这是 Profound 增长负责人 Nick Lafferty 在 The Growth Leaders Series 播客上的分享。Profound 成立于 2024 年，是目前 GEO（AI 答案引擎优化）赛道融资额最大的 AI 公司，今年 2 月完成 Lightspeed 领投的 9,600 万美元 C 轮融资，累计融资 1.55 亿美元，估值 10 亿美元。Target、Figma、Walmart、Ramp 等头部企业都是它的客户。
Nick 是 Profound 首批营销成员之一，此前在 Loom 和 Mailgun 积累了大量 B2B 增长经验，在一个"18 个月前几乎还不存在"的品类里从头打 GTM。
AI Search 时代，早期入局者掌握了哪些多数品牌还没意识到的认知；品牌在 AI 里的可见度如何分层，每一层对应哪种规模的公司；成本最低的起手式是什么；速度窗口有多短；以及如何在内部真正推动 AI Search 投入。
01. AI 已经在替你的用户做决策了
Nick 在播客里描述了一个他自己正在经历的场景。他用 Claude Code 开发内部工具，过程里这个工具不停地替他做选择：用 Supabase 存数据，用 Vercel 托管，就这样定了。没有问他，也没有给他选项。
这件事的关键在于：开发者接受了 AI 的推荐，不是因为他们做过比较之后觉得 Supabase 最好，而是因为他们根本不知道还有其他选项。如果你不知道有更好的数据库或托管服务，AI 的推荐就直接成了默认答案，然后用你没考察过的工具替你把应用搭好了。
主动拒绝 AI 推荐是有成本的。必须先知道有更好的选项存在，才能说"不，我要换一个"。
对于大多数开发者，尤其是现在用 Claude Code 这类工具的非专业开发者来说，这个"知道"本身就是门槛。AI 的推荐从一开始就是默认答案。
Sequoia 有一位投资人 Sonya 用了一个词来命名这件事：Agent-Led Growth。逻辑和 Product-Led Growth 一样，只是之前替用户做选择的是产品界面，现在变成了 AI Agent 本身。这不是营销问题，是购买决策本身。
如果你的品牌不在 AI 的认知里，那个用户在做决策时根本不会出现你的名字。
不是排在后面，是直接缺席。
既然 AI 已经在替用户做选择，"你在 AI 里如何存在"就不再是一个统一的品牌问题了。不同规模的公司，卡在不同的层级，面对的困境完全不一样。
02. 四层可见度，你在哪一层
Profound 手里有 15 亿条真实用户对话数据，同时跑着 9 个答案引擎、覆盖 80 多个地理位置。Nick 从这些数据里观察到一个规律：品牌对 AI Search 的焦虑，随公司规模呈阶梯状递进，每个层级关心的问题完全不同。
第一层：有没有被提到
这是小公司的核心焦虑。当用户在 ChatGPT 或 Perplexity 里问"这个品类有哪些工具"，我的名字会不会出现？Yes or No 的问题。多数初创公司还在争这里。
第二层：叙事有没有被采纳
中型公司通常已经越过了第一层。他们更关心引用来源。当 AI 给出答案时，引用的是我的域名，还是竞争对手的博客？引用谁的内容，等于在替谁背书。
这一层的竞争，是在争谁的观点被 AI 认定为权威来源，谁的叙事进入了模型对这个行业的理解框架。
第三层：品牌情感有没有在跑偏
Nick 在 Profound 数据里发现，社交平台，尤其是 Reddit，在情感层被过度引用。原因很简单：Reddit 是用户真实情绪的聚合地，里面有批评、投诉、价格比较、功能吐槽。
AI 在回答"这家公司怎么样"这类问题时，Reddit 的权重出奇地高。如果你的公司在某个 Subreddit 里有一批激烈的批评者，那些帖子正在悄悄拉低 AI 对你品牌的整体评价，而你甚至没意识到这件事正在发生。
第四层：信息有没有说准
这是全球营收最大的那一批巨头才真正焦虑的问题。Samsung 最在乎的不是有没有被提到，不是情感是否正向，而是 AI 有没有说对最新旗舰的像素参数。有人问 Galaxy S22（三星旗舰手机）有哪些颜色、摄像头多少像素，这个答案必须准确。
准确性焦虑不是硬件行业专属。SaaS 有多版本功能差异，金融产品有动态定价，零售有多 SKU 库存。任何产品信息足够复杂、更新足够频繁的公司，都面临同样的风险：AI 在大规模传播一个已经过时的、或者从未准确过的产品描述。
四层框架的意义不是给公司贴标签，而是让你知道现在最该解决的是哪个问题，以及解决它之后，下一步的竞争在哪里。
知道自己卡在哪一层，下一个问题才是从哪里开始动。
03. 代价最低的入口，多数大公司都没做
不管目前卡在哪一层，有一个通用的低成本起手式：FAQ 内容，加上结构化标注（告诉 AI 哪个是问题、哪个是答案）。
AI 的工作逻辑是匹配问题和答案。用户在问问题，AI 在找答案，FAQ 格式天然贴合这个逻辑，相当于是把答案直接端到 LLM 面前。加上结构化标注之后，被理解和引用的概率显著提高。
Webflow 把 FAQ 铺到了几乎所有产品页，效果明显。体量越大的公司，从这里能拿到的收益反而越大。
大公司产品线多、页面多、全球化覆盖更广，可以铺 FAQ 的面积远比初创公司大。当一家大公司只要开始认真地把 FAQ 铺到网站各个角落，一个季度甚至一个月内就能看到显著的变化。
但现实是，这恰恰是多数大公司做得最差的地方。不是不知道这件事有用，而是法务审批慢、品牌规范严、各业务线协同难。一个看起来极简单的动作，在大公司内部迟迟推不动。
这个矛盾给了中小公司一个真实的窗口期。但能不能抢到这个位置，最终取决于一件事：谁动得更快。
04. 速度才是护城河，现在开始还不晚
传统 SEO 的节奏，是以月为单位的。Charlie 服务的客户，发布一篇文章，有时要等四周甚至更长才能看到内容表现。这是 SEO 从业者长期内化的工作节奏。
AI Search 不是这样运转的。
AI 答案引擎可以在几天内抓取并收录网站内容。Nick 自己发布的 Profound 文章，两天后就被 AI 引用了。Profound 并不是什么超高权重的顶级域名，就是一个中等量级的普通网站，这不是 Profound 的特权，而是这个渠道的基本特性。
这改变了执行速度的战略意义。
在传统 SEO 里，快一周慢一周，差距最终会被索引周期拉平。在 AI Search 里，快两天和慢两周，可能直接决定谁先进入模型的引用库，并在那里稳定下来。
速度是 AI Search 的护城河。
快速更新旧内容、快速发布新内容，在 AI Search 里的回报远超它们在传统 SEO 里的回报。
对于大公司而言，如果能把内部的审批流程压缩下来，快速发布更新内容，优势可以是压倒性的。新兴公司的机会也在这里：体量小，没有那么多审批层级，反而可以先跑起来。
传统 SEO 需要建立多年的域名权重，才能在 Google 里稳定排名。AI Search 的窗口期短得多，现在进入的人，领先优势可以在几周内建立，而不是几年。
05. 向上汇报，本质上也是一次营销
速度窗口摆在那里，真正的障碍往往不在外部，而在会议室里。
Nick 在 Loom、Mailgun 等公司管理过多个 SEO 团队，见过太多人走进同一个误区：SEO 从业者太容易陷入技术细节，恨不得把所有关键词数据和曝光量汇总成一张巨型报表发给老板，然后等领导"理解"。
这套路对 VP 和 C-Suite 没用。不是他们能力不够，而是他们关心的问题层级不同。他们关心的是：现在有没有必须立刻处理的紧急问题？
先告诉老板房子着火了，再告诉他你已经找到了灭火器。
第一步，让对方感到这是紧急情况：我们正在 AI Search 里输给最大的竞争对手，这是一场我们不能输的战役。
第二步，立刻接上解法：但没关系，我已经找到方法了，这是我们接下来需要做的事。
有一家大公司带着这个框架走进了 Profound 的办公室，他们内部的推手用"我们正在 AI Search 里输给最大竞争对手"这一个判断，打动了领导层，不只是拿到了工具预算，还推动了相应的团队招聘调整。
这不只是沟通技巧，也是一种独立的技能：向内部汇报的营销能力。
我们很擅长替客户做营销，但替自己的工作做营销，对大多数营销人来说反而是盲点。
营销人最缺的不是技巧，是把这套火力对准自己工作的胆量。