【对话GEO】PureblueAI清蓝创始人鲁扬

GEO：AI 时代的底层商业操作系统

Fmarketing：您如何看待 GEO？它在营销领域将产生怎样的影响？

鲁扬：当前一大趋势是，AI 助手不仅替代搜索引擎，更逐步接管“搜索查询 - 内容推荐 - 消费决策 - 下单支付”的全链路交易环节，成为新的底层商业操作系统。在此背景下，“意图经济”正在兴起。

例如，当用户询问 AI“运动后肌肉酸痛怎么办”时，大模型能识别潜在意图并精准推荐筋膜枪，直接促成交易。这种基于“关键词”的传统搜索无法实现，而在 AI 时代，Prompt 将成为新货架。决定品牌能否"AI 上架”的底层技术，正是 GEO。

我认为，GEO 有狭义和广义之分。狭义 GEO 解决品牌在 AI 平台上的认知度与推荐率问题；广义 GEO 则指在未来以 AI 为规则的商业环境中，企业的营销动作需符合 AI 认知规则。长期来看，GEO 解决的是企业营销经营行为与 AI 规则的适配问题。

技术演进：从人工经验到模型驱动

Fmarketing：公司是如何切入 GEO 领域的？

鲁扬：团队源于字节跳动和清华大学，于 2024 年 9 月创业。初期主打营销 AI 员工，通过 Agent 获客，GEO 是三大核心场景之一，当时我们称之为"AI 平台的 SEO"。2024 年 9 月至 2025 年 1 月，团队采用“人工 + 数据看板”模式；2025 年 1 月底，技术路线进化为“模型驱动”，开始训练专用 GEO 模型，业务侧全面 All in GEO。

Fmarketing：目前市场上的 GEO 公司可分为哪些派别？

鲁扬：回顾行业发展，主要经历三个阶段，对应三种技术路线：

第一阶段是“经验驱动”。典型做法是依靠人工写稿发稿，沿用 SEO 经验优化。由于大模型缺乏明文规则，人工总结往往依赖大量铺稿，本质是在碰运气，精准度低且难度日益增加。

第二阶段是“数据驱动”。利用数据监控系统辅助优化，但执行动作仍靠人工，效率依然低下。

第三阶段即当前的“模型驱动”。通过后训练异构模型系统，利用强化学习让算法掌握内容的 AI 可辨识度，再由算法自动优化内容，大幅提升准确度。

我们的核心理念是：不能依赖人工追逐大模型，只能通过模型学习模型，利用算法解密算法，而非靠人工经验猜测。

核心优势与科学 GEO 标准

Fmarketing：公司在 GEO 上的核心优势体现在哪些方面？

鲁扬：首先是自研模型算法，大幅提升优化精准度。区别于市场常见的词包考核，我们可提供单一意图、指定序位的精准优化。

其次是高频数据监测系统。相比截图或低频检测，我们提供小时级甚至分钟级的监测，模拟不同地域用户和账号习惯，确保结果稳定可验证。

最后是严苛的验收标准。我们承诺在高频监测下，“月均”效果达标才付费，不达标不收费。

Fmarketing：广告主该如何选择 GEO 服务商？有哪些标准？

鲁扬：我们提出“科学 GEO"理念，包含四个维度：

一是流程科学。服务涵盖知识管理、意图挖掘、品牌诊断、内容管理、效果预估、分发、监控及策略优化八大流程，并需通过异构模型为客户单独学习一周。直接写稿发稿是不科学的。

二是方法科学。内容生产应由模型算法完成，而非依赖人工经验。

三是工具科学。应基于多智能体架构的数字员工平台，而非传统 SaaS。

四是标准科学。我们是国内多个 GEO 行业标准的发起方，并通过了中国信通院“生成式引擎优化 (GEO) 能力完备性”测评。

GEO 与 SEO 的本质区别

Fmarketing：GEO 与 SEO 是怎样的关系？

鲁扬：根本区别在于：搜索引擎有规则，而大模型没有规则。

传统 SEO 面向百度、谷歌等，排名权重规则相对透明，从业者可按图索骥。而 GEO 面向大语言模型，其运行机制接近“黑盒”，依托深度学习与推理逻辑，无公开明文规则或标准化打分公式，不存在可直接照搬的优化步骤。

这一区别导致 SEO 时代的手工操作在 GEO 时代难以奏效。GEO 本质上是一个算法驱动的业务。

市场趋势与未来展望

Fmarketing：广告主对 GEO 的看法及投入情况如何？

鲁扬：目前 GEO 需求正被大量唤醒，快消、零售、汽车、金融、大健康及科技互联网等领域的头部企业均已布局，竞争日趋激烈。

客户需求已从单纯的品牌向，转向获客通路。随着豆包、千问、ChatGPT 支持电商跳转及抖店后台追踪成交量，客户投入已从去年的小额尝试，转变为百万甚至千万级的年框投放。

Fmarketing：GEO 的效果该如何衡量？

鲁扬：衡量指标主要包括推荐率、排名率（前三推荐率、优先推荐率）及描述准确率等。衡量标准上，我们通过系统级高频监测和实时看板分析呈现，拒绝交付人工截图或低频数据报告。