芯耀
532
在数字营销疲软的当下，GEO成为品牌主的新焦点。但对于品牌主而言，合规的GEO到底怎么做始终是个黑盒。除了大量发稿，GEO还应该做什么？GEO优化后的效果可持续吗？不同GEO厂商之间有什么区别？在此背景下，我们邀请了国内最早入局GEO赛道的PureblueAI清蓝创始人兼CEO鲁扬进行深度交流。鲁扬完整经历了GEO行业从2024年萌芽起步到2026年爆发的全过程。
此次访谈核心讨论了GEO的业务本质、算法壁垒、与AI大厂的生态关系,以及未来市场格局等。
核心观点
- 用模型学习模型，用算法解密算法。
大模型的算法更新频繁，且背后没有固定规则，依靠人脑是参不透的。GEO必须靠产品和算法，才能与大模型这个黑盒同频。
- GEO未来将覆盖营销全链路。
狭义的GEO，是优化品牌在AI平台上的认知度和推荐率。广义的GEO，是企业未来的每一项营销动作、每一篇营销内容，都必须适配AI的认知规则。其商业模式也会向获客效果演进——按流量、线索甚至交易额分成。
- GEO有马太效应，市场格局不会像SEO那么分散。
一方面，GEO向产品驱动进化，交付会变得低成本、轻量化。另一方面，GEO与企业现有流程的耦合度没那么高，可以独立运转，减少了大量集成和定制的苦活。以下为本次访谈实录，在不改变原意基础上略有修改。
01、GEO领域，唯有算法解密算法
爱分析：最近GEO在行业里热度很高，尤其是315之后，甲方和整个市场对它的关注度明显提升。但目前大家对GEO的理解还不统一。作为国内最早入局的创业者，你怎么定义这个行业？
鲁扬： GEO真正被广泛关注是从2025年年中开始的，但行业的兴起可以追溯到2024年。国外最早是Profound在做，国内我们应该是第一家，2024年9月成立时甚至还没有“GEO”这个词，我们当时自称为“AI平台的SEO”。那时候解释成本极高，投资人会问：“优化豆包、Kimi上的品牌口碑，这也能算一门生意？”直到2025年初，Google系创业公司AthenaHQ入选YC路演，再加上6月、8月Profound连续获得顶级机构投资，a16z也发文探讨从SEO到GEO的转型，这个赛道才真正被点燃。我们把GEO的技术实现分成了三个阶段，这不仅是我们自己“趟”过来的路，也是目前国内外服务商的三大流派：第一阶段是经验驱动。靠传统的SEO优化师，凭借干了十几年的经验和一套手工方法论去产出、发布内容。我们一开始也是这么做，但很快发现搞不定。目前国内90%的服务商还停留在这里。第二阶段是数据驱动。这在海外很流行，交付的是一套SaaS的BI工具。它告诉你品牌在各个大模型里的呈现度、竞品对比和话术趋势，但它不直接帮你做优化，只给一些非常笼统的建议。第三阶段是模型驱动。这是我们清蓝目前的路径。因为大模型背后没有固定规则，人脑是参不透的，只有“用模型学习模型，用算法解密算法”，而不是靠人工去猜测。
爱分析：既然算法是核心，那监测模型的行为与反馈就变得至关重要。目前市场上，不同服务商的监测手段有什么差异？
鲁扬：差异极大。最原始的是“人肉监测”，找几十个城市的兼职，每天搜几次填Excel表，这种完全没法看。稍微好点的是用RPA工具，但频率太低。大模型的答案是随时间、IP、账号随机波动的。我们现在的标准是每个Query平均一天监测100次以上。如果一天只监测几次，由于模型回答的随机性，那点数据根本无法给优化提供精确指引。
爱分析：广告行业一直有独立的第三方监测，你觉得在GEO领域，未来这种独立监测的价值还存在吗？
鲁扬：它的价值肯定存在，尤其是技术颗粒度和公正性。海外很多服务商就是靠纯监测工具支撑起估值的。但在国内，情况有点不同：首先，国内用户对“纯洞察”的付费意愿没国外那么强。如果只是一个监测看板，客户可能觉得不够，他们更想要“全站式”的交付结果。其次是公信力的挑战。GEO服务商自己监测自己，用户会怀疑真实性。除非你的技术逻辑能实现某种自证，或者未来像抖音、豆包官方能像电商后台一样开放引流数据，否则独立第三方的生存空间依然很大，只是商业模式需要比海外做得更重、更深。
02、GEO不是去对抗AI大厂，而是学会跟它同频
爱分析：大家都很关心未来 GEO 服务商与豆包、千问、DeepSeek之间的关系。未来 GEO 会变成这些大厂的生态服务商，还是会陷入一种对抗关系？
鲁扬：这是一个非常经典的问题。首先，大厂会不会亲自下场做 GEO？我的判断是不会。大厂的核心商业模式正在从“卖展现位”向“后链路交易分成”转型。以前搜索时代，广告位近乎无限；但在 AI 时代，回答位置非常稀缺。大厂如果为了钱去干预自然排名的公正性，那它就失去了公信力。它更倾向于把商业化放在后端——比如豆包跳转抖音电商、千问跳转阿里系平台。它把自然回答的推荐权让渡给算法，让算法决定谁最精准，自己则在交易环节收费。其实我们跟大厂沟通下来，发现他们现在的态度反而比较包容。因为 GEO 实际上在帮他们繁荣生态，吸引更多商家去他们的电商平台开店、上架。至于大家担心的对抗，大厂基模厂商的原话虽然残酷但很真实：“我们根本不 care 这些做 GEO 的公司。” 模型厂商面对的是自人类文明以来天量级的信息，他们的“星辰大海”是让模型无限接近 AGI。当模型足够聪明时，它自然能判别哪些是高质量信息，哪些是垃圾内容。所以，模型厂商不会专门为了 GEO 去做反制动作，但他们算法的每一次精进，客观上都在增加优化的难度。同样的话翻过来讲，就是黑灰产模式的GEO根本无法对抗算法的进化。随着模型迭代，你想靠黑灰产钻空子会越来越难，直到彻底失效。因为你背后不可能破解模型的推理逻辑。真正的 GEO 绝对不是对抗，而是“同频”。GEO 应该是帮企业产出真实的、高质量的、且AI 友好的内容。和模型厂商同频共振才是GEO 作为生态一员的长期价值所在。
03 、GEO未来将覆盖营销全链路
爱分析：刚才谈到AI大厂要做后链路交易分成，那么GEO未来也需要顺着后链路进一步延伸业务范畴？
鲁扬：这就涉及到一个核心定义：我们到底怎么看待GEO？在我看来，GEO分为狭义和广义两个层面。狭义的GEO，解决的是大家目前看得到的商业场景：用户在豆包、DeepSeek这些Chatbot上搜索，品牌能不能被搜出来？它本质上是在优化品牌在AI平台上的认知度和推荐率。广义的GEO，其内涵要深刻得多。我认为在未来的商业社会中，AI将成为底层的“基础规则”。这意味着，企业未来的每一项营销动作、每一篇营销内容，都必须适配AI的认知规则。只有这样，你的营销行为才能通过AI高效触达终端用户，否则就是无效的。甚至不仅是营销。如果放在更大的语境下，企业的整个经营行为——包括服务、供应链、生产制造、研发等，未来都要与 AI 规则相适配。只有适配了，企业的经营才是高效且有效的。所以，长期来看，广义的GEO实际上是解决“企业经营行为与AI规则相适配”的问题。
爱分析：按照这个逻辑，GEO的应用场景将不再局限于那几个Chatbot的对话框了。
鲁扬：没错。未来任何应用，无论是ToB还是ToC，只要它背后有一套AI搜索或AI推荐逻辑，就是GEO发挥作用的战场。我们现在已经在做很多前沿探索。比如AI Overview，很多客户已经在问百度和小红书的AI摘要怎么优化；我们还在研究In-App AI以及原生AI Agent。这些场景下，如何通过科学、合理的路径让品牌获得更好的优化，是我们必须攻克的命题。
04 、GEO的本质不是优化模型输出，而是优化用户意图
爱分析：刚才我们讨论的GEO场景大多围绕对话式应用展开，围绕用户输入的问题进行优化。未来随着Agent承接更多的执行和交互，GEO的优化对象会发生什么变化吗？
鲁扬：首先我们要明确，GEO优化的对象肯定不是SEO时代的Keyword，也不是某一句具体的Prompt或Query。GEO真正优化的是用户背后的意图、Intent。一个“意图”代表了一组同类型的客户意愿，这一组意愿对应的问法可能是无穷无尽、无法穷举的。比如用户想买车，他可能会问“新能源车哪家好”、“哪款新能源车更好”、“推荐一款最好的电车”……虽然问法颠三倒四，但背后的“意图”是高度一致或相近的。在GEO实践中，虽然我们监测时会落在一个具体的Prompt上，但真正的技术目标是：只要这个意图被优化成功了，那么该意图下相关的各种变体问法，都能获得良好的品牌呈现。我们优化的是意图的覆盖度，不是死磕某一个句式。
爱分析：既然是针对意图，那真实的用户搜索数据就变得非常关键。目前AI应用还没有开放此类数据，清蓝是怎么去理解和挖掘这些用户意图？
鲁扬：这确实是目前的行业瓶颈，大厂还没开放类似“百度统计”那样的流量分析接口。我们的解决办法是利用Multi-Agent能力。这是我们数字员工平台上的一个核心组件。首先，我们利用意图挖掘Agent，去模拟和分析目标用户在AI平台上大概率会关心的痛点话题。其次，我们会利用数据映射Agent调取第三方平台的高优搜索词数据，通过算法将其与 AI 环境下的意图进行Mapping。通过这种方式，我们能倒推出最适合该品牌的意图路径，再基于此去优化各平台的结果。未来，如果大模型厂商愿意通过接口或数据产品开放真实的搜索统计，GEO的精准度还会迎来一个质的飞跃。
05 、GEO不会是重交付的低毛利业务
爱分析：目前的GEO市场很热闹，有AI原生的创业公司，也有传统的营销公司、SEO公司和MarTech厂商。未来GEO市场格局是分散局面，还是会向头部集中？
鲁扬：很多人问我：GEO会不会就是换了个名字的SEO？我的观点非常明确：GEO不会像SEO那样分散，它天然具有马太效应。我们可以先复盘一下，为什么SEO做了二十年，却没出过一家真正的平台型公司？因为SEO极其依赖人工。你要优化HTML代码、分析关键词密度、交换外链……这些活儿在没有AI的年代全是体力活。而且搜索引擎的规则相对透明，网上到处是攻略，只要找几个干了多年的老手，大家的方法论大差不差。当一个行业是“经验驱动”而非“产品驱动”时，它就没有护城河。牛的优化师带走几个客户就能自己开工作室。最后市场就变成了关系驱动，大家各守一摊，导致极度分散。而GEO市场必须靠产品和算法才能与大模型这个黑盒同频。GEO才兴起一年，海外已经冒出了二三十家GEO SaaS公司。这说明行业已经达成共识：靠人肉去猜模型的逻辑是行不通的，必须产品化。一旦进入产品驱动阶段，马太效应就会显现。GEO是ToB生意，可能不会像ToC那样“一家独大”，但一定会聚拢到少数几家技术和产品最顶尖的公司手里。那些依然固守“人肉发稿”模式的传统公司，在算法不断进化的GEO时代，生存空间会越来越小。
爱分析：在传统的ToB领域，尤其是营销服务，交付往往意味着重人力和长周期。随着GEO向产品驱动转型，未来交付环节中“人”的作用会发生变化吗？它会变成一个成本极低的轻量交付？
鲁扬：这完全取决于技术路线。如果还停留在经验驱动的阶段，那人力成本依然是大头，团队里全是SEO背景的优化师。但清蓝走的是模型驱动路径，我们的交付团队只有几个人，却能支撑起上千万规模的订单。
爱分析：中国大客户通常习惯了定制化和重度服务，GEO这种轻交付模式如何适配这种需求？
鲁扬：GEO有个天然优势：它与企业现有流程的耦合度没那么高，可以独立运转，减少了大量集成和定制的苦活。更核心的差异在于我们的架构。我们采用的是Multi-Agent平台，而不是传统的“一整块铁板”式的SaaS。客户不需要为了一个功能买下整套系统，可以像点菜一样，只购买意图挖掘或品牌诊断某个特定能力。这种架构不仅降低了客户的使用门槛，也让我们的交付变得极轻，真正实现了在GEO行业卖工具。
爱分析：现在甲方越来越强调按效果付费。GEO行业的商业模式未来会如何演进？
鲁扬：按结果付费一定是必然趋势。目前我们承诺的是品牌展现结果，比如推荐率、排名率和评估准确性。未来，随着AI平台全面支持品牌跳转，且电商后台能追踪AI带来的流量，商业模式会向获客效果演进——按流量、线索甚至交易额分成。清蓝推出的数字员工平台目前采用“预存+消耗”的模式，就像Token消耗一样，这最符合Agent的成本结构，也能灵活挂钩业务效果。
爱分析：长期来看，清蓝在塑造的护城河是什么？
鲁扬：我认为AI应用很难有那种“只有我能干，别人绝对干不了”的绝对壁垒。真正的护城河是四种能力的叠加：行业洞察，作为行业老炮，对营销场景有深刻理解。技术领先性，虽然技术不独占，但必须保持持续领先。清蓝2/3的投入都在产研。产品工程化能力，技术再牛，产品不好用也没戏。行业资源与生态位，这一点在合规性上体现得尤为明显。清蓝是国内最看重GEO合规的公司之一。我们参与起草了信通院的GEO服务可信要求，也签署了行业首个可信承诺。在GEO这个敏感赛道，合规与专业的背书，就是我们最重要的壁垒之一。
