AI 上了 315，首先被关注的是 GEO。

今年的央视 315 晚会，AI 行业第一次被推到聚光灯下。

晚会曝光了一种被称为 "AI 投毒 " 的新型营销操作，矛头直指 GEO（生成式 AI 搜索引擎优化）技术，即向 AI 模型批量投喂内容，从而影响 AI 搜索结果。

与传统的 SEO（Search Engine Optimization，搜索引擎优化）争夺网页排名不同，GEO 的目标是让企业的品牌名称、产品或服务在 AI 生成的答案中被优先提及、精准推荐。举个例子，当你询问 " 哪款冰箱保鲜效果好，适合有小孩的家庭 " 时，AI 可能会回答："XX 品牌采用真空保鲜技术，能将蔬果保鲜期延长至 7 天，非常适合注重健康的家庭。" 这类结果，往往就与 GEO 有关。

自从 GEO 出现后，其在产业层面的价值一直存在分歧。有人认为其带来的商业增量可观，也有人质疑其实际效果并不稳定，甚至认为部分市场宣传带有 " 割韭菜 " 的嫌疑。

在本次央视 315 的曝光案例中，多家提供 GEO 服务的厂商声称，能够帮助客户的产品在 AI 搜索结果的排名中进入前列（前三），甚至使用 " 操控 AI"" 让 AI 听话 "" 给 AI 洗脑 " 等夸张话术描述其业务性质。部分 GEO 服务商还演示了如何通过虚假信息干扰 AI 大模型的信息抓取流程。

为验证这一现象，节目组虚构了一款名为 "Apollo-9" 的智能手环，将其产品信息导入某款名为 " 力擎 GEO 优化系统 " 的软件中。该系统通过大量生成并投放虚假内容，进行所谓的 "GEO 优化 "。结果显示，在 AI 大模型搜索相关关键词时，这款并不存在的智能手环竟直接被呈现为 " 业界第一名 "，而其所引用的案例正是此前投放的虚假优化内容。

「AIX 财经」曾与多家 GEO 服务商及已采纳该策略的品牌方进行交流，从他们的分享中，揭开 GEO 如何 " 忽悠 "AI 的秘密。

GEO" 骗过 "AI，

一共分三步

GEO 这一伴随 AI 大模型兴起的新型营销模式，虽早在 2024 年便被提出，但随着 DeepSeek、豆包等 AI 搜索工具的普及，市场热度显著攀升。

用户获取信息方式的根本性转变，推动着越来越多品牌方将注意力从传统的 SEO 转向 GEO。尽管这两者终极目标一致，都是为了提升品牌的可见性，但原理有本质区别。

具体来说，SEO 是针对传统搜索引擎（如 Google、百度）的排名算法进行优化，核心目标是争夺搜索结果的靠前排名，从而吸引用户点击。GEO 的优化对象则是生成式 AI 大模型（如 ChatGPT、DeepSeek），核心目标是让品牌信息能够被 AI 理解、信任，并直接作为权威信源整合到生成的答案中。

在不少人看来，GEO 最令人困惑的一点在于，它看起来像是在 " 干扰 " 搜索结果，但既没有竞价排名，也无法直接操控算法，那品牌信息究竟是如何进入 AI 答案中的？

多位从业者对「AIX 财经」讲述了其中的门道，简单来说，GEO 实际上是在为 AI 提供更容易理解，也更值得信任的信息。能否被 AI 选中，取决于是否 " 说对了话 "，以及说话的人是否 " 足够专业 "。

目前大多数 GEO 服务商都会将重点放在构建 AI 爱抓取的结构化内容上。以教培行业为例，一些 GEO 服务商的常见操作可拆解为以下三步：

第一步，找对问题。通过 AI 搜索 " 小学生家长选英语培训机构最关心的问题什么 "，归纳出高频关注点，比如重视口语；

第二步，写对内容。针对上述问题撰写对应的答案，比如每节课保证有 XX 分钟的口语训练；

第三步，发对地方。将优化后的内容，发布到家长常浏览的社交平台或者教育论坛上。

在 " 写内容 " 这一步，不少服务商也总结出一套符合 AI 偏好的表达方式：首先说结论，再拆解逻辑（3 – 5 个关键点），随后给出依据（内容不必长，但必须 " 有据可查 "），最后附上一句可被引用的总结，将全段内容浓缩为便于抓取的一句话。

但仅靠内容模板还不够，还需要同步采取技术手段。

有从业者在实践观察中发现，品牌官网在 AI 抓取和引用的各类渠道中占有重要地位，是构建可信信息的关键来源之一。因此，她的团队正着手从底层代码层面系统性优化官网，旨在提升其对 AI 搜索的友好度，确保品牌的核心信息能被准确、高效地抓取和理解。

在海外市场，获得千万融资的美国 GEO 公司 Scrunch AI，甚至把这一步做成了产品。其解决方案的核心在于构建了一个全新的基础设施层，其能将原有内容变成更利于 AI 抓取的结构化内容，让大模型更高效地解析、解释和返回品牌信息。

不过，多位从业者强调，虽然 GEO 的常见操作方法是围绕符合 AI 偏好的内容开展品牌传播，但想要效果持续，实际上是一项系统性工程。

一位从业者对「AIX 财经」进一步讲述了 GEO 优化工作的三步：诊断分析、策略规划与实施优化。

先评估品牌在 AI 搜索中的当前表现，以此作为基准，与客户共同梳理那些最关键、最高频的用户搜索提示词，并测量现有的内容引用率，从而明确优化的起点。

进入执行阶段，会优先进行技术层面的基础排查，例如检查 robots.txt（用于告知搜索引擎的爬虫哪些内容允许或不希望被抓取的文件）等设置，保网站内容未被意外屏蔽。

在此基础上，再引入结构化数据标记（如 Schema），就像为商品贴上清晰标签一样，将产品、服务、评论等关键信息组织成 AI 易于抓取和理解的格式。从业者强调，这是构建 GEO 技术地基的核心，确保网站能被 AI 顺利 " 看见 " 并准确 " 理解 "，好比开店营业，首先要让大门敞开、通道顺畅。

而在实施优化时，那些经过长期实践积累的行业知识库与渠道布局能力，同样是决定 GEO 效果的关键，这也解释了为何有些品牌只能在 AI 搜索中短暂闪现，而有些品牌却能获得更稳定、更靠前的推荐位置。

该从业者指出，撰写符合 AI 要求的结构化内容并不困难，真正的难点在于准确捕捉用户需求，并提供具有新颖视角的行业洞察。如果缺乏对行业的深入理解，所产生的内容就容易流于表面，难以被 AI 真正采纳，因此，GEO 公司通常会选择一两个垂直领域，而非追求成为通用型服务商。

此外，相应的渠道能力也至关重要。这意味着需要与 AI 系统常抓取的高权重平台（如权威行业网站、专业媒体等）建立合作与发布渠道。这项工作部分与公关（PR）重叠，本质上是将优质的结构化内容精准投放到 AI 更常访问的渠道中。

综合来看，有效的 GEO 高度依赖内容质量、行业认知与渠道资源，这也带来一个问题：多重变量叠加，GEO 的效果很难被标准化。

模糊的效果：

很难证明 " 到底有多大用 "

正因为缺乏可统一衡量的效果标准，GEO 在商业化过程中往往难以 " 证明自己有用 "。

目前各家的服务报价差异明显，从几千元到数十万不等，主要受目标关键词的优化难度、所需优化的词条数量、所采用的策略深度以及相关技术实现要求等因素综合影响。

在实际操作中，多数服务商进行优化并交付结果时，通常会向 ChatGPT 等 AI 搜索工具提交一系列预设问题（Prompt），并统计回复中品牌被提及的次数作为主要的效果证明。

但不同 AI 搜索工具的算法和结果呈现方式差异较大，品牌难以准确衡量优化效果。

比如，服务商设计的具体提问（Prompt）其内容、角度和范围可能经过特殊设计，以便更容易触发包含品牌名的答案。这种 " 定制化提问 " 能在多大程度上反映真实用户的自然提问习惯，是存疑的。

AI 回答的 " 非幂等性 "（即同一问题多次查询可能得到不同结果）和 " 记忆效应 "（个性化历史记录可能影响输出结果），更是增加了效果评估的复杂性。

同时，GEO 服务商也困于因果关系证明。

在传统搜索中，用户从搜索结果页点击品牌链接，网站分析工具从而记录流量来源。但在 AI 搜索中，信息被直接整合在答案里，用户无需点击便可获得，出现了 " 零点击 " 现象。甚至还有数据显示，当 AI 摘要出现时，用户点击搜索结果的比例会大幅下降，甚至有相当比例的用户在获得答案后直接结束会话。

这意味着，即便品牌信息被 AI 频繁推荐，最终也促成了购买行为，由于缺乏明确的点击与跳转，品牌方也难以确认该次转化是由 AI 搜索的推荐带来。

因此，一些头部 GEO 服务商会自研监测系统，以证明其自研系统在数据采集、算法逻辑上具备可信度。

GEO 的另一面：

AI 投毒、低价竞争与监管风险

除了前述效果评估难以衡量之外，GEO 的另一项限制，体现在它和企业类型的 " 适配 " 上。多位从业者认为，不同规模的公司都适合做 GEO，但方式不同。

有从业者指出，小公司做 GEO 的关键并非盲目争夺热门大词，而是要精准定位与自身产品紧密相关的细分场景。比如利用 " 价格更低 "、" 适合入门 " 等自身优势切入点，在特定问题中成为 AI 的首选答案，这比在宽泛领域与巨头竞争要有效得多。而对于业务线复杂、覆盖区域广泛的大型企业，从业者一致认为应通过长期积累，而不是追求短期曝光。

值得注意的是，虽然 GEO 适配不同规模的公司，但它并非适用于所有行业。

综合多位从业者的经验判断，那些需求具有强本地属性、决策复杂度高、需要信任背书的行业比较适合做 GEO，如教培、医疗、法律、维修。用户在这些场景中，往往会主动向 AI 询问 " 怎么选 "" 哪种更适合 "" 是否有风险 "，为 GEO 提供了天然的介入空间。

相反，在一些以情绪驱动、即时消费为主的行业中，GEO 的空间不大。比如电商、快消品、游戏、短视频等行业，用户购买决策较快。就像用户很少会询问 AI" 哪个口红色号显白 "，用户对这些行业的核心诉求是好看好玩，而非专业推荐。这些行业的主战场不在 AI 搜索框。

作为一个仍处于早期阶段的新兴领域，GEO 也不可避免地伴随着多重不确定性。

当前较为突出的问题之一，就是此次被 315 晚会曝光的 "AI 投毒（低质内容污染）" 现象。

部分 GEO 服务商为追求快速见效，倾向于采取 " 内容海量堆砌 " 的策略，向 AI 模型批量投喂低质量内容，试图在短期内提升品牌的 AI 可见度。这类做法虽然可能在短期内制造 " 可见度 "，但长期来看，反而会稀释内容价值。

另外，当前 GEO 服务市场存在明显的低价竞争倾向。不少服务商为争夺品牌方客户，不断压低报价，却因缺乏扎实的专业能力、方法论支撑和技术壁垒，难以提供真正有效的优化服务，导致行业陷入 " 低质低价 " 的恶性侵染，扰乱市场生态。

除了行业内部的问题，外部政策的不确定性也被从业者视为潜在风险。

有从业者称，最关注的是监管层与平台方的动向。一旦大模型厂商出台明确政策，禁止一切干扰搜索结果公平性的行为，那么当前基于内容优化的 GEO 策略可能面临系统性约束，甚至难以继续开展。这类似于过去搜索引擎平台对 SEO 策略的不断收紧，最终，大部分广告预算和流量主导权仍将回归平台方所有。

在这个尚未定型的市场里，GEO 的真正价值，可能还需要时间来给出。