GEO的三个误解。
定焦One（dingjiaoone）原创
作者 | 金玙璠
编辑 | 贺树龙
2024年秋天，鲁扬第一次站上路演台，结果被“拍”了回来。
那是水木清华校友种子基金（以下简称水木基金）的一场路演。毕业于清华大学中文系的鲁扬，带去的是一份野心勃勃的设想：用AI做一支“营销数字员工大军”，替企业把市场部的活儿全干了。他甚至盘算过，未来连4A公司都不需要，一个CMO挂几个AI员工就够了。
台下的投资人没给他留情面。水木基金创始合伙人杜艳还记得当时对他的评价：这不行，回家再琢磨琢磨，照这么干没人会投你。
鲁扬回去重新梳理了思路，把那个大设想一步步收窄：先收缩到流量运营，再聚焦到三个具体场景。不久之后，三个场景里最不起眼的那个突然爆发了。后来所有人都知道了它的名字：GEO，生成式引擎优化。但在当时，这个词国内还几乎没人能说得清。
一年多过去，这位从字节豆包大模型市场负责人位置上出来创业的营销老兵，如今坐在PureblueAI清蓝位于北京望京的办公室里，谈的不再是当年那个被否掉的设想，而是更大的判断：今天市场上几乎所有人都在谈GEO，可大多数人，都把它理解错了。
“如果认为AI助手替代的仅仅是搜索，其实是把AI这件事想小了。”
鲁扬干了二十多年营销：早年在IBM等外企大厂从事产品及市场营销，后来在SaaS创业公司销售易担任市场副总裁；出来创业前，他是字节跳动火山引擎的市场总经理、豆包大模型的市场负责人。2024年9月，北京清蓝智汇科技有限公司注册成立。和他一起创业的还有两位联合创始人：CTO王立新，清华博士后、前字节高级算法专家，离开字节后去一家投资机构做过量化投资的首席科学家；COO邹郢路，国内第一批AI营销产品的操盘者，前蚂蚁集团国际事业群技术专家。三个人，一个懂营销、一个懂算法、一个懂AI产品，凑成了PureblueAI清蓝的“铁三角”。
这家公司今天的标签是“科学GEO开创者”。但要理解他们为什么敢这么说，得先回到鲁扬反复强调的那三个“误解”上：关于GEO是什么，关于AI是什么，也关于这门生意到底该怎么做。
01.第一个误解：以为GEO就是SEO的延续
很多人第一次听说GEO，第一反应是：这不就是当年的SEO（搜索引擎优化）换了个场景吗？
其实，鲁扬自己一开始也是这样想的。PureblueAI清蓝最早出来创业时，GEO只是公司“三大能力”之一。他们想做的是AI营销的数字员工，本质是一个流量运营的智能体。当时流量聚集在三个地方：传统搜索引擎、抖音快手小红书等社交平台，以及刚刚冒头的AI平台。在AI平台这一块，他们最早优化的是豆包和Kimi，那时DeepSeek还没火。“GEO”这个词也还没被广泛使用。
PureblueAI清蓝最早的做法，和市面上几乎所有SEO老炮一样——靠人。“所谓人工，就是我这有几个资深的‘数字营销专家’，有着十几年SEO优化经验，帮助客户人工优化。”鲁扬说，这些优化师每天的工作，就是凭经验写稿、发稿，一天发几十篇甚至上百篇，发完之后到DeepSeek、豆包上搜一搜，如果自己的稿件能被搜出来，就算命中；搜不出来，第二天换个写法，再发几十篇。
“最后就是日复一日，写稿、发稿、碰运气。”鲁扬把这个阶段叫“经验驱动”。那段时间，他甚至觉得这门生意“不可能规模化”，因为它最大的问题是不精准。
随后，PureblueAI清蓝转向第二个阶段——“数据驱动”。这也是今天大部分海外GEO服务商以及国内工具型GEO服务商的做法：人工优化的动作不变，但不再“拍脑袋”，而是用一整套数据工具辅助，做数据监测、做看板、做A/B测试。
精准度确实提升了，可新的问题又来了——做不过来。“一次A/B测试两周时间，客户等不及；而且往往一轮还没测完，平台算法已经迭代了。”鲁扬说，“归根结底，虽然有了数据工具的辅助，但最终优化的动作还是人在做。”
人工太糙，工具太慢，清蓝的团队想明白了一件事：面对大模型，没有办法靠人工去追逐它，更猜不透它的逻辑。
“SEO和GEO最根本的区别是，搜索引擎有规则，而大模型没有规则。”鲁扬说，传统SEO面向百度、谷歌等搜索引擎，网页排名有一套相对透明的权重计算规则，网上有大量公开的优化教程与成熟经验，从业者可依托人工经验按规则调整优化，有清晰路径可以按图索骥。而GEO面向大语言模型，它不同于早年基于知识图谱与规则引擎的AI，没有对外公开的明文规则或标准化打分公式。大模型的内容输出依托于深度学习与推理逻辑，运行机制更接近“黑盒”，不存在可直接照搬的标准化优化步骤。
于是PureblueAI清蓝走到了第三个阶段——模型驱动这个思路来自量化交易。王立新离开字节后做过量化投资，量化的核心是“因子挖掘”：用算法去学习海量的因子，如果某一组因子叠加起来特征足够明显，系统就直接下单。PureblueAI清蓝做的事情如出一辙——用算法去学习“内容的AI可辨识度”，也就是说，一篇内容到底具备什么样的特征因子，才能更高概率地被AI采信。
“用一个模型去学习一个模型，用一套算法去解读一套算法，而不是靠人工经验去猜测算法。”鲁扬强调，这也是PureblueAI清蓝跟市场上其他所有GEO服务商最大的不同之处。
GEO真正要研究的，不是一篇文章的具体写法，而是“AI的可解释性”。鲁扬说，一个品牌为什么会被AI推荐出来？背后是一个内容筛选的漏斗你问AI“哪个品牌的矿泉水好”，AI会先拆解用户背后的搜索意图，并调取搜索引擎返回一批内容——只有当品牌内容存在于AI搜索返回的内容里，才算挤进了漏斗口；接着AI会对这些内容做深度分析和排序，最后在答案生成环节引用其中的少数内容。只有最后被引用的内容，相关的品牌才会出现在AI的回答里。
“每一步都有一些内容被降权、出局，但还有一些内容能经历AI的层层筛选、最后还被引用，”鲁扬说，究竟什么样的内容能被AI信任，这些内容具备什么样的特征因子，“没有办法靠人工去猜去碰，我们就用算法去学习”。
PureblueAI清蓝后训练了一套自己的生成引擎优化模型，通过强化学习的方法学习内容的AI可辨识度特征，并根据算法结果来优化品牌的内容结构——这就是他们“因子挖掘”的逻辑。
鲁扬还给GEO下了一个更通俗的定义。二十年前他刚入行时，企业的广告投放是“美术题”，比的是广告版面漂不漂亮、创意妙不妙；过去这十来年做内容营销，是“语文题”，比的是稿件文字生不生动、叙事是否精彩；到了AI时代，GEO是“数学题”——比的是你怎么构建企业的品牌图谱和内容资产，让它被AI更高效地引用。
PureblueAI清蓝把这套方法论概括成“科学GEO”：流程科学、方法科学、工具科学、标准科学。说白了，就是不再靠人工手搓，用科学来解决科学问题。
02.第二个误解：以为AI只是来干掉搜索的
如果说第一个误解关于“怎么做”，那么第二个误解，关于“这件事到底有多大”。
鲁扬观察到，很多人在谈GEO时，潜台词都是“AI在替代搜索引擎，没人用传统搜索了，都用AI了”。但在他看来，这个理解把AI想小了。
真正让他觉得有里程碑意义的，是另一个信号——AI消费开始闭环了。ChatGPT去年率先开始支持从问答跳转至亚马逊等电商平台；豆包也上线了钱包功能，打通了向抖音电商的跳转，最近在部分品类甚至无需跳转，在豆包单一应用内就能完成交易；千问则接通了阿里全家桶，搜购物跳淘宝，搜机票跳飞猪。
“今天的AI应用，有更大的野心。”鲁扬说。
他判断，AI助手真正要切走的，是用户整个前端交易环节。过去，交易入口非常碎片化：平台电商、兴趣电商、O2O、OTA……用户在每一个平台上完整地走一遍“搜索—推荐—决策—下单—支付—履约”的过程。而AI要做的，是把从搜索、内容推荐，影响消费决策，到下单、支付的整个链条，全部收进一个AI对话框，不用再在各个App之间跳转。
顺着这个逻辑往下，鲁扬抛出一个更大的判断：AI在未来会成为一个新的商业底层操作系统。这也是字节、阿里这些巨头“All in AI”真正要去抢的东西。在这套新秩序里，传统平台的位置会不断后移，越来越趋向于一个纯粹的“履约平台”——只剩给用户做物理交付这一件事，而前端都被AI切走了。
而对品牌方来说，这意味着一种全新的营销形态正在浮现，鲁扬称之为意图电商”。在这一场景下，用户每天都在和AI对话，每一次对话背后都藏着不同的意图，每一个意图背后都是一次交易机会。他举了个例子：有用户上豆包问“我最近总是睡不好觉怎么办”，这句话本身和枕头无关，但AI能识别到背后潜在的、甚至用户自己都没意识到的意图，进而推荐一款助眠的枕头。
“Prompt，就是AI时代的货架。”
他把“人货场”的迁移捋了一遍：最早的货架是百货大楼里物理意义上的货架；互联网兴起，货架搬到了平台电商上；移动互联网，货架搬进了口袋里的App；而在AI时代，Prompt会变成新的货架——消费者跟AI的每一次对话的背后，就是一个品牌可以精准出现的地方。这个货架的竞争更加激烈，如果AI推荐的不是你，就是你的竞争对手。
鲁扬把不上车的代价叫“赛博逝世”——倒不是品牌在现实里消失了，而是在AI这套新的商业操作系统里，没有你的品牌的位置。
正是基于这个判断，鲁扬认为，企业营销的主战场正在第三次迁移。1.0时代投的是电视、广播、纸媒，拼的是媒介资源，崛起的是广告代理商；2.0时代投的是网络媒体、搜索引擎、社交平台，底层规则是竞价排名，崛起的是营销科技公司；到了3.0时代，企业要覆盖的主阵地变成了AI平台——不只是豆包、DeepSeek这些聊天机器人，还包括AI Overview、In-App AI甚至各种AI Agent。
PureblueAI清蓝的收费模式也是顺着这个判断来的：交付的不只是一套数据分析系统，更是实打实的结果——按效果付费（RaaS），围绕品牌的推荐率、排名率、描述准确率收费。鲁扬解释，海外GEO服务商交付的是一套BI（商业智能）系统，帮客户分析品牌在各大AI平台上的认知度，同时给出一些笼统的优化建议。
而国内客户要的是结果。PureblueAI清蓝通过后台实时监控品牌的推荐率、排名表现、AI描述等指标，并优化。
03.第三个误解：以为GEO就是“骗AI
第三个误解最尖锐——做GEO，是不是就是在骗AI、忽悠AI？
这个问题，鲁扬被反复问过。他的回答分两个层面。
第一层是技术判断。“今天的AI跟传统搜索引擎有一个很核心的区别是，它越来越聪明、越来越进化。”鲁扬说，所谓“骗AI”，就是强行把不该被推荐的内容推至前排，而这套打法未来只会越来越难，“直到有一天你根本就做不了，你会被那时候更聪明的AI识破”。
第二层是价值观。PureblueAI清蓝不帮客户做“品牌升维”所谓品牌升维，就是一个品牌根本不属于某个层级，却非要做到那个层级。用技术手段做不做得到？鲁扬不讳言，当前在一定程度上是可以的，这正是被“315”曝光的“假大黑”、“投毒”那一套：编造一些虚假数据，诸如“第一、首家、独家、唯一”等极端表述，以及不存在的资质、背书、荣誉和标准，通过夸大甚至虚构的方式让内容被AI采信。
“GEO本质上是AI时代的内容营销，它跟所有传统的网络、户外、视频营销模式一样，本身就受到法律法规的约束，同时也考验每一个从业者的价值观选择。”鲁扬说。
那什么才是真正的GEO？鲁扬的答案是：真正的GEO，不是跟大模型对抗，而是跟大模型同频。所谓同频，就是沿着AI的逻辑，帮品牌去做正确的、好的内容，同时在一个“合理空间”内进行优化。他解释，“新能源车哪家好”这种问句，本来就没有唯一答案，蔚来、小鹏、理想、比亚迪都够得上格，这是一线品牌的优化空间；那小品牌怎么办？去优化你的核心差异定位，比如“30万元以内驾控性好的新能源车”。让品牌在真实定位下被AI更准确地识别，才是GEO的正确方向。
关于“骗AI”的担忧，绕不开2026年的“315”。在很多人看来，那场报道对GEO这三个字并不友好。但鲁扬的判断恰恰相反——他认为这是行业的好事。
315历史上影响最深刻的，莫过于2008年的“毒奶粉”事件。但是315的报道并没有让乳制品这个行业消失，因为用户的需求是刚性不变的。真正的影响是这个行业被“正向重塑”——违规的小作坊被出清，国家标准出台，行业发展趋向健康良性，头部的正规品牌迎来行业春天。“2008年之后，伊利、蒙牛等头部品牌开启了业绩长红的十余年增长，伊利的营收翻了6倍，盈利和市值增长30倍，某种意义上可以说是当年315事件的最大受益者。”
营销领域也是一样，作为今天网络广告最基础投放技术的DSP，当年也曾出现“灰产”做法，在经历2013年315报道之后，整个行业才走向正规健康发展，用户需求也被大量教育和唤醒，DSP迅速成为了线上广告的核心技术，让“千人千面”的广告体验走近每一位消费者。
鲁扬认为，对PureblueAI清蓝这样秉持科学正规做法的GEO厂商来说，标准越清晰、行业越规范，则越有利。这也是为什么他们如此积极地参与行业标准制定——PureblueAI清蓝是中国信通院《生成式引擎优化（GEO）服务可信基本要求》等多项国家与行业标准的牵头或起草单位之一。“几乎所有GEO相关的国家与行业标准及可信要求，我们都参与在里面，从技术路线、实施经验和场景可行性等方面给予输入和支持。”
说到黑灰产，鲁扬有句话很犀利：“去年下半年很多人问我，核心竞对是谁？当时我说我们的真正竞对就是黑灰产。”原因是黑灰产报价往往只有PureblueAI清蓝的十分之一，“低到客户无法拒绝”，然后靠编造数据、海量灌水、发“黑公关”稿来提升效果，或者在数据统计和验收标准上做手脚来应对交付。一度PureblueAI清蓝因价格因素，以及不提供“踩踏竞品”的服务，丢失了不少客户，其中不乏一些行业头部品牌。
“令我们意外的是，315之后，许多之前选择了低价服务商的客户重新找了回来，有些还主动让我们评估，自己用的是不是黑灰产，”鲁扬说，“春节前我们给一家国际知名的快消品品牌，做了非常完整的品牌诊断和优化方案，但是最后客户选择了一家报价只有我们五分之一的服务商。我们经过核算，这样的价格在正规做法下连基本的成本都覆盖不了。然而就在上个月，因为该服务商实施效果不佳，客户选择重新跟我们签约，当前项目的效果远超当初承诺的指标。”
04.结语
聊到最后，话题绕回到鲁扬自己身上。
为什么一定要在2024年那个时点出来创业？鲁扬的回答很直接：“不创业，人生不完整。”
其实，这个念头很早就有了。早在清华读书时，他就和同学做过一份商业计划书，准备参加大学生创业大赛，后来因为毕业拿到IBM管理培训生的offer，就没有选择创业。此后他一路在外企大厂从事营销工作，待了十年后想加入创业大潮，就先后去了互联网厂商和SaaS创业企业做高管。直到2023年，字节做起了大模型，作为火山引擎和豆包大模型市场负责人，鲁扬发现身上的两条暗线在那一刻重合了：一条是科技，尤其是这两年的AI——他在IBM时就亲历过上一代人工智能Watson的推广，在字节则负责豆包大模型的市场业务；另一条是营销。而AI营销，恰恰是大语言模型最适合落地的场景之一。
“在科技行业做了那么多年营销，如果不出来创业做AI营销，感觉自己的履历被浪费了。”
他甚至算过一笔“画像账”：最适合做AI营销创业的人，画像是“营销专业出身、同时做过2B和2C、既在大厂受过专业训练、又在创业公司经历过业务0-1的锤炼、近两年还要有AI大模型的一线操盘经验”——这几个条件一层层筛下来，他觉得全国最合适的人“不到十个手指头”就能数过来，而他正好都占齐了。
问及创业两年多来的感触，他的回答是：创业是人生前半场的一次集中变现”。不只是资源——他强调，是前半生的“everything”，包括你所有的学识、认知、经验、资源、人脉、人品。几年前他曾一度担心自己40岁后再创业是不是太晚了，但如今回头看，之前的积累都用到了，“不早也不晚，就是最好的时间点”。
也包括那个被很多人质疑过的中文系出身。“在水木基金的被投清单里，绝大部分创始人都是理工科校友，至少也是经管，而中文、新闻等文科生显得很突兀。”鲁扬说，然而中文学习带给他的，不仅是文学熏陶，还有美学素养，以及对语义逻辑和文字结构化表达的掌握。市场营销本身就是一份文字工作，而PureblueAI清蓝今天做GEO，第一件要研究的事就是大语言模型的语义——用户的一个query背后，隐藏着什么样的意图表达。二十多年前，他在清华课堂上还想不通，读中文系为什么还要学一门叫人工智能的课。二十多年后，中文和AI“在我的工作中闭环了”。
图源 / pexels
当然，创业也逼着他不断纠错。第一笔融资拿到后，他一度极致谨慎——在大半年时间里只做研发，一个销售都没招，财务、HR的活儿也都自己上，能省则省。这背后是他经历过SaaS那一轮起伏的“心有余悸”：见过太多公司融到钱就盲目扩张、铺多条产品线、烧钱补贴，最后一地鸡毛。可他后来意识到，自己又走到了另一个极端——不敢花钱。是投资人提醒他，一个优秀的CEO要懂得怎么合理分配资金，“如果融完钱只是当个安全感放在那，那你也没必要融这个钱。”今年3月起，PureblueAI清蓝开始组建商业化团队，这之前，所有客户都是主动找上门的。
这恰好也印证了水木当年“拍”得并不冤，鲁扬后来带着重新聚焦的方向回来时，拿到了水木基金、英诺基金和蓝色光标的投资，后来祥峰中国、一村资本等一线机构也纷纷加持。在公司管理上，也得到了很多投资人的指导。
如今，PureblueAI清蓝把GEO看成一门会长期存在的生意。鲁扬判断，未来GEO会变成企业的标配。而且在这场新秩序里，他反而看到了一种“流量平权”：竞价排名时代，小品牌砸不过头部；但在GEO时代，一个没多少预算的新锐品牌，只要聚焦自己的细分定位，就能在差异化的意图里占住C位。比如，不做“最好的饮料”，而做“适合健身人群的低糖运动饮料”；不做“最好的面霜”，而做“敏感肌也能用的面霜”。在传统搜索时代这类长尾词没有太多流量，但是在AI时代，大模型反而会把你的品牌精准推给相应意图的用户，无论用户搜索中是否带有这个关键词。
“但是从更长远的未来，我们很可能不局限于GEO，而是从数字员工等角度，沿着AI营销做更多探索。”鲁扬这样描绘PureblueAI清蓝的长期发展。
回头看那场把他“拍”回去的路演，被否掉的其实不是方向，而是落不了地的野心。当他把“think big”收成“act small”，把一个庞大的设想砍到只剩一个当时没人看懂的小切口，那个切口反而长成了今天的PureblueAI清蓝。
“当AI开始推荐世界，我们选择为品牌发声。”这是PureblueAI清蓝PPT最后一页上的话，也是鲁扬和团队做AI营销的信念。