重估GEO：一场关于“谁能被AI相信”的战争打响了｜甲子光年

GEO不拼软文发稿，拼企业“知识图谱”

作者｜周悦

编辑｜王博

3月15日晚上，几家GEO（生成式引擎优化）服务商的咨询电话突然被打爆了。

一开始，他们还有点摸不着头脑。直到各大媒体的推送消息接连弹出，谜底才揭开：2026年总台央视的“3·15”晚会，曝光了AI大模型领域一种新型的黑灰产——“AI投毒”。

简单来说，“AI投毒”指的是一些服务商通过批量发布软文、编造测评内容、虚构专家身份等手段，诱导大模型抓取并输出带有商业推广意图的信息。广告被精心包装成看似客观中立的AI回答，从而误导用户的判断和决策。

照常理推断，曝光之后迎来的，理应是投诉、追责和行业的集体避险。但让不少业内人士感到意外的是，那些涌入的电话里，有相当一部分并非投诉，而是来自希望咨询合作的企业。

3·15晚会在揭露黑产的同时，无意间也给许多企业决策者做了一次“反向科普”。原来，AI给出的答案并非天生客观，品牌在大模型的回答里同样存在曝光机会。就这样，GEO服务被推到了更多企业的视野中央。

必须明确的是，正规的GEO服务与“AI投毒”存在本质区别。前者基于企业的真实信息，旨在对分散的内容进行梳理和优化呈现，以减少模型的误读；后者则通过伪造和操纵信息来刻意误导模型。两者虽然都在影响AI的输出，但本质上，一个属于信息治理，另一个则是彻头彻尾的作弊。

从某个角度看，黑产的曝光，反而成了一次意料之外的市场教育。

当GEO进入大众视野，市场对AI营销的需求开始快速升温，一场围绕“谁能被AI信任”的新型基础设施“战争”，已然打响。

近期，这场“战争”中迎来了一支备受瞩目的“正规军”——360智见。

1.疯长的GEO乱象与真实的AI营销需求

一个代表未来技术趋势的入口，为何率先催生的是乱象？

在360集团副总裁、360商业化总裁黄剑看来，GEO领域的混乱，不仅仅是因为市场里混入了投机者，更深层的原因在于，当品牌与用户之间插入了“大模型”这个新节点后，旧的营销逻辑已经彻底不够用了。

恰恰是在行业呼唤“正规化”的节点上，360将筹备已久的360智见GEO产品正式推出。他们的目标，是将GEO从一门简单的“发稿生意”，重构为企业面向AI时代的基础设施，用一套全新的营销逻辑，帮助品牌建立长效且可信的AI数字资产。

360智见，图片来源：360智见

其实早在2025年初，GEO概念就已进入观察视野。当时有个细节值得玩味：大年初二，一位企业老板将DeepSeek的问答截图扔进公司群，质问“为什么答案里有竞争对手，却没有我们？”同一个行业问题，不同模型给出的答案推荐名单各不相同。春节过后，类似的截图继续出现在群里，老板甚至要求团队参照AI的回答来调整市场增长目标。另一方面，已经有商家把“DeepSeek推荐”的标签贴在店门口招揽顾客。

你看，AI生成的答案，早已在直接影响客流、市场预算乃至老板的决策判断，GEO的需求正是被这样催熟的。

今年2月，一门按关键词收费、以截图验收的灰色生意被披露出来，其规模已在暗中疯长。最低只需4800元，就能买到在五家主流模型中的“优先推荐”；一个热门关键词的月费甚至能炒到3万元。部分服务商夸下海口，承诺“15分钟冲上收录”“10天保进前三”，但最终交付给客户的，往往只是几张难以验证、随时可能变化的AI问答截图。

用户提问、平台返回答案、品牌争夺露出机会，“上榜AI”俨然成了一门新生意。于是，做SEO的、做内容代发的、做矩阵铺量的，纷纷涌入这个赛道。搜索时代那套流量争夺的逻辑，被原封不动地平移了过来。

在黄剑看来，GEO乱象的症结恰恰出在这里。许多企业并未真正想明白，什么才是AI时代的营销。“他们是在拿着旧地图，寻找新大陆。”黄剑如此评价。

过去，平台更像一个信息通道，品牌把内容推送到用户眼前，由用户点击并自行判断。到了AI时代，用户可以直接与大模型对话，由模型先理解问题，再筛选信息，最后组织成答案输出。

“品牌面临的挑战变成了：能否先进入模型的理解和推荐系统。”黄剑指出，这看似只是中间多了一个技术层，实则彻底改变了整条营销链路。

这也解释了，为何许多旧方法在GEO领域开始失灵。一张截图或许能证明某一次被提及，但无法证明模型真正理解了品牌，更无法保证当用户换一种问法时，品牌是否还能被推荐。

过去争夺的是搜索排名位置，现在争夺的是模型的深度理解。这完全是两码事。

所以说，GEO真正的“乱”，远不止是灰产混入。更深层次的问题在于，企业已经敏锐地察觉到了AI这个新入口的价值，但市场最初提供的解决方案，却大多仍是旧流量生意的翻版。

这同样解释了，为何3·15晚会没有打消市场需求，反而将其放大——需求是真实存在的，只是入口和规则变了。

2.GEO难做，是没有找对方法

既然旧方法失效了，那新的解法究竟是什么？

真正的难点在于，很多人把GEO想得过于简单了。黄剑的判断是：“当前，企业面向AI时代的营销基础设施还远未完善，GEO仅仅是AI营销中的一个环节，尚未形成有效闭环。”

在他看来，传统营销面向的是人，目标是“被人记住”；而到了AI时代，营销变成了“面向AI+人”，品牌必须先被AI找到并读懂，才有可能被最终的用户看见。

因此，现阶段的GEO更像是一项前置的基础工程，它首要解决的是价值匹配与信任建立的问题，而非一套立竿见影的投放动作。

正是基于这个逻辑，360智见没有从多数服务商采用的“发稿”环节切入，而是选择从精细化梳理企业自身的信息资产开始。

第一步，是搭建企业知识图谱。大模型很难从几篇零散的公关稿或孤立的产品参数中，拼凑出一个品牌的完整认知。

无论是意图洞察还是内容生成，前提都不是急于创作内容，而是先让模型理解企业。因此，构建知识图谱成为了企业推进GEO的必然起点。

这里需要区分两个概念：知识库和知识图谱。前者更接近于对企业资料的收集、结构化和粗颗粒度分类；后者则是在此基础上，将信息编织成更细化、更多维、关联性更强的网络。

具体执行时，360智见会将企业分散在官网、产品物料、客服话术等处的产品参数、服务信息、公司介绍、客户案例等内容，首先沉淀、清洗为“企业本体知识库”。随后，再叠加细分客群、场景需求等营销链路中的类目信息，补全为“营销知识库”，最终织成一张可以持续更新的动态知识图谱。

为了减少人工理解可能带来的偏差，360智见在这一环节引入了多个智能体进行协作，并设置了“裁判智能体”等角色，交叉验证信息提取和意图理解的准确性。其核心任务，是将“对人说的话”，转化为大模型能够稳定理解的表达方式。

举个例子，在为一家生产人体工学椅的品牌搭建知识图谱时，系统不会仅仅停留在材质、参数和价格这些基础信息上。它会进一步拆解：不同客群（如程序员、设计师、久坐白领）的职业身份、具体使用场景、日均久坐时长以及身体状况，并据此推理出他们各自关心的核心需求、痛点与产品卖点。这样沉淀下来的，就不再是一堆静态资料，而是一个能够被大模型反复调用、深度理解的认知底座。

第二步，是按场景组织内容。AI时代的用户提问方式已经发生了根本变化。用户不再简单地搜索“最好的办公椅”，而是会问“长时间伏案工作、有腰肌劳损的人适合用什么椅子”，将自己的生活方式和具体场景一同带入问题中。

面对这种更具体、更场景化的提问，360智见会基于企业知识图谱，按照“人群×场景×决策周期”的维度来组织内容。同时，将FAQ（常见问题解答）、场景信息、决策要点等更适合模型理解和引用的结构化内容补充进去，最终生成覆盖用户从认知到决策不同阶段的全方位内容。

以一家无糖茶饮品牌为例，360智见会先拆解其潜在用户群体：可能是健身人群、减脂人群、办公室白领等。不同人群对应的消费场景和关注点截然不同，决策路径也各异。以健身人群为例，他的提问轨迹可能会从“运动后喝什么好”，演进到“无糖茶和运动饮料哪个更适合健身”，再到“健身喝什么无糖茶品牌好”，最后是“XX无糖茶在哪里买”。

对360智见而言，内容创作不再是围绕单一产品变换说法，而是要精准对应不同人群、不同场景、不同决策阶段，把品牌嵌入模型更可能引用的那些具体问题之中。重点不在于写得多，而在于写得对：品牌出现在哪些问题下、以何种方式被转述，都需要提前进行周密设计。

第三步，是重构核心信源。大模型的回答高度依赖外部的开源信息，但模型并非平均对待所有来源，而是有一套内在的信源筛选逻辑，更倾向于抓取权威、可信的内容。

在360智见看来，企业的官方网站和经过认证的自媒体账号，将是未来权重更高的核心信源；而具备公信力的权威媒体，则仍是重要的外部参照和背书。

前两者提供了稳定、一手的信息，后者提供了权威性加持。因此，其策略重点并非进行低质内容的海量投放，而是优先补充那些更容易被模型识别和引用的核心信源。

黄剑提到一个关键转变：“企业今天做传播，已经不能只想着把信息‘发出去’，还要同步考虑，这是不是在为AI提供‘养料’。”

为了更具体地理解不同大模型“相信谁”，360智见搭建了一套自动化的多模型信源监测系统。这套系统持续监测不同模型对各类媒体和内容来源的引用偏好，并结合真实案例与专家经验，对核心媒体进行动态加权评估，最终形成一套科学的媒体权重算法。

这套体系最终指向一个目标：实现更精准的信源布局。优先将高质量内容投放到更容易被模型识别和采信的位置上，而非盲目地进行批量铺设。对360智见来说，关键不在于信息数量的多少，而在于核心内容能否稳定地进入AI的答案序列。

把这条完整链路摆出来，正规GEO与灰产的区别就一目了然了。灰产是在伪造信号：利用假测评、假专家、假信息，想方设法把品牌硬塞进答案；而360智见试图做的，是梳理企业真实的信息资产，并按照大模型更容易理解的逻辑重新组织。前者是在污染模型，后者则是在减少模型的误判。

GEO的难点，不仅在于技术，更在于企业很少将“先重构内部信息资产，再对齐大模型的认知逻辑”视为一项必须完成的系统工程。

市面上许多追求速成的解法，大多跳过了这个最重、最基础的前置环节。360智见试图纠偏的核心正在于此：GEO的起点不是发稿，而是企业必须先重构面向AI时代的品牌基础设施。

3.当下GEO最需要做的是统一评价标准

许多企业第一次看到正规GEO服务的报价时，第一反应往往是“太贵了”。

在黄剑看来，这种反应的本质不只是价格问题，更反映了市场缺乏统一的价值评价标准。“不是贵不贵的问题，而是大家不知道GEO的效果该如何客观评估。”过去，企业在制定营销预算时，早已习惯了搜索时代的单次点击成本（CPC），或是内容投放时代的阅读量、曝光量。

进入大模型时代，原有的评估体系开始失效。企业既不知道如何验收GEO的效果，也很难向内部清晰核算这笔预算的投入产出比。当买卖双方没有建立起共同的评价语境时，任何定价都难以自证其合理性。“这就好比很多人现在依然在用燃油车的标准，去衡量新能源汽车的价格。”黄剑解释道。

为了把这笔账算清楚，360智见对正规GEO的真实成本结构进行了拆解。其中最易量化的一层，是Token（词元）成本，这也是AI时代最接近“硬通货”的部分。

灰产通过批量发布低质软文进行场外铺设，本身几乎不调用大模型算力，成本极低。正规的GEO业务则截然不同，其核心工作量集中在前期的数据重构阶段，需要调用大模型API与多个智能体，对企业海量的原始数据进行提取、清洗和归纳；在后续的效果验证环节，也需要不断对齐不同模型的抓取结果。每一步，都在实实在在地消耗Token。

除了Token成本，黄剑指出，正规GEO的账本里还包括底层系统的开发与维护成本、基础交付成本，以及最容易被低估的“知识成本”（Know-how）。“这正是正规GEO服务与机器刷量最显著的区别。”

企业在前期的品牌诊断、知识图谱搭建、高价值内容生成等环节，都需要行业策略专家深度介入，理解复杂的企业业务逻辑，才能将散乱的内部资料，加工为大模型可复用的结构化资产。

成本结构厘清后，紧接着需要解决的是交付验收问题。过去最容易交付的是截图，因为它简单、直观，最像搜索时代的结果页。但截图只能证明某一次的出现，证明不了模型是否稳定地理解并记住了品牌。

为了替代这种一次性的“结果页”逻辑，360智见引入了D.A.R.T内容评估模型，试图通过四个客观的数据维度，建立起行业通用的量化指标。

这四个维度分别对应品牌在AI体系里最核心的四个问题：能不能被找到（Discovery）、引用的是不是权威信源（Authority）、推荐排序在哪里（Ranking）、出现在什么场景下（Topic）。

360智见D.A.R.T内容评估模型，图片来源：360智见

同时，360智见试图在产品模块中，通过数据仪表盘将“AI可见度”具体化、可视化，让品牌能够清晰地看到自己被提及的频率、出现的位置、以及被关联的具体问题。只有先将这些变化量化出来，GEO才有可能从概念试水，正式进入企业的常态化预算体系。

黄剑打了一个形象的比方：传统广告更像“耗材”，预算一旦停止，流量也就中断了；而GEO更像“资产”。企业建立的知识图谱、重构的官网和权威信源，都会成为品牌持久的数字基础设施，持续产生推荐价值。

从目前的市场反馈来看，这套逻辑已经开始获得一部分企业的认可。

360智见的早期客户，主要集中在3C数码、游戏、医疗、机械设备等行业。这些行业的共同特点是客单价高、专业性强、用户决策链路长，大模型的推荐权重会更直接地影响最终的购买决策。

在一些先行企业那里，GEO已经不再被视作一笔短期的“试水宣发费”，而开始被看作一项面向未来的、长期的数字基础设施投入。

3·15晚会点名的是乱象，但乱象背后暴露的，其实是企业面对AI这个新入口时，普遍存在的基础设施缺口。补上这个缺口，才是GEO真正要解决的长期命题。

在这个过程中，市场无疑还需要更多像这样的“正规军”。

（封面图来源：AI生成）