“流量革命”來了，是時候影響AI的答案了 | AI進化論

親愛的讀者，受微信推送規則影響，僅“關注”很可能無法收到推送。按以下圖示將“長江商學院”設為星標，不錯過每一篇精彩文章！

「AI進化論」是長江商學院推出的AI+主題欄目，匯聚全球AI領域的原創洞見、產業實踐及前瞻研判。從技術突破到產業應用，從戰略布局到倫理邊界，在這里，一起與AI同頻進化。

今天和你分享長江商學院李洋教授發表于《經濟觀察報》的署名文章：當用戶不再點擊搜索鏈接，而是直接采納AI生成的答案，營銷的戰場就從“排名”轉移到了“答案份額”。GEO不是SEO的升級，而是一場底層邏輯的替換：品牌必須確保自己的信息被大模型準確采納。

作者 | 李洋

來源 | 經濟觀察報

原標題 | 拆解GEO：未來營銷新變局

李洋

長江商學院市場營銷學副教授

MBA項目副院長

高層管理教育項目學術主任

生成式引擎優化（GenerativeEn－gineOptimization，GEO）正在成為資本市場與營銷行業共同關注的新概念。

近期，隨著生成式人工智能應用的加速落地，圍繞GEO的討論迅速升溫，多家涉足相關業務的營銷與內容服務公司股價出現明顯波動。

與傳統搜索引擎優化（SEO）或搜索引擎營銷（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所采用的信息來源與內容權重。

在用戶獲取信息的方式日益從“搜索”轉向“對話”的背景下，這一變化被視為營銷邏輯的一次結構性調整。

值得注意的是，GEO并不是對傳統搜索營銷的簡單補充，而更可能構成一種替代性路徑，其影響范圍也不再局限于搜索廣告本身。

01

邏輯轉變：從“點擊率”到“答案份額”

在傳統搜索引擎體系中，營銷優化的核心目標是提升目標鏈接在搜索結果中的排序，通過點擊率實現轉化。但在生成式人工智能場景下，用戶往往不再進入多個鏈接進行比對，而是直接接受模型生成的整合性答案。

在這種機制下，競爭的核心從“點擊量”轉向了“答案份額”。GEO的目標是讓特定品牌、產品或觀點被模型納入答案生成的邏輯之中，并在多個信息源的綜合判斷中獲得更高權重。

從市場空間看，這種變化意味著GEO的影響并不只局限于原有的SEM/SEO（搜索引擎營銷/搜索引擎優化）預算。隨著生成式搜索逐步嵌入內容平臺、電商平臺和超級應用，GEO可能同時重塑內容營銷、公關傳播、KOL合作乃至口碑管理等多個傳統營銷支出方向。

在中國市場，這一趨勢尤為明顯。

不同于歐美市場以通用搜索引擎為主要流量入口，中國互聯網長期呈現“平臺優先”的結構特征。抖音、微信、小紅書、淘寶、京東等平臺在引入大模型搜索或對話式助手后，傳統網頁鏈接的重要性被進一步削弱，跨平臺的“答案呈現”開始成為新的競爭焦點。

02

產業結構：多層參與者的能力邊界

從產業結構看，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用層的多方協同。

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

●往上一層是掌握流量入口的平臺方。 搜索引擎、超級應用及內容平臺憑借龐大的用戶規模，在信息分發環節具備天然優勢，也因此被視為GEO生態中最具長期杠桿效應的參與者。

●再往上一層則是品牌與企業自身。企業在GEO體系中的核心職責并非“操作算法”，而是提供可靠、可驗證、持續更新的事實型信息，包括產品說明、服務條款、合規聲明與結構化知識庫。信息源頭的質量，直接影響其被模型采納的可能性。

此外，圍繞GEO的第三方運營與服務角色正在顯現。這些角色類似于早期SEM時代的代理機構，其價值更多體現在跨平臺內容治理、權威性增強及數據分析能力上。

整體來看，平臺方與基礎模型提供方被認為具備更穩定的長期優勢，而第三方服務商的機會，則取決于其能否在多平臺環境中形成差異化能力。

03

潛在影響：內容生產底層邏輯變化

隨著GEO理念的普及，內容生產與傳播的底層邏輯也可能發生變化。

相較于以往偏重敘事與風格的內容策略，生成式引擎更傾向于采納具備明確來源、數據支持和結構化表達的信息。這意味著，內容的“證據密度”與可驗證性，可能在未來獲得更高權重。

與此同時，對原創性的影響呈現出雙重特征。

一方面，模型可能偏好某些標準化、模板化的表達方式，壓縮創意空間；另一方面，對一手數據、權威來源和高質量事實的需求，也可能反向激勵更具專業深度的原創內容。

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”。這一變化或將推動公共知識體系向更強調專業性與可信度的方向演進。

與此同時，GEO也不可避免地面臨數據污染、虛假內容和“洗稿”等風險。加之大模型自身可能產生的“幻覺”問題，這些挑戰并非短期現象。

但GEO相關的企業數據污染，應該被視為企業層面的風險管控問題，而非狹隘的營銷技術問題。由于大語言模型和AI搜索引擎能夠大規模放大扭曲敘事，即便是微小的數據污染或惡意注入內容，都可能造成大范圍傳播并持續存在。

因此，數據污染的危害程度可與網絡安全漏洞相提并論，必須采取相應層級的應對措施。

首要任務是進行溯源診斷。

企業必須確定污染屬于惡意行為（如惡意公關、提示詞投毒、有組織的水軍），還是意外事故（如供應商數據泄露）。如果是惡意攻擊，企業需采取防御及反制策略；若屬于服務商失誤，企業則需觸發合同、法律與監管層面的應對。

接下來是實施即時的技術隔離。

包括凍結受影響的GEO流程、隔離受污染的模型或數據庫、回滾至污染前的數據節點等。企業應當主動對GEO界面進行測試，通過模擬高風險提問，監測模型回答的偏移趨勢與幻覺傾向。

后續應對策略需根據污染根源分化執行。

對于惡意GEO攻擊或黑公關行為，企業需協調法律、傳播與技術團隊開展聯動響應，通過平臺申訴機制遏制傳播，并快速部署以權威信源為基礎的高可信度反駁內容。企業的響應速度與語義一致性遠比提供的信息數量更重要，因為大語言模型生成答案時更容易受內容重復度與邏輯連貫性影響。

若是服務商導致的數據污染，企業應啟動合同應急條款，要求對方出具數據刪除與模型更新證明，審計供應商的訓練流程，若涉及投資者或跨境數據則需更高層的監管機制。

最后，預防工作同等重要。

企業需要建立專屬GEO的治理架構和流程，比如規范會影響生成引擎的數據范圍、制定員工與合作機構的提示詞風險政策、持續監測模型AI生成的品牌相關答案、強化供應商管控等。

在監管層面，未來治理邏輯或將延續既有的搜索引擎與生成式AI監管框架，通過強化信息來源標識、內容溯源、水印機制以及平臺問責，來約束潛在的濫用行為。

04

未來營銷：企業應如何看待GEO

圍繞GEO的另一個爭議在于是否存在先發優勢，企業有無必要提前布局。

這取決于生成式引擎對信息的偏好機制：如果模型更依賴長期穩定、被廣泛引用的權威數據源，早期進入者在建立可信度方面確實具備優勢；但若模型更強調時效性與個性化，后來者仍可能通過細分領域找到突破口。

● 對于品牌方而言，可以將GEO視為一項“先防御、后進攻”的能力。在當前階段，GEO的核心價值首先體現在品牌安全與信息準確性上，即確保生成式引擎在涉及品牌問題時，給出的答案真實、合規且一致。防止被錯誤標簽化或惡意描述，是企業必須正視的風險。

● 至于主動影響用戶心智的“進攻型”價值，更適用于高客單價、品牌聲譽高度敏感的行業。對同質化程度高、價格敏感的產品而言，進入GEO賽道的緊迫性相對有限。

長遠來看，GEO只是AI重塑營銷體系的一個切面。營銷或將成為AI最早實現規?；涞氐念I域之一。原因在于其本身具備數據基礎、試錯成本相對可控，且與商業轉化距離較近。

未來，從內容生成、創意優化到定價、促銷與庫存管理，算法的參與度都將持續提高。

更重要的變化可能發生在衡量體系層面。隨著營銷鏈路的數字化程度提升，長期困擾行業的效果歸因問題有望得到緩解，營銷決策也將更加數據化、模型化。

在這一過程中，供給端的企業與需求端的用戶行為都將發生變化，而生成式人工智能最終將如何重塑二者之間的互動關系，仍有待時間檢驗。

文中圖片來自圖蟲創意，轉載需獲授權。

點擊下方卡片，關注長江商學院