GEO不再依赖软文发布，而是聚焦于企业知识图谱的构建。
作者｜周悦
3月15日晚上，一些致力于生成式引擎优化（GEO）的服务商接到了大量电话咨询。
最初，他们并不清楚缘由。随着各大媒体陆续报道，真相逐渐明朗：总台央视“3·15”晚会揭露了AI大模型领域的新型黑灰产业——即所谓的"AI投毒"。
"AI投毒"指的是部分服务商通过批量发布虚假软文、伪造测评内容和虚构专家身份等手段，诱使大模型抓取并输出带有推广意图的信息。这些广告被包装成看似中立的AI回答，从而误导用户的决策。
通常情况下，曝光后应首先出现的是投诉和行业自我保护的行为。然而令许多从业者意外的是，打进来的电话中有相当一部分是企业咨询合作事宜而非投诉信息。
“3·15”晚会对黑产的揭露，事实上也给不少企业的老板做了一次“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的机会。因此，GEO服务进入了更多企业的视野之中。
严格来说，正规的GEO与"AI投毒"之间存在本质差异。前者基于企业真实信息进行内容整理和优化呈现以减少模型误读；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，实际上一个是信息治理，另一个则是作弊行为。
在某种程度上，黑产的曝光反而成了一次意外的市场教育机会。
随着GEO被更多人关注，“甲子光年”发现AI营销市场需求开始迅速升温，并引发了一场关于“谁能赢得用户信任”的新型基础设施竞赛。
最近，在这场竞赛中出现了一支颇具实力的新力量——360智见。
在这股增长的GEO乱象背后，实际隐藏着真实且强烈的AI营销需求。
为什么一个代表未来的技术入口，反而催生了混乱局面？
对于360集团副总裁兼首席运营官黄剑而言，在搜索时代企业习惯通过点击成本或内容投放阅读量来衡量效果；而在大模型时代，原有的评估体系开始失效。此时的企业既不清楚如何验收GEO的效果，也难以向内部解释这笔预算的投入产出比。
黄剑认为在制定营销预算时，习惯了过去搜索时代的单次点击成本（CPC）或内容投放时代的阅读量指标；但在大模型时代这些旧有的评估方式变得不再适用。当买卖双方没有建立共同的价值评价体系时，任何定价都难以自证其合理性。
360智见，图片
为了使这一概念清晰化，360智见对GEO的真实成本进行了拆解，主要包括Token（词元）成本、底层系统的开发和维护费用以及知识成本等几个方面。“正规的GEO服务与机器刷量最显著的区别在于后者几乎不调用大模型算力。”
正规的GEO业务主要集中在前期的数据重构阶段。企业需要通过智能体对企业海量原始数据进行提取、清洗并归纳，后期还需不断对齐不同模型抓取结果以确保信息的有效性。
在成本结构厘清之后，紧接着要解决的是如何衡量交付成果的问题。“过去最容易交付的方式是截图，简单直观且类似搜索时代的结果页；然而这种方式只能证明某一次出现，并不能表明模型是否稳定理解了品牌。”
为了解决一次性结果页面逻辑带来的问题，360智见引入了D.A.R.T内容评估模型，尝试通过四个客观的数据维度来建立行业通用的量化指标。
这个模型对应了在AI体系中对品牌的最核心问题：能否被找到、引用的是不是权威信源、推荐排序的位置以及出现的具体场景等四个方面进行评价。
同时，360智见还试图通过数据仪表盘将“AI可见度”具体化，使品牌能够看到自身被提及了多少次、出现在哪些位置，并且在什么情况下被关联到问题中去。只有先量化这些变化，GEO才可能从概念试水进入到预算体系中。
黄剑打了个比方说，传统广告更像“耗材”，一旦停止投入流量也会随之消失；而GEO则更像是“资产”。企业通过建立知识图谱、重构官网和权威信源等方式打造的数字基础设施将持续产生推荐价值。
从目前市场的表现来看，这套逻辑已经开始获得一些企业的认可和支持。这些早期客户主要集中在3C产品、游戏开发、医疗健康以及机械设备等领域，并且它们普遍具有客单价高、专业性强的特点，大模型的推荐权重会直接影响到购买决策过程中的用户行为。
对于“3·15”晚会上点名批评的现象而言，乱象背后实际上揭示了企业在面对新入口时存在的基础设施缺口问题。而填补这一缺口正是GEO真正需要解决的关键所在之处，在此过程中仍需更多像360智见这样的正规军加入进来共同推动行业发展。
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
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