一 | 21世纪经济报道记者肖潇 如果要为还很年轻的GEO行业写一部发展史，至少有两个节点必须记录。
二 | “画面显示现场搭设有金属管脚手架，脚手架上有一名佩戴红色安全帽的人员，安全防护多处缺失。脚手架下方地面堆放有钢管、扣件等物料，左下角可见两名佩戴白色安全帽的人员站立，背景可见混凝土墙体结构。 第一个是2025年春节，DeepSeek爆红，许多人看到流量在向AI迁移。SEO公司、广告营销公司、AI创业团队集体转向GEO赛道，做起优化AI回答结果的生意。 第二个是2026年3·15晚会，AI投毒乱象曝光，GEO凭借一场“黑红”真正进入大众视野。这场风波之后，行业洗牌加速，合规正式摆上牌桌。
三 | 这种变化，元力科技GEO负责人Claire近半年几乎每天都能感受到。”这是在杭州一工地抓拍的现场画面，但就在快门按下的瞬间，一个看不见的“安全监管员”完成了对这张照片的“审阅”——脚手架搭设不合规、高处作业未系跨安全带、高处作业吊篮不规范，三条隐患同步弹出，整改指令随即下发。最近一家大型国有企业找到她，上来就强调：“千万不要擦边”，甚至“AI可以不推荐我们第一，但一定要合规，我们查得很严。这位“安全监管员”，就是浙江蓝宸数联科技有限公司打造的AI建安智检平台。“过去，工地安全巡检主要靠人，特别是对于一些隐患识别，还得看老师傅的经验。
四 | ” 半年前，她记得客户最关心的问题还是：能不能让AI把我们推荐到第一？今年他们更常问：你们会怎么让AI推荐我？具体怎么操作的？过去拼的是“价低者得”，现在企业开始谨慎比较不同GEO方案，逐家追问背后的方法论。
五 | 还有一个明显变化是，越来越多老板开始关心AI如何描述公司，尤其是怎么“优化”负面信息。但人总有局限，不能时时刻刻盯着，像外立面、深基坑、高边坡这些‘难以一眼看清的角落’，往往是事故的高发区。”蓝宸数联董事长魏自金曾在城建领域深耕十余年，对此深有感触。AI回答不仅是流量入口，还成了公共形象、危机舆情的展示板，GEO驶向的海域越来越大。 “变化”是这次采访的高频词，品牌需求的变化、大模型治理技术的变化、营销方式的变化，都在塑造GEO的走向。可能没有哪个AI应用行业像GEO一样如此深受上下游影响，好比追风的人，从业者必须找到一套不会被轻易吹散的定位和方法。而如今人工智能的应用，让巡检效率有了质的提升。 不同于大量从SEO转型的服务商，元力科技是我们接触的团队中，少见的营销背景公司。Claire带领的GEO团队现在大约20人，一部分负责技术研发，一部分负责营销内容，大部分成员来自公司原有的整合营销团队。AI建安智检平台将工地划分为巡检网格，联动球机、无人机、机器狗、执法记录仪等设备，开展空天地一体主动巡检，依托自主研发的AI智能体驱动，可以实现从自动抓拍、AI识别、分级派单到整改复核、线上闭环的全流程数字化管控。 在采访中，Claire反复提到一个词：虚假信息。目前，平台已覆盖14大类、46大重点隐患类型、140余类安全隐患，语义描述准确率达98.21%，平均AI隐患识别准确率不低于86%，处于行业领先水平。
六 | 这些成效斐然的数字背后，其实有本不断更新的“教科书”在支撑——工地安全隐患高质量数据集，它让AI不仅能“看到”，更能“看懂”。“数据集不是数据的简单搜集，而是带有成效逻辑的完整链条，包括采集、标注、分析、闭环四个环节。
七 | ”魏自金解释，以基坑为例，拍照只是第一步，接下来要从土堆的高度、坡度、湿度、行业规范等多个维度进行综合分析，判断是否存在滑坡风险。发现隐患后还要派单、整改、复查，直到确认闭环。
八 | 她认为不制造虚假信息是区分AI投毒和GEO优化最重要的底线。
九 | “人机协同”是他们现在的工作模式，DeepSeek去年爆红后，团队用三个月时间研发了一套iGEO智能体系统，现在是一群智能体来监测AI回答、分析策略、写初稿，而营销人员负责修改、审核和投放。 配备营销人员把关、约定清楚法律责任、把信息准确度作为一项交付指标，Claire提到了这些关键设计。但长远来说，守护底线“不应该只是营销行业的甲方乙方，或者某个主体的道德问题，需要建立从上游AI平台到下游行业的完整治理链条”。而这精准研判、举一反三的能力，来自日复一日的高强度训练。 一家从事数十年品牌营销的公司是如何做GEO的？哪些需求不能接，哪些做法不可取？ChatGPT开始卖广告对GEO是好事还是坏事？元力科技GEO负责人Claire和首席战略官Frank分享了他们这一年的观察。记者了解到，蓝宸数联的数据来源非常广泛，监管数据、项目数据、施工企业数据都在不断“喂”给AI建安大模型。 以下为交流摘录，内容经过不改变原意的编辑： “行业对GEO的理解发生了很大变化” 今年3·15央视曝光的GEO投毒事件，对行业来说是一个大事件。
十 | 当时你们内部有什么反应？ Claire：第一反应是，这不就是我们一直在跟客户强调的事吗？如果你还记得去年采访，我们就主动提“AI投毒”的概念了。不仅如此，团队还会主动“投喂”一些错误数据，倒逼模型练就一双“火眼金睛”。但当时最大的困难是市场处在非常草莽的阶段，大家还在聊GEO是什么，AI投毒更很少有人理解。“同样的隐患，我们识别得更快更准，靠的就是数据集更全面、训练更充分。”目前，蓝宸数联高质量行业数据集已入选杭州市第一批城乡建设领域“人工智能+”高质量数据集建设名单。值得关注的是，蓝宸数联还将“AI建安智检系统”与“工地安全隐患数据集”挂牌杭州数据交易所，推动企业数据资产化、赋能智慧城市建设高质量发展。深耕城建领域智能化转型，是蓝宸数联立足行业痛点、把握数字风口的精准布局，早在2020年，魏自金便坚定投身城建AI视觉研发，在他看来，城建领域项目体量庞大、施工场景繁杂、从业人员众多、工况变化频繁，是打磨人工智能算法、锤炼AI技术能力与业务综合能力的“绝佳试炼场”。 Frank：我举个例子，去年下半年，行业劣币驱逐良币的情况特别严重，有些供应商报价低得吓人，最低一个月两三千块钱。
十一 | “能啃下这块‘硬骨头’，后续再将技术、模型、体系复制落地到其他领域，便能事半功倍。
十二 | 就算项目负责人明知一些操作违规，但说服不了老板，老板会说：“别人两三千块钱就能做，为什么不选他们？”而3·15让大家一下知道，有些操作可能是不合规的。 所以这些黑灰产其实是你们最大的竞争对象。”魏自金表示，蓝宸数联即将把业务拓展至交通、能源、水务等板块，先攻克通用类隐患，再逐步深入各行业的专属场景。 Claire：可以说竞争对象之一吧，去年确实是这种情况。在他的畅想中，未来不同领域的智能体将打破行业壁垒，相互配合、协同作业。 3·15报道出来后，一度流传一张截图，一位GEO服务商在朋友圈说爆单了，3·15反而给市场科普了GEO的作用。这半年来，行业发生了哪些变化？ Claire：去年GEO是从零开始的阶段，主要在做产品打磨和市场科普。今年因为有3·15这样的行业大事件，可以说行业整体被看见了。 但今年仍然需要跟各个品牌介绍什么是GEO，因为一些人的认知还停留在“怎么让AI推荐我”“能不能把我推荐为第一位”。现阶段我们更多强调的是，GEO不要只追求短期排名，而是让AI正确且深度地理解品牌。比如，城建的智能体发现道路积水，会自动通知水务智能体调度排涝。
十三 | 交通的智能体监测到桥梁异常，联动城建智能体安排检修。“我们想做的，就是为智慧城市构建一套AI原生的治理—管理—服务一体化高质量运营新模式，推动提升AI算法能力在多行业、多场景、多角色中的价值链。
十四 | 现在很多客户已经有意识了，他们在找Agency（服务代理商）之前，已经学习了很多GEO知识，会比较不同方案的优势，问每家Agency具体如何操作。尤其是医药、金融这些高风险行业，现在已经不敢再冒险使用低价竞争的小服务商了，而是非常看重操作是否合规、公司的合规体系是否完善，审查比以前严格很多。 另一个变化是，去年我觉得，3C数码这类决策门槛比较高的产品更适合做GEO，但今年发现其实大部分行业都适合，因为AI回答位已经变成了一个新的危机舆论场。 除了品牌提及率，现在很多客户最关注两件事：AI有没有抓取公司的负面信息、AI会不会引用或生成错误信息。
十五 | 这些问题跟行业没有太大关系，本质是品牌认知建设。 你们认为所谓正规的GEO，和AI投毒的区别是什么？ Claire：我觉得最大的区别是，AI投毒本质上是编造虚假信息。比如产品明明没有这个功能、公司没有专利和数据，却包装成有，希望AI据此推荐自己。
十六 | 现在还有一种做法，不一定能直接定义为AI投毒，但本质上是向AI投喂低质量内容。为了让AI抓取，会在标题和正文中堆满关键词和卖点，完全没有可读性。AI跟人一样，长期接触低质量内容，就会逐渐识别并降低对这类内容的信任度。 如果用一句话形容，你们会如何定义GEO？ Frank：很多人把GEO理解得比较简单，认为它只是排名优化或者效果广告。这种理解不能说错，但如果只停留在这一层，就把GEO看小了。GEO不应该只是流量获取，而是更大的营销问题。 我记得今年戛纳广告节上，有个快消品牌高层提过一个比喻：如果一直追求AI搜索的可见度，就像坐在一辆高速行驶的火车上，拿着照相机去拍对面另一辆高速行驶的火车，那个瞬间的截屏意义并不大。更重要的是，从出发时就得知道自己正在开往哪个车站。 我更倾向于把GEO看作AI时代的品牌基础设施，目标是建立权威性。建立权威性的过程，就是让AI能够长期识别、理解、信任品牌，这样才不会天天焦虑自己有没有被展示和推荐。 哪些需求不能接？哪些效果实现不了？ 去年采访的时候，行业内普遍认为GEO存在三个问题：一是大模型效果不稳定，二是结果难量化，三是存在很多黑帽操作。这三个问题今年有缓解吗？ Claire：有。去年最大的问题其实是效果怎么量化，当时这个问题我们经常被客户问到，因为他们向上汇报时也会被老板问，怎么证明GEO有效？今年很多客户已经明白，不能用传统思路衡量GEO效果，现阶段没有任何AI平台披露全域流量数据，只能抽样统计。 所以现在会用哪些指标交付？我觉得有一个行业泡沫是，很多GEO服务商其实做不到承诺的成功率。 Claire：我们不太会说成功率，主要是检验优化前双方约定的KPI。比如优化之前品牌提及率只有5%，我们根据经验，建议某个时间段内提升到50%，有时候甚至能达到90%，但不会承诺100%。大语言模型本质是一个概率系统，不可能做到百分百精确。 去年我们提出过一套效果量化体系，现在还是围绕这三个指标交付：提及率、前段位推荐率、信息准确性。我们的iGEO智能体系统会每天自动搜索AI回答并留存结果，单纯靠人工查询，很难在短时间内获得大量样本。 现在很多人依然只看提及率和排名，第三个指标——信息准确性和全面性，我觉得很多Agency还没有真正意识到它的重要性。除此之外，我们也会通过AI回答为客户分析市场营销策略、行业竞争态势，这往往是最能让他们看到价值的部分。 要同时满足三个基础指标，现在通常需要多久？ Claire：见效很快，有时候一周就能看到效果，难的是稳定，所以我们一般建议以三个月为周期检验最终效果。 有没有一些比较难做，甚至无法达到效果的情况？ Claire：当然有。比如有的To B品牌产品线非常垂直和专业，如果发布了一款新品，而行业里已经有其他深耕了十几年的同类产品，就属于优化难度比较高的情况，这时候最需要的是研究论文或者白皮书。
十七 | 需要品牌与我们共创学术型内容，通过一定周期沉淀，才能实现效果。 这些情况下，怎么实际判断哪些信息是真实的，又怎么守住不生产虚假信息的底线呢？ Claire：年初我申请一项GEO行业合规认证，测评机构就问了一个问题：“你们怎么保证客户提供的信息是真实的？”这个问题其实让我有点意外。GEO跟传统广告营销的甲乙方合作是一样的情况，合作前期都会签署合同，品牌方需要保证自己提供的产品资料真实、准确、合法，否则自行承担法律责任。
十八 | 乙方也有同样约束，不能编造虚假信息。
十九 | 虽然我们有生成内容的智能体，但AI只是基础执行者，必须有专业的营销人员修改、把关。 在我看来比较重要的合规流程有两个：一是合同，把信息真实性和责任边界约定清楚；二是数据留痕，每一次内容生成、投放和效果都要有记录。很多服务商其实拿不出完整记录，能提供的可能只有一张截图或者微信聊天记录。
| 如果碰到一些灰色地带的营销需求，比如一个新品牌想把自己包装成国内第一梯队，或者一家公司不想让AI总结自己的负面信息，尺度该怎么拿捏？ Claire：前一种情况会建议找更细分、更垂直的场景。后一种情况，如果公司想优化AI回答的负面信息，我们第一步不是让AI不要提，而是先和公司确认是不是事实。
| 如果是事实，就不应该告诉AI“这些是错的，以后不要这么说”，而是补充更多真实的正向信息，让AI了解品牌有哪些优势，呈现更完整和全面的形象。我一直认为，不要把AI当成一个可以随意欺骗的对象，也不能把用户当成傻子骗。 还未达到的行业共识 这一套流程——比如执行环节由AI生成内容，再加上人工审核，是目前行业的常见做法吗？ Claire：不是，很多做法都没有形成行业共识。我之前跟一个同行交流，对方主要服务小微企业，一个人一天要产出几十篇稿子，而且一年的服务费只要一两万元。这种情况下根本不可能配备专业人员和智能体系统，只能批量产出水稿。 听下来，你们服务的主要是品牌客户，天然有更高的合规要求和自律约束。但如何约束白牌等小微企业的行为？这是一个更大的行业治理问题。 Frank：我觉得这不只是营销行业的甲方乙方，或者某个主体的道德问题，而是AI时代整个网络空间的信息治理，需要一整套从上游到下游的完整链条。 比如最近德国法院有判例，要求谷歌对AI搜索生成的内容承担法律责任——这有点像当年的魏则西事件。法律如果明确了平台要对内容负责，那么平台自然会更有动力治理。谷歌最近就发布了不少论文和专利，专门研究如何治理SPAM（垃圾信息），包括治理虚假信息、AI生成垃圾内容，以及所谓的AI投毒。 有人会觉得，向AI投喂内容本身就是投毒。更多人担心的是，GEO模糊了广告和AI客观回答的边界。
| 其实KOL（达人种草）、KOC（真实用户种草）的营销方式就面临类似质疑，你们在营销行业从业了十几年，怎么看待外界对GEO的争议？ Claire：如果是AI投毒，那肯定是不对的，但提供信息参考和投毒是两回事。大语言模型本来就需要大量数据进行训练，如果没有新的互联网信息持续进入，AI回答就只有过时的数据基础。
| 投喂内容本身没有问题，关键在于内容是否真实准确。 至于软广，我自己的观点是不用过度担忧。任何一种商业模式发展之后，都会形成比较清晰的规则和标准。就像今天的互联网，消费者基本能分辨哪些是信息流广告、哪些是KOL推广的内容了。
| 确实也有一些更软性的营销，消费者未必能识别，但我认为也不能说营销本身有错。如果没有营销，消费者会少了很多了解产品和做出选择的机会，底线还是不能做虚假宣传。在这方面，GEO和传统的广告营销没有本质区别。 未来已来：Agent和AI广告位 去年采访时你们提到，希望GEO能识别更深层的用户意图，比如用户没有主动透露购买意愿，只说“今天有点牙疼”，就能让AI推荐牙刷或牙膏品牌。现在GEO的意图识别能覆盖到什么程度了？ Claire：用户的提问方式是千变万化的，像“XX用品哪个牌子最好”，往往是品牌自己想到的问题，但现实中很少有人这么问。反而像“我的膝盖之前受过伤，健身选哪个护膝比较好”才是消费者经常会提的问题，这也是我们当初研发智能体“意图分析”功能的原因。 Frank：GEO里的提问会越来越长尾、越来越细分，所以有一个很关键的概念叫意图运营。为什么我一直说营销能力对GEO很重要？因为这里涉及一个经典的营销理论，消费者的待办任务（Job to Be Done）。Agency需要理解，消费者真正想完成的任务是什么。不同类型的消费者，以及品牌所处的不同阶段，对相同需求的提问方式都不一样。
| ChatGPT最近推出广告赞助位了，商家需要先写一段商品描述词，再由ChatGPT自动判断商品适合在哪些问题里展示，其实相当于做了一部分你们的工作。如果官方继续扩展类似的广告营销工具，对GEO公司是好事还是坏事？ Frank：只要平台开始做广告，对我们就是好事。
| 因为做广告，就必须向广告主提供数据回传和数据分析。 现在大家最大的困惑，就是AI平台太黑箱了，几乎不会对外释放任何信息和数据。当年谷歌做搜索时，一个很关键的营销工具叫Search Console，负责给站长统计搜索数据。但现在没有任何AI平台透露数据，所以我们只能抽样检验。 一旦AI平台把这个口子打开，哪怕只开一道缝，都能有更多的数据接口和线索去反推底层机制。GEO的方法论，也会从过去更多依赖经验和采样，变得更清晰科学。
| 我们未来看到的营销或者互联网广告，在AI的冲击下会变成什么样？ Frank：营销学一个基础理论是营销漏斗：内容（Content）带来流量（Traffic），流量再产生交易（Transaction）。过去的营销往往是从上至下一层层转化，但大模型本身就是一个智能层，用户直接能看到答案，不需要海量筛选，获取信息和决策链路大幅缩短，整个营销漏斗被压扁了。 现在整个营销模式都在向漏斗的下半部分移动，所以未来不再需要无限扩大内容和流量规模，更强调精准匹配意图，快速完成交易。最终竞争都发生在漏斗的终端，就在AI最后提供的那几个答案里。 Frank对AI产业也非常关注。在未来一到两年可能发生的AI动态里，你觉得最有可能影响GEO的大事件会是什么？ Frank：AI广告绝对是一个，另一个很大的变量是Agent的普及速度。我现在还判断不了，面向消费者的Agent渗透能有多快，以及会对营销行业产生多大的影响。 比如，如果以后大家都习惯用语音操作App，那今天很多GEO做法可能就不行了。
| 因为GEO还是建立在文字交互的基础上，而语音交互更碎片化和随机。 还有，如果未来微信这样的超级入口进一步AI化，我们优化的对象就不只是豆包和DeepSeek，还得考虑各个超级App里的细分场景。 现在GEO更多还是停留在生成信息层，最终内容还是给人看的。但未来很可能连这个环节都会被跳过。随着营销漏斗不断向下压缩，搜索和交易之间的距离会越来越短，Agent直接帮用户下单。
| 到那时候，现在GEO的方法就完全不够用了。
Current article:http://yfkxmxp.cuancuguanzhongnieqinyazhun.cyou/news/20260826_553.html
Published on:04:19:17
