2025 年 9 月，一家国内头部电商平台在备战双十一期间，面临在豆包、DeepSeek 等 AI 搜索平台中排名靠后甚至无露出的困境。经 PureblueAI 清蓝紧急优化，该平台赶在大促前实现了 AI 搜索结果的前置展现及关键促销信息的透出。据反馈，相关品类在 AI 引流加持下，销量同比增幅超两倍。这一案例揭示了营销战场从传统 APP 向 AI 侧的转移。
作为 GEO（生成式引擎优化）领域的先行者，PureblueAI 清蓝创始人鲁扬拥有清华大学中文系背景及 20 余年科技行业经验，曾任字节跳动火山引擎市场总经理及豆包大模型市场负责人。他创新性地将量化投资的“因子挖掘”思路引入 AI 营销，推动行业从盲目押注概率的人工经验驱动，转向科学精准的模型驱动。
本文将深入探讨搜索入口从搜索引擎向 AI 转移过程中的“权力转移”命题：交易的前链路正被 AI 巨头整段吞下，品牌与服务商需在规则未明且剧烈变化的黑箱中，重新定位自身价值。
PureblueAI 清蓝创始人鲁扬
两年蛮荒：从无人问津到全员入场
2024 年 9 月，GEO 概念尚未成型，鲁扬团队初期被定义为"AI 平台的 SEO"，主要服务于豆包和 Kimi，当时融资屡遭质疑。转折点出现在 2025 年 3 月，随着 DeepSeek 引爆市场，品牌方需求爆发，大量 SEO 公司迅速转型 GEO。由于早期依靠“人工驱动”的技术门槛较低，导致行业短期内涌入大量从业者。
2025 年下半年，编造数据、批量灌水、抹黑竞品等黑灰产随之冒头。直至 2026 年"3·15"晚会曝光后，信通院、中广协等主管单位陆续出台行业标准，行业开始走向合规。这条发展曲线复刻了过往红利赛道的路径：无人懂→一拥而入→鱼龙混杂→监管收紧→正规军集结。不同的是，面对不断进化且规则不透明的 AI 黑箱，草台班子赚取快钱的窗口期被大幅压缩。
三方棋局：AI 平台争夺交易权，品牌焦虑掉队，服务商剧烈洗牌
GEO 不仅是品牌讨好 AI 的过程，更是 AI 平台、品牌与服务商三方的博弈。
AI 平台：构建内化交易闭环
豆包、千问等 AI 平台的核心目标并非单纯取代搜索，而是将原本分散在淘宝、美团、携程等平台的交易环节——从搜索、推荐、决策到支付——整段切入对话框内，实现“内化交易”。近期部分品类实现的“不跳转”功能，正是这一战略落地的证据。若此趋势确立，传统电商及 O2O 平台将逐渐退化为单纯的履约方。
品牌方：避免“赛博逝世”
品牌方面临的最大危机是“不被 AI 识别即意味着消失”。2025 年上半年，因 GEO 技术尚无法提供精确的 ROI 追踪，部分金融机构曾搁置相关项目；但到了下半年，当发现核心应用在 AI 平台几乎不可见时，不得不重新寻求专业合作。品牌的焦虑从流量获取转变为生存权争夺。
服务商：经验驱动与模型驱动的分野
服务商群体内部已分裂为两条路径：一是延续靠手感赌概率的经验驱动老路，二是将“算法学习”作为核心技术，训练自有模型。前者门槛低但效果不稳定，后者技术壁垒高但成效显著。这种分化导致了当前市场正规军与黑灰产并存的局面。
黑箱拆解：从意图理解到答案生成的四道关卡
与传统 SEO 的累加逻辑不同，GEO 遵循漏斗逻辑，每一步都存在被淘汰的风险。鲁扬将其拆解为四道关键关卡：
第一关：意图理解
AI 需先提炼用户输入的关键词根以锚定意图，并调取对应搜索引擎内容。品牌内容若未出现在 AI 搜索返回的初始池中，便直接出局。
第二关：深度分析
AI 仅会对返回内容中的部分篇章进行深入分析。未被选中的内容在此阶段即被淘汰，无法进入后续排序。
第三关：内容排序
此阶段决定品牌在最终答案中出现的概率、位置顺序及篇幅占比。
第四关：答案生成
AI 最终仅引用极少量内容（通常一两篇）组织成答案。若未被引用，前三关的努力均付诸东流。这也解释了为何依赖人工经验的传统打法在 GEO 领域日益失效。
服务商的三段进化：从碰运气到用算法解密算法
鲁扬团队的演进历程折射出行业破解黑箱的三个阶段：
第一阶段：经验驱动
依靠人工写稿发稿，凭 SEO 手感碰运气。该模式面临三大无解难题：相同品类不同问句效果无法复现、无法指定生效平台、效果持续时间不可控。人工经验难以应对不公开规则的 AI 黑箱。
第二阶段：数据驱动
引入大规模 AB 测试，拆解文章结构、数据引用及叙事逻辑。然而，该方法效率低下，一轮测试耗时两周，往往测试未完成，平台底层算法已迭代更新，导致测试结果失效。
第三阶段：模型驱动
利用算法学习黑箱本身的判断逻辑。清蓝构建异构模型，通过大小模型混合训练，让算法自动进行“因子挖掘”，解读内容的 AI 可解释性，并据此端到端优化内容。核心逻辑在于：面对演进的大模型，唯有“用模型学习模型，用算法解读算法”，而非靠人工猜测。
护城河验证：精准胜过数量，造假终被反噬
科学的 GEO 策略呈现反直觉特征：稿件数量越少越精准。海量铺稿往往意味着策略不精。案例显示，某头部家电品牌一季度仅生产 4 篇稿件，便将推荐率从 0.91% 提升至 98%；某互联网大厂 2B 产品 4 个月仅生产 3 篇稿件，优先推荐率从不足 20% 跃升至 99.77%。
对于黑灰产惯用的编造数据、拉踩竞品等手段，技术层面已给出判决：AI 处于持续进化中，逻辑混乱或颠倒是非的内容将越来越难通过审核。造假或许能短期蒙混，但随着黑箱智能化程度提升，其生存空间将被彻底压缩。
从业者策略：大牌占位，小牌找缝隙，出海打地基
针对不同体量的品牌，GEO 打法各有侧重：
头部品牌：打“占位战”
重点在于精修而非从零建设。如智能门锁品牌德施曼，在核心问句下已具备高推荐率，策略应聚焦于巩固排名第一的概率。
腰部及新锐品牌：打“缝隙战”
避开“哪家好”等大词竞争，转而主攻具体场景词（如“小户型热水器”）。AI 基于意图而非单纯关键词匹配，垂直定位反而能更精准覆盖潜在人群，实现“心智平权”。
出海企业：打“地基战”
海外大模型对官网及 Blog 内容的采信权重极高。出海企业首要任务是夯实官网内容基础，而非急于寻找服务商。
避坑指南
从业者需警惕以下陷阱：仅以“每日截图”作为交付标准、词包统计中的算术游戏、脉冲式刷单以及将算法迭代列为免责条款的合同。若服务商无法阐明监测标准与优化逻辑，其效果来源存疑。
结语：同频而非对抗
GEO 的核心底线是不做违背客观事实的“品牌升维”。鲁扬强调，GEO 应与大模型同频共振，而非试图对抗不断进化的算法。行业历经两年发展，已从蒙眼猜测走向算法解密。在黑箱持续变化的未来，能留在牌桌上的，不是跑得最快的人，而是那些尊重规则、未掀翻牌桌的长期主义者。
关于 PureblueAI 清蓝
PureblueAI 清蓝由清华大学及字节系前高管团队创立，是国内领先的 AI 营销技术服务商及 GEO 赛道技术领航者。
技术领先：摒弃依赖人工的传统模式，开启模型驱动的“科学 GEO"范式。推出 AI 营销数字员工平台 mkter.ai 及行业首款数字员工"Mark"，依托全栈自研异构模型算法，提供从知识管理到策略优化的全链路闭环服务。
效果付费：采取按效果付费模式。实战数据显示，曾助力品牌在主流大模型推荐率与排名置顶率跃升至接近 100%，客户商机询单量平均增长 320%，续约率稳居 97% 以上。
行业地位：位列易观分析《GEO 生态产业图谱》首位，参与起草多项国家与行业标准。在中国信通院首批测评中，成为行业首家获评“卓越级”的 GEO 服务商。
更多研学笔记
AI 时代全球化品牌的“双线战法”：国内重心智，海外重研发
海外众筹，对“产品定义”的一次关键决策验证
马蹄社是亿邦动力旗下专注于品牌全球化的高端实战社群，由亿邦动力联合创始人、马蹄社 CEO 刘宸亲自带队。
我们致力于打破认知边界，赋能中国企业实现从区域向全球的战略进阶，加速具备全球化新竞争力。通过汇聚实战派导师与行业领军专家，以标杆研学、资源连接和闭门共创为抓手，共同探索全球化品牌的增长路径。
马不停蹄，向上生长。