GEO不拼軟文發(fā)稿，拼企業(yè)“知識圖譜”。

作者｜周悅

編輯｜王博

3月15日晚，一些GEO（Generative Engine Optimization，生成式引擎優(yōu)化）服務(wù)商的電話被打爆了。

起初，他們并不知道發(fā)生了什么。直到各大媒體平臺陸續(xù)推送消息，他們才知道：2026年總臺央視“3·15”晚會(huì)曝光了AI大模型領(lǐng)域的新型黑灰產(chǎn)——“AI投毒”。

所謂“AI投毒”，是指部分服務(wù)商通過批量鋪設(shè)軟文、編造測評內(nèi)容、虛構(gòu)專家身份等方式，誘導(dǎo)大模型抓取并輸出帶有推廣意圖的信息。廣告被包裝成看似中立的AI回答，誤導(dǎo)用戶決策。

按常理說，曝光之后最先出現(xiàn)的，應(yīng)該是投訴、追責(zé)和行業(yè)避險(xiǎn)情緒。但讓不少從業(yè)者意外的是，打進(jìn)來的電話里，相當(dāng)一部分并不是投訴，而是前來咨詢合作的企業(yè)。

3·15晚會(huì)在曝光黑產(chǎn)的同時(shí)，客觀上也給不少企業(yè)老板做了一次“反向科普”。原來，AI給出的答案并非天然中立，品牌在大模型中也有曝光機(jī)會(huì)，由此，GEO服務(wù)進(jìn)入了更多企業(yè)的視野。

嚴(yán)格來說，正規(guī)GEO與“AI投毒”有本質(zhì)差別。前者基于企業(yè)真實(shí)信息，對分散內(nèi)容進(jìn)行整理和優(yōu)化呈現(xiàn)，減少模型誤讀；后者則通過偽造和操縱信息來誤導(dǎo)模型。兩者看似都在影響AI，本質(zhì)上一個(gè)是信息治理，一個(gè)是作弊。

某種意義上，黑產(chǎn)的曝光，反而成了一次意外的市場教育。

當(dāng)GEO被更多人看見，「甲子光年」發(fā)現(xiàn)，AI營銷市場需求開始快速升溫，一場關(guān)于“誰能被AI相信”的新型基礎(chǔ)設(shè)施“戰(zhàn)爭”打響了。

近期，這場“戰(zhàn)爭”中迎來了一支頗具實(shí)力的“正規(guī)軍”——360智見。

1.瘋長的GEO亂象與真實(shí)的AI營銷需求

為什么一個(gè)代表未來的技術(shù)入口，卻率先催生了亂象？

在360集團(tuán)副總裁、360商業(yè)化總裁黃劍看來，GEO之亂，不只是因?yàn)槭袌隼镉腥藴喫~，更因?yàn)槠放婆c用戶之間多了一個(gè)“大模型節(jié)點(diǎn)”后，舊營銷邏輯已經(jīng)不夠用了。

正是在“正規(guī)化”呼聲漸高的節(jié)點(diǎn)，360將籌備已久的360智見GEO產(chǎn)品推到臺前，他們試圖將GEO從一門發(fā)稿生意，重構(gòu)為企業(yè)面向AI時(shí)代的基礎(chǔ)設(shè)施，用新的營銷邏輯幫助品牌建立長效的、AI可信的數(shù)字資產(chǎn)。

360智見，圖片來源：360智見

早在2025年初，「甲子光年」就關(guān)注到了GEO概念。在一文中，有一個(gè)細(xì)節(jié)：大年初二，一位老板把DeepSeek的回答截圖發(fā)進(jìn)公司群，問了一句，“為什么沒有我們？”同一個(gè)行業(yè)問題，AI回答里有競品，沒有自家；換一個(gè)模型，結(jié)果又不一樣。春節(jié)后，他繼續(xù)把類似截圖甩進(jìn)群里，要求團(tuán)隊(duì)按AI的回答去改增長KPI。另一頭，也已經(jīng)有商家把“DeepSeek推薦”貼到門口招攬生意。

AI生成的答案早就開始直接影響客流、市場預(yù)算和老板的判斷，GEO的需求就這樣被催熟。

今年2月，「甲子光年」在披露，一門按詞收費(fèi)、拿截圖驗(yàn)收的灰色生意已在暗中瘋長。最低4800元，就能買到五家主流模型的“優(yōu)先推薦”；一個(gè)關(guān)鍵詞月費(fèi)可以一路賣到3萬元。有的服務(wù)商承諾“15分鐘沖收錄”“10天保進(jìn)前三”，最后交付給客戶的，卻往往只是幾張AI問答截圖。

用戶提問、平臺返回、品牌爭取露出，“上榜AI”成為新的生意。做SEO的、做內(nèi)容代發(fā)的、做矩陣鋪量的，很容易進(jìn)場。搜索時(shí)代的流量邏輯，被整體平移了過來。

在黃劍看來，GEO亂象問題恰恰出在這里。很多企業(yè)并沒有真正想清楚，什么是AI營銷。“他們在拿著舊地圖找新大陸。”黃劍說。

過去，平臺更像通道，品牌把信息推到用戶面前，用戶點(diǎn)進(jìn)去、自己判斷。AI時(shí)代，用戶可以直接和大模型對話，大模型先理解問題，再篩選信息，最后組織答案。

“品牌面對的是能不能先進(jìn)入模型的理解和推薦系統(tǒng)，”黃劍認(rèn)為，這看上去只是中間多了一個(gè)技術(shù)層，實(shí)質(zhì)上卻改變了整條鏈路。

這也是為什么，很多舊辦法到GEO這里開始失靈。截圖可以證明某一次被提到，但證明不了模型真的理解了品牌，也證明不了用戶換個(gè)問法后，品牌還在不在。

過去爭的是位置，現(xiàn)在爭的是理解。兩者不是一回事。

所以，GEO真正的亂，不只是灰產(chǎn)混進(jìn)來了。更深一層看，是企業(yè)已經(jīng)看到AI這個(gè)新入口，但市場最先給出的解法，卻大多還是舊流量生意的翻版。

這也是為什么3·15沒有打掉需求，反而放大了它，需求是真的，只是入口變了。

2.GEO難做，是沒有找對方法

既然舊辦法失效了，那新解法是什么？

真正的難點(diǎn)在于，很多人把GEO想得太簡單了。黃劍判斷：“現(xiàn)在企業(yè)面向AI時(shí)代的營銷基礎(chǔ)設(shè)施并不完善，GEO僅僅是AI營銷里的一個(gè)環(huán)節(jié)，還沒有形成閉環(huán)。”

在他看來，傳統(tǒng)營銷面向的是人，目標(biāo)是“被人記住”；到了AI時(shí)代，營銷變成了“面向AI+人”，品牌先要被AI找到、讀懂，才談得上被用戶看見。

因此，現(xiàn)階段的GEO更像是一項(xiàng)前置工程，它首先解決的是價(jià)值匹配和信任建立，而不是一套立刻見效的投放動(dòng)作。

這也是為什么，360智見沒有從多數(shù)GEO服務(wù)商都采用的“發(fā)稿”切入，而是先從精細(xì)化整理企業(yè)自己的信息開始。

第一步，是搭建企業(yè)知識圖譜。大模型很難從幾篇零散的公關(guān)稿和孤立的產(chǎn)品參數(shù)中，拼湊出對一個(gè)品牌的完整認(rèn)知。

無論是意圖洞察還是內(nèi)容生成，前提都不是先寫內(nèi)容，而是先讓模型理解企業(yè)。知識圖譜因此成為企業(yè)推進(jìn)GEO的起點(diǎn)。

黃劍強(qiáng)調(diào)，知識庫和知識圖譜并不是一回事。前者更接近對企業(yè)資料的收集、結(jié)構(gòu)化和粗顆粒度分類；后者則是在這個(gè)基礎(chǔ)上，把信息做成更細(xì)化、更多維、也更具關(guān)聯(lián)性的網(wǎng)絡(luò)。

具體執(zhí)行時(shí)，360智見會(huì)把企業(yè)分散在官網(wǎng)、物料、客服話術(shù)里的產(chǎn)品參數(shù)、服務(wù)信息、公司介紹、客戶案例等內(nèi)容，沉淀、清洗為企業(yè)本體知識庫，再疊加細(xì)分客群、場景需求等營銷鏈路中的類目，補(bǔ)全為營銷知識庫，最終織成一張可持續(xù)更新的知識圖譜。

為了減少人工理解的偏差，360智見在這個(gè)環(huán)節(jié)引入了多個(gè)智能體，并設(shè)置了“裁判智能體”等角色，交叉驗(yàn)證信息提取和意圖理解的準(zhǔn)確性。它要做的，是把“對人說的話”，轉(zhuǎn)成大模型穩(wěn)定理解的表達(dá)。

比如給一家人體工學(xué)椅品牌搭建知識圖譜時(shí)，系統(tǒng)不會(huì)只停留在材質(zhì)、參數(shù)和價(jià)格上，而是會(huì)繼續(xù)拆解不同客群的職業(yè)身份、使用場景、久坐時(shí)長和身體狀況，進(jìn)一步推理他們各自關(guān)心的需求、痛點(diǎn)和賣點(diǎn)。這樣沉淀下來的，就不再是一堆靜態(tài)資料，而是一個(gè)能被大模型反復(fù)調(diào)用的認(rèn)知底座。

第二步，是按場景組織內(nèi)容。AI時(shí)代的提問方式已經(jīng)變了，用戶不再搜索“最好的辦公椅”，而是問“長時(shí)間伏案、腰肌勞損適合什么椅子”，把自己的生活方式和具體場景一起帶進(jìn)問題里。

面對這種更具體的提問，360智見會(huì)基于企業(yè)知識圖譜，按“人群×場景×決策周期”的方式組織內(nèi)容，再把FAQ、場景信息、決策要點(diǎn)等更適合模型理解和引用的結(jié)構(gòu)補(bǔ)進(jìn)去，最終生成覆蓋不同用戶認(rèn)知階段的內(nèi)容。

比如一家無糖茶飲品牌，360智見會(huì)先拆解潛在用戶是誰，可能是健身人群、減脂人群、辦公室白領(lǐng)等。不同人群對應(yīng)的場景和關(guān)注點(diǎn)并不一樣，決策路徑也不同。以健身人群為例，他的提問可能會(huì)從“運(yùn)動(dòng)后喝什么好”，逐步走到“無糖茶和運(yùn)動(dòng)飲料哪個(gè)更適合健身”“健身喝什么無糖茶”，再到“無糖茶買哪個(gè)”。

對360智見來說，內(nèi)容不是圍繞一個(gè)產(chǎn)品反復(fù)換說法，而是要對應(yīng)不同人群、不同場景、不同決策階段，把品牌放進(jìn)模型更可能引用的那些具體問題里。重點(diǎn)不在多寫，而在寫對：品牌出現(xiàn)在哪里、如何被轉(zhuǎn)述，都需要提前設(shè)計(jì)。

第三步，是重構(gòu)核心信源。大模型的回答高度依賴外部的開源信源，但并不會(huì)平均對待所有來源，而是有一套自己的信源篩選邏輯，更傾向于抓取權(quán)威、可信的內(nèi)容。

在360智見看來，官網(wǎng)和企業(yè)自媒體，會(huì)是未來權(quán)重更高的核心信源；具備公信力的權(quán)威媒體，則仍是重要的外部參照。

前兩者提供更穩(wěn)定的一手信息，后者提供外部背書。因此，它沒有把重點(diǎn)放在低質(zhì)海投上，而是優(yōu)先去補(bǔ)更容易被模型識別和引用的核心信源。

黃劍提到：“企業(yè)今天做傳播，已經(jīng)不能只想著發(fā)出去，還要同步考慮這是不是在給AI看。”

為了更具體地理解不同模型“相信誰”，360智見搭建了一套自動(dòng)化多模型信源監(jiān)測系統(tǒng)，持續(xù)監(jiān)測不同大模型對媒體和內(nèi)容來源的引用偏好，并結(jié)合真實(shí)案例和專家經(jīng)驗(yàn)，對核心媒體做動(dòng)態(tài)加權(quán)評估，形成一套科學(xué)媒體加權(quán)算法。

這套體系最終指向的，是更精準(zhǔn)的信源布局：優(yōu)先把高質(zhì)量內(nèi)容放到更容易被模型識別和采信的位置上，而不是批量鋪設(shè)低質(zhì)文章。對360智見來說，重要的不是信息更多，而是關(guān)鍵內(nèi)容能穩(wěn)定進(jìn)入AI回答。

把這條鏈路擺出來，正規(guī)GEO和灰產(chǎn)的差別就比較清楚了。灰產(chǎn)是在偽造信號：假測評、假專家、假信息，想辦法把品牌硬塞進(jìn)答案；而360智見試圖做的，則是梳理企業(yè)真實(shí)的信息資產(chǎn)，并按照大模型更容易理解的方式重新組織。前者是在污染模型，后者是在減少模型誤判。

GEO的難點(diǎn)，不只在技術(shù)，更在于企業(yè)很少將“先重構(gòu)內(nèi)部信息資產(chǎn)，再對齊大模型的認(rèn)知邏輯”視為一項(xiàng)完整工程。

市面上的許多速成解法，大多跳過了最重的前置環(huán)節(jié)。360智見試圖糾偏的核心正是如此，GEO的起點(diǎn)不是發(fā)稿，而是企業(yè)先重構(gòu)品牌基礎(chǔ)設(shè)施。

3.當(dāng)下GEO最需要做的是統(tǒng)一評價(jià)標(biāo)準(zhǔn)

很多企業(yè)第一次看到正規(guī)GEO報(bào)價(jià)，第一反應(yīng)往往是“貴”。

在黃劍看來，這種反應(yīng)的本質(zhì)并不只是價(jià)格高低，而是市場缺乏統(tǒng)一的價(jià)值評價(jià)標(biāo)準(zhǔn)。“不是貴的問題，而是大家不知道GEO的效果怎么評估。”過去，企業(yè)在制定營銷預(yù)算時(shí)，習(xí)慣了搜索時(shí)代的單次點(diǎn)擊成本（CPC），或內(nèi)容投放時(shí)代的閱讀量。

到了大模型時(shí)代，原有的評估體系開始失效。企業(yè)既不知道如何驗(yàn)收效果，也很難向內(nèi)部清楚核算這筆預(yù)算的投入產(chǎn)出比。買賣雙方?jīng)]有建立共同的評價(jià)語境時(shí)，任何定價(jià)都很難自證合理性。“就像很多人現(xiàn)在還是拿燃油車來跟新能源車比價(jià)”，黃劍解釋道。

為了把這筆賬講清楚，360智見對GEO的真實(shí)成本結(jié)構(gòu)進(jìn)行了拆解。最容易量化的一層，是Token（詞元）成本，這也是AI時(shí)代最接近“硬通貨”的部分。

灰產(chǎn)通過批量發(fā)布劣質(zhì)軟文進(jìn)行場外鋪設(shè)，本身幾乎不調(diào)用大模型算力，成本極低。正規(guī)的GEO業(yè)務(wù)則不同，核心工作量集中在前期的數(shù)據(jù)重構(gòu)，需要調(diào)用大模型API與多個(gè)智能體，對企業(yè)海量的原始數(shù)據(jù)進(jìn)行提取、清洗和歸納；在后續(xù)的效果驗(yàn)證環(huán)節(jié)，也需要不斷對齊不同模型的抓取結(jié)果。每一步都在消耗token。

除了Token成本，黃劍認(rèn)為，正規(guī)GEO的賬本里還包括底層系統(tǒng)的開發(fā)和維護(hù)成本、基礎(chǔ)交付成本，以及最容易被低估的知識成本（Know-how），“這是正規(guī)GEO服務(wù)與機(jī)器刷量最顯著的區(qū)別”。

企業(yè)在前期的品牌診斷、知識圖譜搭建、高價(jià)值內(nèi)容生成等環(huán)節(jié)，都需要行業(yè)策略專家深度介入，理解復(fù)雜的企業(yè)業(yè)務(wù)邏輯，才能將散亂的內(nèi)部資料加工為大模型可復(fù)用的結(jié)構(gòu)化資產(chǎn)。

成本結(jié)構(gòu)厘清后，緊接著需要解決的是交付驗(yàn)收。過去最容易交付的是截圖，因?yàn)楹唵巍⒅庇^，也最像搜索時(shí)代的結(jié)果頁；但截圖只能證明某一次出現(xiàn)，證明不了模型是否穩(wěn)定理解了品牌。

為了替代這種一次性的結(jié)果頁邏輯，360智見引入了D.A.R.T內(nèi)容評估模型，試圖通過四個(gè)客觀的數(shù)據(jù)維度，建立行業(yè)通用的量化指標(biāo)。

這四個(gè)維度分別對應(yīng)品牌在AI體系里最核心的四個(gè)問題：能不能被找到、引用的是不是權(quán)威信源、推薦排序在哪里、出現(xiàn)在什么場景下。

360智見D.A.R.T內(nèi)容評估模型，圖片來源：360智見

同時(shí)，360智見試圖在產(chǎn)品模塊里用數(shù)據(jù)儀表盤把“AI可見度”具體化，讓品牌看到自己被提及了多少次、出現(xiàn)在哪些位置、又是在哪些問題下被關(guān)聯(lián)。只有先把這些變化量化出來，GEO才可能從概念試水進(jìn)入預(yù)算體系。

黃劍打了一個(gè)比方：傳統(tǒng)廣告更像“耗材”，預(yù)算停了，流量就斷了；GEO更像“資產(chǎn)”。企業(yè)建立的知識圖譜、重構(gòu)的官網(wǎng)和權(quán)威信源，都會(huì)成為品牌的數(shù)字基礎(chǔ)設(shè)施，持續(xù)產(chǎn)生推薦價(jià)值。

從目前的市場表現(xiàn)看，這套邏輯已經(jīng)開始得到一部分企業(yè)的認(rèn)可。

360智見的早期客戶，主要集中在3C、游戲、醫(yī)療、機(jī)械設(shè)備等行業(yè)，它們的共同點(diǎn)是客單價(jià)高、專業(yè)性強(qiáng)、決策鏈路長，大模型的推薦權(quán)重會(huì)更直接地影響購買決策。

在一些企業(yè)那里，GEO已經(jīng)不再被當(dāng)成一筆短期的“試水宣發(fā)費(fèi)”，而開始被看成一項(xiàng)長期的數(shù)字基礎(chǔ)設(shè)施投入。

3.15晚會(huì)點(diǎn)名的是亂象，但亂象背后暴露的，其實(shí)是企業(yè)面對新入口時(shí)的基礎(chǔ)設(shè)施缺口。補(bǔ)上這個(gè)缺口，才是GEO真正要解決的事。

在這個(gè)過程中，還需要很多“正規(guī)軍”。

（封面圖來源：AI生成）