关于GEO的一些分享

周六晚上，和几位AI搜索专家一起在WaytoAGI的直播间，围绕GEO和AI搜索做了一些交流和分享，下面是一些核心交流观点记录：

  1. AI搜索，是目前AI应用最有商业潜力的场景之一，随着AI搜索的用户量快速上涨，由此产生的新的营销方式GEO（生成式引擎优化），开始备受关注
  2. 如何理解GEO？
  3. 首先需要先理解下搜索，做个比喻的话，传统搜索更像图书管理员，AI搜索更像学者兼KOL，AI搜索是一种“新型认知中介”，它不再只是信息的门卫，而是意见的塑造者
  4. AI搜索的回答不是在“找资料”，而是在“给答案”，从这个层面来看，整体而言，人类获得信息的便捷度，实际上是大大提升了，虽然人类看到的大量信息都是有意无意被加工过
  5. 所以，GEO本质上是AI时代的“答案优化”，传统搜索时代是“人找信息”，AI时代是“信息替人说话”
  6. GEO的权重更多靠语义权威，也就是语义权重>链接权重，比如：在GEO里，“哈佛大学研究显示”比一百个外链更有分量。AI和人一样，容易被“权威符号”说服，在这一点上，和人的直觉相似：见到“哈佛”就觉得可信
  7. 对品牌或产品营销来说，AI时代品牌竞争的营销战场，其实是AI口中的那一句推荐，就是让AI在回答时总能想起你
  8. 因此，在做GEO优化的过程，本质是在说服AI，其逻辑有点像说服一个人，也有点像辩论
  9. 既然是“说服”的逻辑，就会存在作弊手法，也就是黑帽GEO，黑帽GEO手法已出现：语料投毒、搜索结果投毒、格式攻击，骗子公司也能借黑帽让AI推荐自己，风险极高
  10. 关于白帽与黑帽，白帽是内容优化，黑帽是投毒篡改；白帽是“增强权威”，黑帽是“制造幻象”
  11. 黑帽是灰色机会，但注定会被模型优化掉，未来几年，黑帽的窗口期存在，但长远必败
  12. 黑帽与白帽的分界，其实是一种价值抉择：是追逐短期利益，还是建立长久信任
  13. 从实践来看，一周时间，足以让一个名字出现在多个AI搜索结果中，并被多个AI搜索推荐
  14. GEO成功的关键之一是“内容投放+语义权威”，GEO写作的核心：明确身份、突出优势、提供背书，一个简单的逻辑：AI的信任感=案例数据+权威出处+结构化表达，如此就可以做到，高质量单篇内容，也能在AI里“占位”
  15. 短期内，简单方法就能获得显著效果，未来3-5年，语义权威逻辑仍然有效。
  16. 不同大模型有不同信源偏好，DeepSeek依赖ToB搜索引擎合作，Kimi和DeepSeek更偏好“四大门户”内容（新浪、网易、腾讯、搜狐/中华网），元宝、豆包有自家搜索引擎，整体会更偏向自家信源，比如豆包对抖音短视频引用更快
  17. 关于AI搜索原理，AI会先判断是否联网，不够新才联网，联网搜索正在自动化，未来更多的AI模型不需要手动触发
  18. AI引用逻辑=语义+概率+偏好，但AI推荐的权威感，很多时候是幻觉
  19. 要靠谱的AI结果？主动构造上下文比什么都重要
  20. 省成本是AI时代的第一原理，会持续到AGI实现为止
  21. AI搜索一定会偷手，因为真正读300个网页的成本太高，商业上不成立，交叉验证多个AI平台也没用，大家背后的信源和偷手方法都差不多。目前任何一家的deep research都不完整可信，技术方案无法提供可靠依据
  22. AI搜索本质上会变成“信息流生意”，每个AI搜索未来都是一个“百度/谷歌”， OpenAI等官方平台大概率会进入GEO市场，事实上目前已经在做这个方向的布局和探索了
  23. GEO是企业营销必修课，而非选修， 品牌竞争的核心不再是“广告位”，而是“答案位”。AI时代的流量红利，是AI的引用率，在AI时代，营销的终极目标：不是让用户搜到你，而是让AI替你背书
  24. GEO不是流量游戏，而是“信任游戏”，谁能成为AI的“默认答案”，谁就能在很大程度上掌握未来的营销话语权
  25. 大多数人注定被影响，但AI反而让他们看到更真实的信息，但这个世界上一直没有绝对的真相，你需要根据自己的知识做最终判断
  26. AI洗脑比任何电视广告都厉害，这个未来是很恐怖的
  27. AI时代的信息平权：降低了门槛，拉高了最低水平线。所有搜索结果都只是信息，最终判断权永远在你自己手里

Profound的启发【附调研报告】

专注于AI搜索优化的一家初创公司Profound，刚宣布完成3500万美元的B轮融资，成立以来共融资约5850万美元

而当前，Profound的员工人数也只有40多人

Profound抓住了一个被大多数人忽视、但未来极可能成为主流的逻辑：AI不只是工具，而是新的流量入口

过去20年，SEO是一场与Google、百度算法的博弈；今天，GEO则是与ChatGPT、Claude这些“超级智能”的博弈。

区别在于，SEO优化的是网页排名，而GEO要优化的是AI的认知与答案。

核心逻辑很简单：如果AI的回答在越来越多场景中替代了搜索结果，那么品牌和产品要必须“向AI做营销”

Profound很好的把握住了这个机遇：

  • 使命，不是帮企业抢关键词排名，而是帮企业在AI的“话语体系”中占据位置

  • 产品，本质是一套“品牌与AI的对话仪表盘”，让公司能看到自己在AI回答中的出现率、语境、与竞品的差距

  • 愿景，是成为企业和“超级智能”的桥梁

换句话说，Profound让企业有机会第一次“看见AI眼中的自己”，这是一种“可见即可控”的价值

从创业视角看，Profound的价值在于，它不仅在做AI工具，也是在重新定义一个行业的范式

  1. 先定义新类目，再做产品，Profound的做法，是把SEO到AEO/AI可见度这件事的“命名+第一性原理”进行定义：用户在AI里问问题，答案位就是新流量入口，谁能度量并改善“被AI引用”，谁就拥有新分发权
  2. 定义指标，新指标=新货币，自造一组可交易的核心指标：AI可见度分、AI引用率、AI回答份额SOV、AI引荐流量、AI购物出现率，指标一旦被市场沿用，就不再卖工具，而是卖“行业口径”，这些指标对国内的类似企业，其实也有很大的启发
  3. 产品形成闭环，监测→洞察→行动→验证四步合一：Monitor(采集AI回答与引用来源)→Insight(发现哪些话题能赢)→Create/Workflow(按模板一键产出可被AI采信的内容，人审把关)→Measure(回流验证、持续提升SOV)
  4. 数据壁垒来自“主动提问”，被动等AI抓取不够，要主动向各大AI提结构化查询，长期沉淀“问题→答案→引用源”的私有数据库，这是最难被复制的护城河
  5. 叙事从“工具”升级为“收入引擎”，不只是卖产品功能，核心是卖“把AI里的答案位变成你的新增长渠道”，定位一旦从工具变渠道，LTV与议价权都会上一个量级，Profound提供了标准Saas订阅模式（499美元/月）和大客户定制模式，既有标准化，又有针对大预算的定制服务模式

对Profound更详细的调研，详见附件

企业AI落地失败的原因【附报告】

MIT的研究团队，发布了一个关于企业AI落地的一个研究报告：《The GenAI Divide: State of AI in Business 2025》

这份报告一发布就引起了一轮科技公司股市的下跌

但这份报告，并非否定AI，而是揭示企业AI落地的瓶颈，推动AI公司优化产品设计，帮助企业提升应用效率，以及对AI创业者提供更有用的指导和启发

核心观点：

95%的企业没有得到任何回报，尽管全球企业在GenAI上投入了300–400亿美元，但只有5%的项目真正进入生产并产生积极显著的影响

一边是少数“跨越鸿沟”的买家和供应商，能通过学习型系统获得百万级价值；另一边是大多数企业停留在试点和演示，并没有实现真正的实际转型，这背后的主要障碍，不是模型质量或监管，而是学习能力缺失，是团队在AI落地时的认知能力缺乏

一个非常大的矛盾现象，超过80%企业调研过各种AI工具，90%员工日常使用AI，但对生产力的转化率却极低，因此对公司整体的生产力几乎没有什么帮助，这和上周参加43 Talk的沙龙时现场调研的小样本数据差不多

为什么大多数企业在做AI试点的时候会失败？

核心原因是，企业级的AI，目前普遍存在三大问题，无法记忆用户反馈、无法保留上下文信息、无法持续迭代优化

比较讽刺的是，企业用户反而更喜欢用个人ChatGPT账号，其效果往往要比企业自主部署的工具要好

还有一个很重要的原因，是企业策略的失误，对企业的AI应用来说，70%预算投入销售/营销部门，而AI在客服、运营、行政等后台部门其实潜力更大

虽然95%的企业都失败了，但从那5%成功的企业，或许对我们能有很大的启发，两个关键结论：

  • 对于第三方AI应用，不做大而全，而是深度嵌入某个流程，快速迭代，强调记忆、定制与反馈学习

  • 对于企业自主AI部署，核心策略是外包采购而不是买SaaS，要求深度定制、以业务结果为基准，推动由一线经理而非中央实验室主导

所以，对于企业级的AI应用，能带来真正ROI的来源：

  • 前台（销售、市场）：线索筛选、客户留存等有改善，但影响有限，这背后的原因之一，是线索等流量采购成本，其实花费占比是很大的

  • 后台（运营、财务）：削减外包(BPO)、减少代理费用、替代顾问，这些成本占比很大，但相对更标准化更可控的场景，才是最明显的节省来源

对于企业级AI，深入场景本身、嵌入记忆与学习的Agent系统，是跨越AI企业级应用鸿沟的关键，

职业经理人因KPI压力更关注短期收益，导致对AI持观望态度，需企业一把手直接推动AI落地

之前写过一篇文章：《一家公司的CEO，该如何推动组织AI落地？》mp.weixin.qq.com

背后的逻辑，也是对企业级AI应用落地，其实是一把手工程

掌握AI应用能力的企业将建立竞争优势，未来的关键策略：开发具备持续学习能力的AI系统（能记忆用户偏好并迭代）

报告附件：

把AI当成“贵人”

把AI当成贵人，是一个很好的心法

如何理解“贵人”，无论是在认知上、资源上、执行落地上，能给到极大帮助或助理的人，在我看来，都是贵人

而AI，恰好在很多场景下，都满足这些特质

把AI当成“贵人”，是与AI相处的一种非常好的状态，AI能为我提供知识、洞察、效率，就像命运中出现的一位超级智者，提醒自己，绕开弯路，于是，我们多了一双眼睛，多了一些视角，多了一些帮手

把AI当成“贵人”，要学会三件事：

  1. 敬：敬其所长，知其所限，尊重AI的局限，不把AI当成万能的神，心怀敬畏，用清醒去看待它的价值，而不是盲目依赖，在这个过程中，不断的提升自己的审美、认知与判断能力
  2. 用：善于借力，把复杂的、重复的事交给它，把思考时间和心力留给自己，留给需要真正发挥创造性的地方。真正稀缺的创造、判断、抉择，仍然需要自己亲手完成，“贵人”的力量，在于帮你卸下包袱，让你能把注意力集中在更有价值的地方
  3. 修：让自己能真正听懂“贵人”的提醒，不断提升自己，AI可以做很多事，可以给出很多回答，但方向、判断、步伐仍需自己确定

或许未来，AI会全方面的改变我们的生活、工作，大概率会比现在更加彻底

但唯有自己敢走、能走，才会走到那个属于自己的自由远方

GPT-5提示词指南

GPT-5官方对于提示词提出了官方正式的建议和指导

核心逻辑：高质量的提示词 = 无矛盾+结构化+灵活调控主动性+支持元提示自优化+多级控制（全局+局部）+清晰验收标准

具体的一些核心原则如下：

指令遵守能力极强，所以需要避免歧义和冲突

GPT-5对指令的遵守非常精确，比前代模型更容易严格执行提示，如果提示词存在矛盾，会导致模型在推理时陷入自我矛盾、降低效率

因此，提示词要避免内在冲突，指令层级要清晰、无二义性，尤其是在涉及多步骤流程时应仔细审核

建议：在没有想清楚的时候，宁愿少写指令

结构化、分段式指令更可靠

使用结构化、分步骤、层级明确的指令，能极大提升模型稳定性，原因是可以减少模型的推理消耗

底层原理还是节省token

动静结合：允许微调/个性化指令

支持全局参数设置，同时，可在具体指令中用自然语言局部覆盖、个性化偏好，获得定制化表现

实时元提示与自我优化

可以把GPT-5作为自己提示词优化顾问，反向询问模型“哪些短语/表达容易引发歧义或违背预期”，实现高效自适应迭代，效果不错

官方推荐的元提示词示例：

复杂任务应指定清晰输出合同和步骤规划

在复杂的多目标任务中，明确要求模型先自我规划、输出要完成的各子任务列表，再逐步执行，有助于保证各需求都被覆盖

这些原则，会最大化GPT-5遵守指令的优势，同时避免卷入指令混乱带来的效率损失

原文：link