第五次GEO公开课
这是我和向阳老师在今年的第五场GEO公开课，对应的相关资料与1.3万字图文总结版地址，也附在了文末
本期选题前，我们做了一次调研，共有200人参与、215票：
-
排名第一：GEO行业未来3～5年的业态会是什么样？
-
排名第二：GEO的效果到底如何归因？
此外，GEO效果监测怎么做、数据指标怎么定，也有不少人关心
归因这个话题，现在讲正是时候，GEO发展了一年多，怎么提升排名、怎么提升可见度，方法已经相当成熟，直播间和会议室里也有不少朋友拿到了结果。
但随之而来的是一个让所有人头疼和关心的问题：GEO的效果到底怎么归因？
公开课直播提纲：
- GEO商业生态
- 七层商业业态：入口层、信源层、数据层、技术层、执行层、交易层、治理层
- GEO方法七层进阶：AI可见度监测、AI效果归因、AI内容与知识工程、AI信源工程、AI Native官网、Agent执行、Agent商业
背后的基本逻辑：AI答案优化 — AI决策优化 — AI商业优化
注：
-
AI Native官网：“官网GEO”会成为一个独立赛道，GEOFlow正在演进的方向
-
Agent执行：之后1-3年，示例“帮我找一家北京擅长出国留学辅导的机构，比较价格、案例和团队，然后预约三个老师对我进行前期沟通”
-
Agent商业：之后3-5年，对企业关注的是“我的商品、服务和品牌，在AI渠道里的分销效率怎么样？”
- GEO效果归因
- 如何定义效果，以及效果指标
- 四类常见的AI转化特征：直接转化、延迟效应、渠道协同、间接转化
- 10种标记与统计方法
- 找到自己的验证与统计方法
- ROI应该如何计算
- 可直接归因ROI
- 增量ROI：效果外溢贡献
- 间接贡献ROI：转化率提升
- 一些AB测试技巧
- 两条相似业务线，一条做GEO，一条不做GEO，观察相关数据变化，适合分校测试、两条同类型业务线测试，或者
- GEO与SEM、直播协同
GEO效果统计与标记的10种方法
- 专属电话：400电话、手机号、微信号等
- 专属活动，资料、活动口令等
- 专属页面，
- 表单问卷，注册页问卷、购后问卷
- 沟通调研：销售追问、客服询问等
- Referrer：通过网站端
- 客户自报：购后问卷、销售追问、客服询问等
- 对比测试：两条相似业务线，一条做GEO，一条不做GEO，观察相关数据变化，适合分校测试、两条同类型业务线测试
- 协同对比：GEO与SEM、直播协同，观察数据变化
- 间接观察：品牌词指数、直接来源、后端转化率数据是否呈现一致的提升
一些相关资料：
- 《中国GEO生态商业模式全景》doc.laoyao.cn
- 第四期GEO公开课主题征集：ai.laoyao.cn
- GEO效果归因 · 可视化交互教程：doc.laoyao.cn
- 《GEO效果归因系统学习手册》doc.laoyao.cn
- GEOFlow：GEOFlow
- 公开课PPT：doc.laoyao.cn
公开课的图文总结版：mp.weixin.qq.com
北京日报GEO
这周，北京日报社，也正式对外发布了自己的GEO产品：北京日报智源GEO
这应该是继新华网之后，第二个国家级权威媒体的GEO产品
核心使命：推动GEO可信传播
参与者还有智谱AI、百度百科，这对GEO行业是一个很好的信号，越来越多的力量加入和推进
之后，参加了他们发布会的圆桌分享，问题非常好，分享下我的思考和回答
- GEO服务中，可信传播的痛点在哪里？怎么解决？
可信的背后，其实是事实与证据链，做GEO的本质，就是帮助企业去面向AI构建一套证据体系与精细化运营体系
在企业事实层面，就是大企业的事实清单库，往往比想象的复杂，定义、口径、表达方式内部也会有多个版本
在数据反馈层面，包括指标口径、归因体系、价值衡量等维度，尤其是偏业务贡献这一层，目前整体上还是比较模糊的
- GEO的核心价值是什么？效果应该怎么评估？
GEO的核心价值，应该可以从三个方面来衡量
对AI平台的用户来说，健康、科学、可信的GEO，可以帮助用户找到更有用的信息、更准确的完成用户的任务
对AI平台来说，好的GEO可以帮助平台提升体验、降低无畏的算力消耗
对企业来说，好的GEO可以帮助自己的产品、服务，更准确的推荐到真正的目标用户群体，从而产生合理的商业回报
效果方面，有三类核心指标，一个是可见度相关指标、一个是准确性与相关性指标、一个是业务贡献指标
- 怎么看GEO的发展趋势，以及客户需求的变化？
- 客户会从“有没有我”，走向“为什么是我、说得对不对”，这符合三方的共同利益，AI平台、用户、企业
- GEO运营，走向持续维护的知识资产
- 从“谁更会讲技术”，转向“谁更能解释和验证交付”
一篇顶级GEO内容
一篇顶级GEO内容，往往符合这五个词的原则：准、证、清、新、引
- 准：准确
事实、数字、名称、时间、条件准确
- 证：证据
重要结论都有可靠依据
- 清：清晰
实体清晰、结构清晰、语义清晰
- 新：有增量
拥有独特事实、数据、案例或者方法
- 引：可引用
存在大量独立、自足、可以直接支撑 AI 回答的“引用单元”
新模型
9月是海外前沿大模型密集发布的一个月
先是OpenAI在9月3日推出GPT-6 系列的旗舰Astra，22日又补充了Sol和Luna两个中低档位
Anthropic几乎同步9月22日发布Claude 5.5家族的首款模型Opus 5.5
Opus 5.5用了几天，确实很强，尤其是做视频
我也在第一时间，用它给自己的一个工具做了一个宣传片，还是挺惊艳的，也更新到工具官网的首页
这几个模型各自的定位差异极简总结：
- GPT-6 Astra：OpenAI 的旗舰天花板，主打”最智能 + 最对齐”
- GPT-6（Sol / Luna）：Astra之下的效率梯队，把旗舰能力下放到日常成本和速度档位
- Claude Opus 5.5：Anthropic 的旗舰，主打”长时程智能体工作 + 降本”，强调安全与克制
好的营销
营销的核心，是先定义目标人群，再围绕这群人的需求、动机、认知方式和决策情境，反向设计产品价值、营销方法和传播内容
也就是：受众优先
但这一个基本的原则，在实际执行的过程中，往往会很容易被忽略
比如，在实际执行时，会更加关注：短视频拍什么？怎么做一个爆款？应该投哪个渠道？
正确的顺序，应该是：Who → Why → What → How → Where
先解决“对谁说”，接下来才是“说什么”，最后才是“怎么说、在哪里说”
然后，对于“说什么”，核心是，要把“我的产品”翻译成“你的价值”
比如，老板关心的是投入产出和战略价值；市场负责人关心的是增长和转化，这些都需要在内容上进行充分的体现
所以，营销真正的起点，不是内容，而是对目标用户群体的理解
甚至可以说
营销的第一生产资料，不是内容，而是对目标人群的定义
Jev案例
收集整理了60个Jev典型案例，同时重点列出了12个最值得关注的案例合集
这些案例对我们理解与应用，能带来不少帮助和启发
包括GEO，也有一些可以值得尝试的场景
这些案例，基本的逻辑：生成模型负责写作与复杂推理，Jev承担分类、筛选、评分和选择，代码执行后续动作，关键节点保留人工复核
60个Jev应用案例合集：doc.laoyao.cn
12个典型应用案例：
- Notra：AI回答中的品牌提及识别
在GitHub已开源，GEO模块已有调用Jev评估品牌提及的代码，适合参考自动化监测如何接入业务流程
- TypeSafe：实体对齐与去重
来自官方示例，判断两条商品记录是否对应同一实体，并将模糊情况交给人工。可借鉴到品牌别名归一、同名机构消歧和知识库去重
- TypeSafe：RAG信源筛选与冲突检测
在生成回答前，检查检索段落的相关性、可用性、矛盾和提示注入风险。适合研究知识库问答中的证据筛选
- TypeSafe：文章论断与引用核验
让Jev判断引用片段是否支持文章论断，再由代码检查引文是否存在。可借鉴到GEO文章、研究报告的引用审核
- Browser Use：网页操作决策
将网页元素整理成候选项，由Jev选择点击、输入、滚动等动作。适合理解“模型做判断、工具执行操作”的协作方式
- TypeSafe：为Agent选择合适的Skill
先对技能目录筛选，再读取少量候选的详细说明，判断使用哪个技能或不使用技能。适合工具、插件和Skill数量较多的系统
- LangChain：工具执行前的风险检查
将Jev接入Agent中间件，在工具执行前检查并拦截风险操作。适合研究AI后台管理、代码执行等场景的安全审核环节
- Vercel：客服工单自动分流
一次判断工单所属部门、严重程度和退款意图，信息不明确时转人工。适合学习从模型判断到业务分支的完整实现
- ReplyNodes：SaaS官网表达检查
检查官网的产品清晰度、目标受众、价值主张、差异化、信任依据和行动指引。可参考其检查维度，评分不能直接当作SEO或GEO排名
- Paper Trellis：论文引用验证
将引用句与论文证据配对，由Jev判断支持关系，保留人工最终裁决。适合研究长文章、白皮书和研究报告的审校流程
- TypeSafe：结构化信息抽取的级联校验
小模型先抽取字段，Jev检查结果，困难样本再交给更强模型。可借鉴到网页采集、资料入库和文档字段抽取
- TypeSafe：把文本变成可建模的数据特征
由生成模型提出特征问题，Jev将文本转成数值特征，再交给CatBoost预测。可借鉴到问句意图特征提取、内容标签和线索分析，迁移效果需要单独验证