第二步品牌診斷，基于用戶意圖，分析品牌當(dāng)前在AI端的布局、表現(xiàn)，給出優(yōu)化建議；
• 第三步知識(shí)管理，客戶上傳品牌、產(chǎn)品介紹等，我們進(jìn)行向量化、建立知識(shí)庫(kù)；
• 第四步，由小模型根據(jù)客戶的目標(biāo)意圖展開針對(duì)性學(xué)習(xí)；
• 第五步，由模型根據(jù)算法學(xué)習(xí)結(jié)果來指導(dǎo)內(nèi)容生產(chǎn)；
• 第六步效果評(píng)測(cè)，即“AB測(cè)試”，主要評(píng)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(rèn)，發(fā)布到不同類型平臺(tái)；
• 最后是效果監(jiān)測(cè)，由自研BI系統(tǒng)負(fù)責(zé)。

需要注意的是，前兩步都是屬于售前服務(wù)、不收取費(fèi)用，客戶根據(jù)診斷結(jié)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(huì)推進(jìn)后面的流程。

深響：針對(duì)知識(shí)庫(kù)構(gòu)建這個(gè)環(huán)節(jié)，品牌方目前在內(nèi)容儲(chǔ)備上有哪些需要注意的地方？

魯揚(yáng)：傳統(tǒng)的品牌營(yíng)銷中，品牌需要一個(gè)Message House（信息房子），包含完整的品牌信息架構(gòu)：對(duì)外的Slogan、營(yíng)銷話術(shù)和價(jià)值主張；目標(biāo)客戶的痛點(diǎn)、品牌優(yōu)勢(shì)；對(duì)應(yīng)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(yíng)銷時(shí)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(yíng)銷效果。但AI時(shí)代，這些長(zhǎng)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(guān)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(huì)太好。

在AI時(shí)代，品牌需要一個(gè)完整的知識(shí)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(gè)方向做內(nèi)容營(yíng)銷會(huì)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(huì)越來越容易。

深響：還有一些投資人習(xí)慣把AI營(yíng)銷看成一種新型SaaS，您如何看待這種觀點(diǎn)？

魯揚(yáng)：有時(shí)候我們只要看到To B應(yīng)用，都會(huì)覺得有點(diǎn)像SaaS。但我認(rèn)為，二者至少有三個(gè)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(jié)果，它背后代表的是兩種不同的工作流：SaaS是用戶來主導(dǎo)，工具被動(dòng)響應(yīng)，客戶使用能力直接影響營(yíng)銷效果；而AI Agent是AI主導(dǎo)流程，根據(jù)不同的stage、客戶的feedback，去定制工作流。AI的主動(dòng)性、對(duì)結(jié)果負(fù)責(zé)，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(dá)到30%已非常不錯(cuò)。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(chǎng)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(shí)是幫企業(yè)做流程的數(shù)字化，這一套在海外更有效，因?yàn)楹Ｍ馄髽I(yè)特別注重流程。但國(guó)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(guó)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(cuò)誤流程給數(shù)字化了，而AI可以跳出現(xiàn)有的業(yè)務(wù)流程來工作。

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

深響：SaaS行業(yè)劃分很細(xì)，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(duì)不同客戶的情況去做針對(duì)性部署有些相似，GEO這些細(xì)分模型會(huì)和垂類SaaS一樣有較高的認(rèn)知壁壘嗎？

魯揚(yáng)：去年上半年剛興起的時(shí)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(hào)；汽車行業(yè)幾大垂類媒體的采信權(quán)重也比較高。另外，針對(duì)不同行業(yè)，AI給出的答案擴(kuò)展性也不一樣。比如茶飲等消費(fèi)品類，豆包經(jīng)常會(huì)協(xié)同LBS（Location-Base Service，基于位置服務(wù)）定位，給你推薦身邊的門店。

正因?yàn)椴煌袠I(yè)的差異比較大，人工去學(xué)每一個(gè)行業(yè)的特性是不可行的，所以我們才用模型訓(xùn)練的方法，讓模型去學(xué)習(xí)每一個(gè)客戶。

深響：對(duì)比國(guó)外的GEO生態(tài)，中國(guó)市場(chǎng)有哪些獨(dú)特的地方？

魯揚(yáng)：總體來看，國(guó)外的GEO要出效果相對(duì)更難一些。

部分原因是國(guó)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(tái)，還有獨(dú)立站、Reddit等內(nèi)容社區(qū)。像Reddit等平臺(tái)，發(fā)布文章都有門檻。

所以海外GEO服務(wù)人工參與度會(huì)更高，海外服務(wù)商更愿意提供產(chǎn)品、工具，而非一整套服務(wù)，因?yàn)槿绻麪可娴饺斯ね度耄僮骶蜁?huì)更復(fù)雜。

歸因難題與付費(fèi)亂象

深響：一套GEO服務(wù)的周期通常有多長(zhǎng)？周期的長(zhǎng)短是否和收費(fèi)掛鉤？

魯揚(yáng)：不同行業(yè)、客戶，甚至是一個(gè)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(zhǎng)則一兩周，但不會(huì)拖得太長(zhǎng)，所以周期對(duì)收費(fèi)基本不會(huì)有太大影響。

但我們?cè)谡絻?yōu)化前會(huì)有一個(gè)學(xué)習(xí)期，正常是 一周，期間根據(jù)客戶情況進(jìn)行學(xué)習(xí)，學(xué)習(xí)越充分，優(yōu)化效果越好。有些客戶的營(yíng)銷Campaign（營(yíng)銷活動(dòng)）如果非常著急，需要馬上見效，也可以針對(duì)性地縮減學(xué)習(xí)期。

深響：您覺得合理衡量GEO效果的指標(biāo)都有哪些？

魯揚(yáng)：從宏觀角度來看，主要有兩個(gè)：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(gè)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(gè)排名它其實(shí)并不是真正意義的行業(yè)榜單，也不是讓大模型去給出價(jià)值判斷，GEO真正影響的是AI推薦順序。因?yàn)橛脩粝駻I提問時(shí)，AI的答案通常不會(huì)只有一個(gè)品牌，最先提及的品牌用戶心智影響更深，這是GEO的價(jià)值。

至于獲客效果，當(dāng)前階段，像流量線索、交易額等指標(biāo)，我們還無法直接監(jiān)測(cè)，但后面應(yīng)該會(huì)實(shí)現(xiàn)。目前豆包、千問已經(jīng)開始在回答里面提供跳轉(zhuǎn)鏈路，電商后臺(tái)能夠監(jiān)測(cè)到Chatbot帶來的流量。未來，我認(rèn)為GEO很有可能開啟按獲客效果收費(fèi)的模式。

深響：“黑灰產(chǎn)”服務(wù)商在結(jié)果交付上都有哪些算計(jì)？比如我們了解到一些服務(wù)商會(huì)用簡(jiǎn)單的AI對(duì)話截圖來應(yīng)付交差。

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

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

我們這個(gè)客戶了解完以后也發(fā)現(xiàn)，對(duì)方交付的每日截圖坑很大，他們可以找一個(gè)實(shí)習(xí)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(shí)推薦率還是很低，有的截圖連時(shí)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(wù)商按單日效果收費(fèi)，一個(gè)月有5天達(dá)到承諾的推薦率，就收這5天的費(fèi)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(wù)商可能幫客戶做一個(gè)月優(yōu)化，然后停下，AI推薦效果或許下降、但不會(huì)清零，依然有幾天能達(dá)到承諾推薦率、收取費(fèi)用，而服務(wù)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(wù)商提出一個(gè)條款：如果優(yōu)化效果出現(xiàn)波動(dòng)，那是因?yàn)榇竽Ｐ退惴ǖ?，服?wù)商不承擔(dān)后果。如果你連算法迭代都應(yīng)對(duì)不了，怎么好意思說自己做的是GEO？

深響：咱們的付費(fèi)模式具體如何運(yùn)作？正如您所說，按獲客效果付費(fèi)當(dāng)前還不太可行。

魯揚(yáng)：我們真正提供的產(chǎn)品有兩類，一種是直接交付結(jié)果的服務(wù)，按月、按Query收費(fèi)?？蛻舸_定要優(yōu)化的意圖、優(yōu)化周期、想實(shí)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(yīng)的標(biāo)準(zhǔn)進(jìn)行收費(fèi)。

另一個(gè)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(gè)AI native，同時(shí)也是一個(gè)Multi Agent、口碑營(yíng)銷專家，客戶可以用對(duì)話形式與其溝通，讓它去做所有優(yōu)化動(dòng)作。

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

一些之前做SEO、公關(guān)、會(huì)務(wù)的服務(wù)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(fèi)模式主要是預(yù)存消耗，比如預(yù)存1000塊，可以得到10000個(gè)points或credit，然后根據(jù)對(duì)應(yīng)操作進(jìn)行扣除。

未來預(yù)判

深響：AI營(yíng)銷帶來的變革到底有多大？

魯揚(yáng)：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(yuǎn)遠(yuǎn)不是，它可能連傳統(tǒng)電商都會(huì)取代。就像豆包，之前跳轉(zhuǎn)到抖音電商，但后面可能不需要跳轉(zhuǎn)、直接在內(nèi)部完成交易。

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

由此再看GEO，其價(jià)值更不一般。

狹義的GEO，是解決AI搜索場(chǎng)景認(rèn)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(wù)。如果說AI將成為未來整個(gè)人類商業(yè)社會(huì)基礎(chǔ)規(guī)則，那么企業(yè)的每一個(gè)經(jīng)營(yíng)動(dòng)作都要跟AI規(guī)則相適配，這不僅包括營(yíng)銷，還有服務(wù)、供應(yīng)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(huì)面臨什么樣的影響？

魯揚(yáng)：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(huì)有差異。

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

其次，對(duì)于中小企業(yè)和新銳品牌，AI提供了平權(quán)機(jī)會(huì)。

過去十幾年，所有廣告形式背后的運(yùn)作邏輯都是競(jìng)價(jià)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(jìng)價(jià)排名規(guī)則下，小企業(yè)沒有特別高的預(yù)算，很難去PK大品牌。

AI時(shí)代，一個(gè)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(gè)性化、垂直化定位，比如塑造成多功能、運(yùn)動(dòng)型飲料的優(yōu)選品牌等等。對(duì)于很多新銳品牌來說，用好GEO，便能占住垂直領(lǐng)域的差異化定位。

為什么說 AI 浪潮影響遠(yuǎn)遠(yuǎn)不亞于之前的互聯(lián)網(wǎng)、移動(dòng)互聯(lián)浪潮？因?yàn)樗趯?duì)整個(gè)人類商業(yè)社會(huì)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(dòng)互聯(lián)網(wǎng)把交易從電腦搬到了移動(dòng)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(yīng)用。

換句話說，prompt是AI時(shí)代的新貨架，你的用戶習(xí)慣用什么樣的話術(shù)問詢AI ，對(duì)應(yīng)的prompt就是品牌應(yīng)該出現(xiàn)的位置。