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，一些GEO（Generative Engine Optimization，生成式引擎优化）服务商的电话被打爆了。
起初，他们并不知道发生了什么。直到各大媒体平台陆续推送消息，他们才知道：2026年总台央视“3·15”晚会曝光了AI大模型领域的新型黑灰产——“AI投毒”。
所谓“AI投毒”，是指部分服务商通过批量铺设软文、编造测评内容、虚构专家身份等方式，诱导大模型抓取并输出带有推广意图的信息。广告被包装成看似中立的AI回答，误导用户决策。
按常理说，曝光之后最先出现的，应该是投诉、追责和行业避险情绪。但让不少从业者意外的是，打进来的电话里，相当一部分并不是投诉，而是前来咨询合作的企业。
3·15晚会在曝光黑产的同时，客观上也给不少企业老板做了一次“反向科普”。原来，AI给出的答案并非天然中立，品牌在大模型中也有曝光机会，由此，GEO服务进入了更多企业的视野。
严格来说，正规GEO与“AI投毒”有本质差别。前者基于企业真实信息，对分散内容进行整理和优化呈现，减少模型误读；后者则通过伪造和操纵信息来误导模型。两者看似都在影响AI，本质上一个是信息治理，一个是作弊。
某种意义上，黑产的曝光，反而成了一次意外的市场教育。
当GEO被更多人看见，「甲子光年」发现，AI营销市场需求开始快速升温，一场关于“谁能被AI相信”的新型基础设施“战争”打响了。
近期，这场“战争”中迎来了一支颇具实力的“正规军”——360智见。
1.疯长的GEO乱象与真实的AI营销需求
为什么一个代表未来的技术入口，却率先催生了乱象？
在360集团副总裁、360商业化总裁黄剑看来，GEO之乱，不只是因为市场里有人浑水摸鱼，更因为品牌与用户之间多了一个“大模型节点”后，旧营销逻辑已经不够用了。
正是在“正规化”呼声渐高的节点，360将筹备已久的360智见GEO产品推到台前，他们试图将GEO从一门发稿生意，重构为企业面向AI时代的基础设施，用新的营销逻辑帮助品牌建立长效的、AI可信的数字资产。
360智见，图片来源：360智见
早在2025年初，「甲子光年」就关注到了GEO概念。在《老板沉迷DeepSeek的背后，藏着一个真需求》一文中，有一个细节：大年初二，一位老板把DeepSeek的回答截图发进公司群，问了一句，“为什么没有我们？”同一个行业问题，AI回答里有竞品，没有自家；换一个模型，结果又不一样。春节后，他继续把类似截图甩进群里，要求团队按AI的回答去改增长KPI。另一头，也已经有商家把“DeepSeek推荐”贴到门口招揽生意。
AI生成的答案早就开始直接影响客流、市场预算和老板的判断，GEO的需求就这样被催熟。
今年2月，「甲子光年」在《月费3万，成本为零：谁在收割企业的GEO焦虑？》披露，一门按词收费、拿截图验收的灰色生意已在暗中疯长。最低4800元，就能买到五家主流模型的“优先推荐”；一个关键词月费可以一路卖到3万元。有的服务商承诺“15分钟冲收录”“10天保进前三”，最后交付给客户的，却往往只是几张AI问答截图。
用户提问、平台返回、品牌争取露出，“上榜AI”成为新的生意。做SEO的、做内容代发的、做矩阵铺量的，很容易进场。搜索时代的流量逻辑，被整体平移了过来。
在黄剑看来，GEO乱象问题恰恰出在这里。很多企业并没有真正想清楚，什么是AI营销。“他们在拿着旧地图找新大陆。”黄剑说。
过去，平台更像通道，品牌把信息推到用户面前，用户点进去、自己判断。AI时代，用户可以直接和大模型对话，大模型先理解问题，再筛选信息，最后组织答案。
“品牌面对的是能不能先进入模型的理解和推荐系统，”黄剑认为，这看上去只是中间多了一个技术层，实质上却改变了整条链路。
这也是为什么，很多旧办法到GEO这里开始失灵。截图可以证明某一次被提到，但证明不了模型真的理解了品牌，也证明不了用户换个问法后，品牌还在不在。
过去争的是位置，现在争的是理解。两者不是一回事。
所以，GEO真正的乱，不只是灰产混进来了。更深一层看，是企业已经看到AI这个新入口，但市场最先给出的解法，却大多还是旧流量生意的翻版。
这也是为什么3·15没有打掉需求，反而放大了它，需求是真的，只是入口变了。
2.GEO难做，是没有找对方法
既然旧办法失效了，那新解法是什么？
真正的难点在于，很多人把GEO想得太简单了。黄剑判断：“现在企业面向AI时代的营销基础设施并不完善，GEO仅仅是AI营销里的一个环节，还没有形成闭环。”
在他看来，传统营销面向的是人，目标是“被人记住”；到了AI时代，营销变成了“面向AI+人”，品牌先要被AI找到、读懂，才谈得上被用户看见。
因此，现阶段的GEO更像是一项前置工程，它首先解决的是价值匹配和信任建立，而不是一套立刻见效的投放动作。
这也是为什么，360智见没有从多数GEO服务商都采用的“发稿”切入，而是先从精细化整理企业自己的信息开始。
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和孤立的产品参数中，拼凑出对一个品牌的完整认知。
无论是意图洞察还是内容生成，前提都不是先写内容，而是先让模型理解企业。知识图谱因此成为企业推进GEO的起点。
黄剑强调，知识库和知识图谱并不是一回事。前者更接近对企业资料的收集、结构化和粗颗粒度分类；后者则是在这个基础上，把信息做成更细化、更多维、也更具关联性的网络。
具体执行时，360智见会把企业分散在官网、物料、客服话术里的产品参数、服务信息、公司介绍、客户案例等内容，沉淀、清洗为企业本体知识库，再叠加细分客群、场景需求等营销链路中的类目，补全为营销知识库，最终织成一张可持续更新的知识图谱。
为了减少人工理解的偏差，360智见在这个环节引入了多个智能体，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。它要做的，是把“对人说的话”，转成大模型稳定理解的表达。
比如给一家人体工学椅品牌搭建知识图谱时，系统不会只停留在材质、参数和价格上，而是会继续拆解不同客群的职业身份、使用场景、久坐时长和身体状况，进一步推理他们各自关心的需求、痛点和卖点。这样沉淀下来的，就不再是一堆静态资料，而是一个能被大模型反复调用的认知底座。
第二步，是按场景组织内容。AI时代的提问方式已经变了，用户不再搜索“最好的办公椅”，而是问“长时间伏案、腰肌劳损适合什么椅子”，把自己的生活方式和具体场景一起带进问题里。
面对这种更具体的提问，360智见会基于企业知识图谱，按“人群×场景×决策周期”的方式组织内容，再把FAQ、场景信息、决策要点等更适合模型理解和引用的结构补进去，最终生成覆盖不同用户认知阶段的内容。
比如一家无糖茶饮品牌，360智见会先拆解潜在用户是谁，可能是健身人群、减脂人群、办公室白领等。不同人群对应的场景和关注点并不一样，决策路径也不同。以健身人群为例，他的提问可能会从“运动后喝什么好”，逐步走到“无糖茶和运动饮料哪个更适合健身”“健身喝什么无糖茶”，再到“无糖茶买哪个”。
对360智见来说，内容不是围绕一个产品反复换说法，而是要对应不同人群、不同场景、不同决策阶段，把品牌放进模型更可能引用的那些具体问题里。重点不在多写，而在写对：品牌出现在哪里、如何被转述，都需要提前设计。
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源，但并不会平均对待所有来源，而是有一套自己的信源筛选逻辑，更倾向于抓取权威、可信的内容。
在360智见看来，官网和企业自媒体，会是未来权重更高的核心信源；具备公信力的权威媒体，则仍是重要的外部参照。
前两者提供更稳定的一手信息，后者提供外部背书。因此，它没有把重点放在低质海投上，而是优先去补更容易被模型识别和引用的核心信源。
黄剑提到：“企业今天做传播，已经不能只想着发出去，还要同步考虑这是不是在给AI看。”
为了更具体地理解不同模型“相信谁”，360智见搭建了一套自动化多模型信源监测系统，持续监测不同大模型对媒体和内容来源的引用偏好，并结合真实案例和专家经验，对核心媒体做动态加权评估，形成一套科学媒体加权算法。
这套体系最终指向的，是更精准的信源布局：优先把高质量内容放到更容易被模型识别和采信的位置上，而不是批量铺设低质文章。对360智见来说，重要的不是信息更多，而是关键内容能稳定进入AI回答。
把这条链路摆出来，正规GEO和灰产的差别就比较清楚了。灰产是在伪造信号：假测评、假专家、假信息，想办法把品牌硬塞进答案；而360智见试图做的，则是梳理企业真实的信息资产，并按照大模型更容易理解的方式重新组织。前者是在污染模型，后者是在减少模型误判。
GEO的难点，不只在技术，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”视为一项完整工程。
市面上的许多速成解法，大多跳过了最重的前置环节。360智见试图纠偏的核心正是如此，GEO的起点不是发稿，而是企业先重构品牌基础设施。
3.当下GEO最需要做的是统一评价标准
很多企业第一次看到正规GEO报价，第一反应往往是“贵”。
在黄剑看来，这种反应的本质并不只是价格高低，而是市场缺乏统一的价值评价标准。“不是贵的问题，而是大家不知道GEO的效果怎么评估。”过去，企业在制定营销预算时，习惯了搜索时代的单次点击成本（CPC），或内容投放时代的阅读量。
到了大模型时代，原有的评估体系开始失效。企业既不知道如何验收效果，也很难向内部清楚核算这笔预算的投入产出比。买卖双方没有建立共同的评价语境时，任何定价都很难自证合理性。“就像很多人现在还是拿燃油车来跟新能源车比价”，黄剑解释道。
为了把这笔账讲清楚，360智见对GEO的真实成本结构进行了拆解。最容易量化的一层，是Token（词元）成本，这也是AI时代最接近“硬通货”的部分。
灰产通过批量发布劣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业务则不同，核心工作量集中在前期的数据重构，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。每一步都在消耗token。
除了Token成本，黄剑认为，正规GEO的账本里还包括底层系统的开发和维护成本、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。过去最容易交付的是截图，因为简单、直观，也最像搜索时代的结果页；但截图只能证明某一次出现，证明不了模型是否稳定理解了品牌。
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、引用的是不是权威信源、推荐排序在哪里、出现在什么场景下。
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里用数据仪表盘把“AI可见度”具体化，让品牌看到自己被提及了多少次、出现在哪些位置、又是在哪些问题下被关联。只有先把这些变化量化出来，GEO才可能从概念试水进入预算体系。
黄剑打了一个比方：传统广告更像“耗材”，预算停了，流量就断了；GEO更像“资产”。企业建立的知识图谱、重构的官网和权威信源，都会成为品牌的数字基础设施，持续产生推荐价值。
从目前的市场表现看，这套逻辑已经开始得到一部分企业的认可。
360智见的早期客户，主要集中在3C、游戏、医疗、机械设备等行业，它们的共同点是客单价高、专业性强、决策链路长，大模型的推荐权重会更直接地影响购买决策。
在一些企业那里，GEO已经不再被当成一笔短期的“试水宣发费”，而开始被看成一项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，其实是企业面对新入口时的基础设施缺口。补上这个缺口，才是GEO真正要解决的事。
在这个过程中，还需要很多“正规军”。
（封面图来源：AI生成）
