GEO不拼軟文發稿，拼企業“知識圖譜”。

作者｜周悅

編輯｜王博

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

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

所謂“AI投毒”，是指部分服務商通過批量鋪設軟文、編造測評內容、虛構專家身份等方式，誘導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，誤導用戶決策。

按常理說，曝光之后最先出現的，應該是投訴、追責和行業避險情緒。但讓不少從業者意外的是，打進來的電話里，相當一部分并不是投訴，而是前來咨詢合作的企業。

3·15晚會在曝光黑產的同時，客觀上也給不少企業老板做了一次“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會，由此，GEO服務進入了更多企業的視野。

嚴格來說，正規GEO與“AI投毒”有本質差別。前者基于企業真實信息，對分散內容進行整理和優化呈現，減少模型誤讀；后者則通過偽造和操縱信息來誤導模型。兩者看似都在影響AI，本質上一個是信息治理，一個是作弊。

某種意義上，黑產的曝光，反而成了一次意外的市場教育。

當GEO被更多人看見，「甲子光年」發現，AI營銷市場需求開始快速升溫，一場關于“誰能被AI相信”的新型基礎設施“戰爭”打響了。

近期，這場“戰爭”中迎來了一支頗具實力的“正規軍”——360智見。

1.瘋長的GEO亂象與真實的AI營銷需求

為什么一個代表未來的技術入口，卻率先催生了亂象？

在360集團副總裁、360商業化總裁黃劍看來，GEO之亂，不只是因為市場里有人渾水摸魚，更因為品牌與用戶之間多了一個“大模型節點”后，舊營銷邏輯已經不夠用了。

正是在“正規化”呼聲漸高的節點，360將籌備已久的360智見GEO產品推到臺前，他們試圖將GEO從一門發稿生意，重構為企業面向AI時代的基礎設施，用新的營銷邏輯幫助品牌建立長效的、AI可信的數字資產。

360智見，圖片來源：360智見

早在2025年初，「甲子光年」就關注到了GEO概念。在《老板沉迷DeepSeek的背后，藏著一個真需求》一文中，有一個細節：大年初二，一位老板把DeepSeek的回答截圖發進公司群，問了一句，“為什么沒有我們？”同一個行業問題，AI回答里有競品，沒有自家；換一個模型，結果又不一樣。春節后，他繼續把類似截圖甩進群里，要求團隊按AI的回答去改增長KPI。另一頭，也已經有商家把“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《月費3萬，成本為零：誰在收割企業的GEO焦慮？》披露，一門按詞收費、拿截圖驗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“優先推薦”；一個關鍵詞月費可以一路賣到3萬元。有的服務商承諾“15分鐘沖收錄”“10天保進前三”，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、做內容代發的、做矩陣鋪量的，很容易進場。搜索時代的流量邏輯，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，用戶點進去、自己判斷。AI時代，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入模型的理解和推薦系統，”黃劍認為，這看上去只是中間多了一個技術層，實質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問法后，品牌還在不在。

過去爭的是位置，現在爭的是理解。兩者不是一回事。

所以，GEO真正的亂，不只是灰產混進來了。更深一層看，是企業已經看到AI這個新入口，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？

真正的難點在于，很多人把GEO想得太簡單了。黃劍判斷：“現在企業面向AI時代的營銷基礎設施并不完善，GEO僅僅是AI營銷里的一個環節，還沒有形成閉環。”

在他看來，傳統營銷面向的是人，目標是“被人記住”；到了AI時代，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，現階段的GEO更像是一項前置工程，它首先解決的是價值匹配和信任建立，而不是一套立刻見效的投放動作。

這也是為什么，360智見沒有從多數GEO服務商都采用的“發稿”切入，而是先從精細化整理企業自己的信息開始。

第一步，是搭建企業知識圖譜。大模型很難從幾篇零散的公關稿和孤立的產品參數中，拼湊出對一個品牌的完整認知。

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

黃劍強調，知識庫和知識圖譜并不是一回事。前者更接近對企業資料的收集、結構化和粗顆粒度分類；后者則是在這個基礎上，把信息做成更細化、更多維、也更具關聯性的網絡。

具體執行時，360智見會把企業分散在官網、物料、客服話術里的產品參數、服務信息、公司介紹、客戶案例等內容，沉淀、清洗為企業本體知識庫，再疊加細分客群、場景需求等營銷鏈路中的類目，補全為營銷知識庫，最終織成一張可持續更新的知識圖譜。

為了減少人工理解的偏差，360智見在這個環節引入了多個智能體，并設置了“裁判智能體”等角色，交叉驗證信息提取和意圖理解的準確性。它要做的，是把“對人說的話”，轉成大模型穩定理解的表達。

比如給一家人體工學椅品牌搭建知識圖譜時，系統不會只停留在材質、參數和價格上，而是會繼續拆解不同客群的職業身份、使用場景、久坐時長和身體狀況，進一步推理他們各自關心的需求、痛點和賣點。這樣沉淀下來的，就不再是一堆靜態資料，而是一個能被大模型反復調用的認知底座。

第二步，是按場景組織內容。AI時代的提問方式已經變了，用戶不再搜索“最好的辦公椅”，而是問“長時間伏案、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問題里。

面對這種更具體的提問，360智見會基于企業知識圖譜，按“人群×場景×決策周期”的方式組織內容，再把FAQ、場景信息、決策要點等更適合模型理解和引用的結構補進去，最終生成覆蓋不同用戶認知階段的內容。

比如一家無糖茶飲品牌，360智見會先拆解潛在用戶是誰，可能是健身人群、減脂人群、辦公室白領等。不同人群對應的場景和關注點并不一樣，決策路徑也不同。以健身人群為例，他的提問可能會從“運動后喝什么好”，逐步走到“無糖茶和運動飲料哪個更適合健身”“健身喝什么無糖茶”，再到“無糖茶買哪個”。

對360智見來說，內容不是圍繞一個產品反復換說法，而是要對應不同人群、不同場景、不同決策階段，把品牌放進模型更可能引用的那些具體問題里。重點不在多寫，而在寫對：品牌出現在哪里、如何被轉述，都需要提前設計。

第三步，是重構核心信源。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，更傾向于抓取權威、可信的內容。

在360智見看來，官網和企業自媒體，會是未來權重更高的核心信源；具備公信力的權威媒體，則仍是重要的外部參照。

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

黃劍提到：“企業今天做傳播，已經不能只想著發出去，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化多模型信源監測系統，持續監測不同大模型對媒體和內容來源的引用偏好，并結合真實案例和專家經驗，對核心媒體做動態加權評估，形成一套科學媒體加權算法。

這套體系最終指向的，是更精準的信源布局：優先把高質量內容放到更容易被模型識別和采信的位置上，而不是批量鋪設低質文章。對360智見來說，重要的不是信息更多，而是關鍵內容能穩定進入AI回答。

把這條鏈路擺出來，正規GEO和灰產的差別就比較清楚了。灰產是在偽造信號：假測評、假專家、假信息，想辦法把品牌硬塞進答案；而360智見試圖做的，則是梳理企業真實的信息資產，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，不只在技術，更在于企業很少將“先重構內部信息資產，再對齊大模型的認知邏輯”視為一項完整工程。

市面上的許多速成解法，大多跳過了最重的前置環節。360智見試圖糾偏的核心正是如此，GEO的起點不是發稿，而是企業先重構品牌基礎設施。

3.當下GEO最需要做的是統一評價標準

很多企業第一次看到正規GEO報價，第一反應往往是“貴”。

在黃劍看來，這種反應的本質并不只是價格高低，而是市場缺乏統一的價值評價標準。“不是貴的問題，而是大家不知道GEO的效果怎么評估。”過去，企業在制定營銷預算時，習慣了搜索時代的單次點擊成本（CPC），或內容投放時代的閱讀量。

到了大模型時代，原有的評估體系開始失效。企業既不知道如何驗收效果，也很難向內部清楚核算這筆預算的投入產出比。買賣雙方沒有建立共同的評價語境時，任何定價都很難自證合理性。“就像很多人現在還是拿燃油車來跟新能源車比價”，黃劍解釋道。

為了把這筆賬講清楚，360智見對GEO的真實成本結構進行了拆解。最容易量化的一層，是Token（詞元）成本，這也是AI時代最接近“硬通貨”的部分。

灰產通過批量發布劣質軟文進行場外鋪設，本身幾乎不調用大模型算力，成本極低。正規的GEO業務則不同，核心工作量集中在前期的數據重構，需要調用大模型API與多個智能體，對企業海量的原始數據進行提取、清洗和歸納；在后續的效果驗證環節，也需要不斷對齊不同模型的抓取結果。每一步都在消耗token。

除了Token成本，黃劍認為，正規GEO的賬本里還包括底層系統的開發和維護成本、基礎交付成本，以及最容易被低估的知識成本（Know-how），“這是正規GEO服務與機器刷量最顯著的區別”。

企業在前期的品牌診斷、知識圖譜搭建、高價值內容生成等環節，都需要行業策略專家深度介入，理解復雜的企業業務邏輯，才能將散亂的內部資料加工為大模型可復用的結構化資產。

成本結構厘清后，緊接著需要解決的是交付驗收。過去最容易交付的是截圖，因為簡單、直觀，也最像搜索時代的結果頁；但截圖只能證明某一次出現，證明不了模型是否穩定理解了品牌。

為了替代這種一次性的結果頁邏輯，360智見引入了D.A.R.T內容評估模型，試圖通過四個客觀的數據維度，建立行業通用的量化指標。

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

360智見D.A.R.T內容評估模型，圖片來源：360智見

同時，360智見試圖在產品模塊里用數據儀表盤把“AI可見度”具體化，讓品牌看到自己被提及了多少次、出現在哪些位置、又是在哪些問題下被關聯。只有先把這些變化量化出來，GEO才可能從概念試水進入預算體系。

黃劍打了一個比方：傳統廣告更像“耗材”，預算停了，流量就斷了；GEO更像“資產”。企業建立的知識圖譜、重構的官網和權威信源，都會成為品牌的數字基礎設施，持續產生推薦價值。

從目前的市場表現看，這套邏輯已經開始得到一部分企業的認可。

360智見的早期客戶，主要集中在3C、游戲、醫療、機械設備等行業，它們的共同點是客單價高、專業性強、決策鏈路長，大模型的推薦權重會更直接地影響購買決策。

在一些企業那里，GEO已經不再被當成一筆短期的“試水宣發費”，而開始被看成一項長期的數字基礎設施投入。

3.15晚會點名的是亂象，但亂象背后暴露的，其實是企業面對新入口時的基礎設施缺口。補上這個缺口，才是GEO真正要解決的事。

在這個過程中，還需要很多“正規軍”。

（封面圖來源：AI生成）