6 月 24 日，由重力科技 Gravity 联合赤道象限发起的“新流量时代·AI 企业全球化营销破局之路”私董会在上海徐汇区举行。不同于大型峰会的喧嚣，此次会议聚焦 AI 企业负责人与营销操盘手，深度探讨 AI 时代的全球流量格局、底层逻辑及 GEO（生成式引擎优化）实战案例。
一、流量正在被重新定价
重力科技创始人&CEO、GEO 研究中心院长刘凡从品牌增长全局视角，剖析了 AI 时代流量迁移的宏观图景。
01 万亿广告预算正在向 AI 迁移
刘凡指出，万亿级广告预算正加速向 AI 迁移。目前 AI 流量真实占比已达 5%-30%，ChatGPT、Google AI Overview 等平台月活用户突破 10 亿。然而，由于归因基础设施尚不完善，多数品牌忽视了这部分流量。
用户决策路径已发生根本性改变：从传统的“看广告→搜索引擎→浏览多个链接”，转变为“询问 AI→获取 1-3 个答案→直接行动”。若品牌在 AI 推荐中缺席，此前在 TikTok 等渠道的投入可能在“最后一公里”被截流。
02 GEO 的 ROI：可衡量、可归因
针对 GEO 效果是否可量化的问题，刘凡展示了重力科技自研的 CitationGraph 系统。该系统能追踪源自 AI 平台的每一个用户及收入，交付可对账的增长数据而非模拟分数。
实测数据显示，某客户经 GEO 优化后，AI 归因收入从 4 月的 2,000 美元增至 5 月的 9,522 美元，增幅达 259%。值得注意的是，仅占千分之三的 AI 流量贡献了百分之三的收入，其转化效能是其他渠道的 10 倍，原因在于 AI 搜索用户的购买意图高度明确。
03 2025-2027：黄金窗口期
刘凡判断，2025 至 2027 年是布局 GEO 的黄金三年。当前 AI 平台急需高质量品牌数据以优化模型，越早沉淀越易进入推荐候选集；待平台商业化及付费广告系统上线后，成本将大幅上升。
AI 搜索的终局是“有或无”的问题——AI 通常只推荐 Top 3 结果。刘凡强调：“当 AI 开始形成答案偏好时，品牌的沉默等同于将正在形成的流量入口拱手让人。”
AI 流量预估占比 |
|
2025 年 |
~1% |
2026 年 H1 |
5-8% |
2026 年 H2 |
15-20% |
2027 年 |
25-35% |
2028 年（预测） |
40-50% |
二、GEO 的技术底层
重力科技 AI 总负责人、GEO 研究中心副院长林赟从数学底层逻辑出发，解析了 GEO 的核心原理。
01 现有 GEO 做法在数学上行不通
林赟指出，主流 GEO 工具试图通过堆砌关键词（无论 500 个还是 5 万个）来覆盖 AI 向量空间，这在数学上存在根本缺陷。AI 向量空间维度极高（如 Gemini 为 768 维，ChatGPT 为 3072 维），所需采样点数量远超宇宙原子总数。单纯增加关键词数量，覆盖率依然趋近于零。
02 正确方向：流形假说
基于数学上的“流形假说”，有意义的文本仅集中在高维空间的一小片低维曲面上。因此，GEO 的正确策略应为：
识别：锁定品牌相关的需求流形（用户真实关注点）；
建设：在该流形上构建语义资产（内容、证据、数据块）；
测量：评估资产在特定流形上的覆盖度，而非全空间出现率。
03 SEO VS GEO：完全两套系统
林赟通过对比表厘清了传统 SEO 与 GEO 的本质差异：SEO 依赖关键词与外链图谱，旨在让网页排名靠前；而 GEO 依托知识图谱与实体共现，旨在让品牌被 AI 正确理解并引用。前者是“页面 vs 页面”的竞争，后者是“数据块 vs 数据块”的博弈；前者提供多个链接供用户选择，后者由模型直接给出唯一答案。
维度 |
传统 SEO |
GEO |
核心目标 |
网页排到搜索结果前列 |
品牌被 AI 正确理解、引用、推荐 |
权威信号 |
外链图谱（PageRank） |
实体共现（品牌在高质量语料中的提及率） |
竞争单位 |
页面 vs 页面 |
Chunk vs Chunk |
结果形式 |
10 个链接，用户自选 |
1 个答案，模型代选 |
优化心智 |
我要排到第一 |
我要在每个阶段存活下来 |
三、GEO 真正落地
重力科技 VP、营销负责人孟悦从交付视角出发，将 GEO 执行逻辑拆解为可操作的具体动作。
01 三张空间对齐
GEO 的核心在于解决三个空间之间的错位：
Demand 用户问题空间 |
用户真实会问的问题（场景、对比、疑虑） |
Brand Asset 品牌资产空间 |
品牌已有及需补充的资产（产品页、FAQ、政策等） |
Evidence 证据权威空间 |
AI 信任并推荐品牌的依据（认证、媒体、第三方来源） |
02 AI 推荐三关
品牌需通过“找得到、信得过、拿得走”三道关卡，才能稳定进入 AI 答案：
找得到：优化产品页结构、建设 FAQ、部署 Schema 结构化数据及 llms.txt；
信得过：提供 Proof URL、明确保修政策、展示认证说明、引入媒体评测；
拿得走：采用 Answer-first 段落结构、提供清晰对比表、结构化 FAQ 及场景指南。
为实现上述目标，需重点构建五类内容：
内容类型 |
作用 |
目标 |
Schema / FAQ / Product Data |
让 AI 正确读懂产品事实与结构 |
找得到 |
Installation FAQ |
提供 DIY、许可、安装及保修的标准答案 |
找得到 + 拿得走 |
Comparison Proof Pack |
为对比类问题提供依据 |
信得过 + 拿得走 |
Proof Board 证据墙 |
集中展示认证、保修及第三方评测 |
信得过 |
Scenario Guide 场景指南 |
提供结构化场景下的完整解答 |
拿得走 |
孟悦强调，GEO 交付的并非单篇文章，而是一套可持续运营的工作流。其终极目标是构建品牌知识图谱，使品牌在高价值 AI 问题中成为可引用、可验证、可推荐的答案来源。
结语
此次私董会汇聚了多位行业大咖，围绕不同赛道与阶段的出海探索进行了深度交流。在 AI 浪潮下，每个问题的背后都是中国品牌寻找方向的生动实践。活动虽已收官，但属于各品牌的 AI 增长窗口才刚刚开启。