GEO 比 SEO 更大,多数公司尚未为此调整组织
GEO Is Bigger Than SEO, and Most Companies Aren’t Organized for It
生成式引擎优化(GEO)正把 AI 搜索可见性变成跨营销、数据、内容与传播的企业级挑战,而非 SEO 的简单升级。IAB 2026 Outlook 研究 9 月更新显示,44% 的美国广告主将适应 AI 驱动搜索等消费行为变化列为首要媒体投资挑战,76% 正加大对 AI 生成答案的内容优化投入。Muck Rack 研究还发现,ChatGPT、Claude 和 Gemini 答案中引用的链接有 84% 来自赢得媒体。
正文 · AI 翻译
过去,搜索策略很简单。客户有问题,输入搜索引擎,各品牌争相在结果页上获得最高排名。但这种模式正在迅速改变。
如今,越来越多的信息发现发生在 AI 系统内部:这些系统解读信息、综合来源,并在客户到达品牌网站之前就给出答案。生成式引擎优化(GEO)已成为一种应对方式,但企业可能对这场转变究竟需要什么思考得过于狭窄。
在 IAB《2026 年展望研究》9 月更新版中,44% 的美国广告买家将适应不断变化的消费者行为(包括 AI 驱动的搜索)列为其首要媒体投资挑战。76% 的广告买家正在加大对面向 AI 生成答案的内容优化投入,这一比例高于其他任何领域。
错误在于把 GEO 仅仅当作 SEO 的下一次迭代。AI 驱动的信息发现正成为一项企业级可见性挑战,横跨营销、数据、技术、内容、传播和客户体验。适应良好的企业不会只是针对新的搜索界面做优化,而会重新思考其数字存在、组织知识和外部权威如何协同运作。
传统 SEO 围绕排名构建,目标明确,衡量进展的方式也明确。GEO 带来的是另一种可见性。企业不再只是问某个页面是否在特定关键词下获得排名,而越来越需要了解:在针对客户所提问题生成的答案中,自己的品牌是否出现、品牌被如何描述,以及哪些来源在影响这种描述。
这一转变已经在影响企业。旗下拥有《镜报》和《快报》的英国出版商 Reach 报告称,来自 Google 的流量同比下降 46%,并将其归因于 AI Overviews 和 AI Mode 等功能减少了读者点击进入网站的需要。传统搜索流量下降并不总是意味着人们对某个品类或品牌失去兴趣。它也可能表明,信息发现正在不同界面之间碎片化,并且越来越多地发生在用户访问网站之前。
对品牌而言,这改变了问题本身。可见性不再只关乎你排名何处,还关乎 AI 系统是否掌握正确的信息和背景,以理解你的品牌为何与所提问题相关。
人们很容易把 GEO 与 SEO 分开看待,但许多基础工作是可以延续的。AI 系统仍然需要找到、解读和评估信息,因此技术可访问性、网站结构和清晰的内容都很重要。
今年,Cloudflare 的 Radar 数据显示,在其网络上,机器人发起的网页请求已超过一半。这些机器人并非都是 AI 代理,但如今任何网站受众中都有越来越大的一部分是软件,而它需要足够的内容和背景才能理解自己所发现的东西。这可能意味着要回归许多公司已经放松的基础工作。
如果重要信息被埋在复杂的界面里、在不同页面上呈现不一致,或者爬虫难以访问,AI 系统可用的信息就更少,人类访客也是如此。常见问题很容易发现:产品详情只有在 JavaScript 运行后才出现,而并非每个 AI 爬虫都会执行 JavaScript;定价或政策信息在不同页面上读起来不一致。
但技术可访问性只是起点。每个品牌都在同样的少数几个 AI 系统内部竞争,这意味着这些系统本身并不是差异化因素,背景才是。对品牌而言,这种背景来自其数据、专业知识、内容、客户知识,以及其所处的更广泛信息生态。
关于如何撰写能被 AI 系统呈现的内容,已有大量讨论。其中一些聚焦于格式技巧,或试图逆向工程单个模型。这些技巧大多保质期很短,我不会基于它们制定战略。
模型、检索系统和来源将持续变化。今天看似有效的技巧,几个月后可能产生截然不同的结果。更可持续的做法是创建有用、权威的内容,清晰回答客户真正在问的问题,并展示主题专业知识。企业应首先审视自己已经发布的内容:它是否回答了有意义的客户问题?是否清晰展示了专业能力?重要信息在整个数字生态中是否一致?
AI 可见性受到更广泛信号的影响,包括内容质量、技术基础、结构化数据、权威性和第三方引用。Muck Rack 关于 AI 引用的最新研究发现,ChatGPT、Claude 和 Gemini 答案中引用的链接有 84% 来自赢得媒体,包括新闻报道、学术研究和其他第三方来源。这就是为什么 GEO 远远超出品牌在自己网站上发布的内容,也是为什么传播团队应当参与其中。
以我的经验,适应 AI 驱动的发现过程,技术很少是最难的部分。更大的挑战在于,一旦 AI 成为搜索和发现流程的一部分,团队之间如何协作。过去,搜索策略分散在不同的职责中:SEO 团队监测排名,内容团队制作页面,传播团队管理媒体报道,开发者管理网站的技术层面。AI 发现模糊了这些边界,因为 AI 答案中呈现的内容可能同时受到上述所有领域的影响。
麦肯锡的 2026 年 AI 现状调查提出了一个更宏观的观点:在其识别出的 AI 高绩效企业中,近四分之三因 AI 从根本上重新设计了工作流程,而其他受访者中这一比例仅为四分之一。AI 可见性的运作方式也是如此。如果内容团队发现某个 AI 引擎对品牌的描述有误,修复措施可能落在网站、产品数据、第三方列表或模型所引用的媒体报道上。
要解决这个问题,负责这些领域的团队必须协同工作,而不是把 GEO 当作又一个由某个部门单独负责的任务。
这就引出了领导团队日益需要回答的一个问题:谁负责 AI 可见性?
这项工作将横跨多个团队,但问责应落在一位领导者身上,由其负责记分卡、审查节奏,以及在 AI 系统对品牌描述出错时的应对。在此基础上,营销、传播、技术和数据负责人需要对品牌在 AI 系统中的呈现方式、影响这些答案的因素,以及组织在出现差距时如何应对形成共识。
将可见性作为比率而非排名来衡量
未来最大的变化之一是企业如何衡量搜索可见性。搜索排名传统上为营销人员提供了一个相对直观的追踪指标,但 AI 生成的答案要流动得多。没有任何单一位置能保证品牌被看到,仅仅出现在答案中也无法说明全部情况。一个品牌可能被频繁提及但描述不准确,被收录却没有引用来源,或者在一个市场被引用而在另一个市场完全缺席。
这意味着 GEO 正将关注点从品牌排名何处转向它出现的频率、被如何描述,以及哪些来源在影响答案。衡量实践仍在追赶。在同一项 IAB 研究中,86% 的买方表示,由于对话式 AI 工具和 AI 智能体,他们正在改变或预计将改变衡量媒体表现的方式,45% 将比较 AI 驱动与传统的客户旅程列为其首要衡量挑战。在实践中,这使得 GEO 既是搜索挑战,也同样是衡量和工作流程挑战。
一个切实的起点是从客户已经在问的问题入手。构建一组有代表性的问题,定期在主要 AI 平台上运行,并记录品牌是否出现、如何被描述、哪些竞争对手同时出现,以及引用了哪些来源。每个问题要运行不止一次。同一个提示词在不同次运行中可能返回不同答案,因此可见性应以比率报告,而非单张截图。随着时间推移,这种可见性可以与下游信号关联,包括 AI 引荐流量、互动和转化。
已经有迹象表明这种变化可以有多快。Adobe 的假日购物数据显示,在 2025 年假日季,来自生成式 AI 工具到美国零售网站的流量同比增长 693.4%,而且这些由 AI 引荐的访客转化率高于其他流量。这一增长始于较小的基数,并非每家公司都会看到相同的曲线。但它表明,AI 可见性如今可以被衡量,并与真实的业务成果相关联。
将 GEO 视为一种运营能力,而非一场营销活动
AI 驱动的搜索并不意味着抛弃企业已经了解的关于 SEO 的一切。它意味着要超越排名,并认识到客户在提出的问题与获得的信息之间,日益多出了一层。
但企业应避免将 AI 可见性变成又一个孤立的营销战术或一次性审计。模型和来源不断变化,因此第一次审计并非终点。更大的机会在于利用这些洞察来确定内容、数据、技术、传播和客户体验需要在哪些方面以不同方式协同运作。搜索正变得更加对话化、日益智能体化,AI 系统开始代表客户进行研究和行动。当这种情况发生时,可见性取决于这些系统能够找到、验证并重复关于你品牌的哪些信息。