留给GEO的时间不多了

假设你准备花3000元买一台扫地机器人。

过去，你可能先去搜索哪个品牌好，再打开几篇测评，比较吸力、避障、拖地和自动清洗功能。看完产品介绍，还得去评论区找差评，看看有没有人抱怨缠头发、卡地毯、售后找不到人。

半小时过去，浏览器开了十几个页面，购物车里躺着三款，依然没想好买哪台。

现在，你可以直接把问题交给DeepSeek、豆包或者ChatGPT，让它推荐三款3000元以内、适合自己家庭情况的扫地机器人，讲清楚推荐理由，顺便列出缺点。

于是，过去研究SEO的品牌，开始研究GEO，也就是生成式引擎优化。大家想知道，怎样才能让AI在回答问题时提到自己、引用自己，最好直接推荐自己。

这份需求很好理解，消费者在哪里做决定，品牌就会想办法出现在那里。

但品牌想进入AI的答案，平台还得考虑另一个问题，凭什么推荐它？

10月17日，DeepSeek宣布开放自研搜索API，并在官方更新日志中明确表示，会通过识别机制过滤SEO作弊、GEO操纵和低质量AI生成内容，向用户和大模型提供更可信的信息。

这就给某些GEO生意提了个醒。用户把选扫地机器人的功课交给AI，是希望少看些广告、多得到些可靠建议。如果品牌花钱铺出来的软文，最后又被AI整理成推荐理由，那么省下来的挑选时间，可能换来了另一种误导。

平台要留住用户，就有动力清理这些干扰。

当然，宣布过滤不等于已经能够识别所有操纵，但这件事恰好点出了GEO生意里一个很有意思的悖论。

GEO的热度来自AI能力的增长，一部分GEO生意的利润，却来自AI判断能力的不足。

如果品牌购买的服务，是利用AI暂时识别不出的漏洞，把宣传包装成口碑，把铺稿包装成共识，那么它就得面对一个问题。

当AI越来越有能力核验信息，这套生意还能做多久？

01 入口在哪，哪里就有红利

每一次信息入口变化，都会带来新的营销生意。

搜索引擎把海量网页排出先后，品牌开始研究怎样排得靠前。如今，生成式AI把搜集、比较、归纳进一步接过去，品牌自然会研究怎样进入它的答案。

2024 年，普林斯顿的 Aggarwal 等人在 KDD 上发表论文，第一次把 GEO 形式化，提出 GEO-bench 这个测试基准，并测出经过优化的内容在生成式引擎里的可见度最高可以提升 40%。

这是学术界第一次用实验告诉市场，AI 的回答是可以被优化的。

同一年，同一个中国 GEO 市场，你可以在不同稿子里读到 30 亿元、62 亿到 186 亿元、286 亿元、942 亿元这几套数字，最大和最小相差三十倍以上，而这些数字几乎全部出自 GEO 服务商自己的传播稿。一个连自己有多大都没说清的行业，正在给别人做权威背书。

但红利也是真的。

BBC Future 的记者 Thomas Germain 做过一个实验。他花了二十分钟，在自己个人页面上写了一份最会吃热狗的科技记者榜单，把自己排在第一位。不到二十四小时，Gemini 和 Google 的 AI 概览就把这个虚构排名当成事实复述给了用户。

Amsive 的 SEO 策略副总裁 Lily Ray 在 2026 年 5 月的一档播客里说得更直白，骗 AI 聊天机器人比两三年前骗 Google 容易得多。

对品牌来说，诱惑也在这里。消费者问到这个品类时，AI最好总能提到我，而且把我放在前面。

一个不断变化、很难完全摸清的推荐系统，加上一群担心错过新入口的品牌，就形成了出售确定性的生意空间。

平台不会承诺一个固定位置，服务商却可以把占住这个位置，当成产品卖给品牌。

02 口碑不够，软文来凑

有些GEO工作当然值得做。

产品型号前后不一致，旧价格迟迟没更新，功能限制藏在图片角落，别说AI，消费者也容易看错。把这些信息整理清楚，让人和机器都能方便地查到，是很实在的改善。

真正值得警惕的，是另一种做法。

产品暂时没有多少真实口碑，就先制造一批口碑。没有独立测评，就生成一些看起来像独立测评的文章。没有行业地位，就做几个榜单，再让不同网站反复出现同样的结论。

2026年3·15晚会已经把这种操作摆到了公众面前。

晚会播出了一段调查，记者虚构了一款叫 Apollo-9 的智能手环，给它编了量子纠缠传感、黑洞级续航这一类卖点，批量生成软文自动发布到网上。两小时后，AI 把这款根本不存在的产品当成了标准答案，向提问的用户详细推荐。

三天后，它进了两个大模型的推荐前列，晚会播出十二小时之后，还有模型没来得及消毒。

这类操作利用了一个老问题。

一个品牌说自己好，大家会有所保留，十篇文章都说它好，就容易让人觉得有道理。至于这十篇文章究竟来自十个独立作者，还是同一份宣传材料的十种改写，读者没有时间追查。

央视的实验不能代表所有AI的表现，更不能据此把全部GEO服务都归为造假，但它揭示的问题足够具体。流畅、完整的回答，仍然可能建立在不可靠的信息上。

这也是部分GEO生意让人不踏实的地方。

产品故障率没有下降，售后没有改善，消费者满意度也没有提高，网上却突然多了一批称赞它的内容。如果AI恰好采纳了这些材料，品牌短期内可能获得推荐。但这种优势究竟有多少属于品牌自己？

来源权重变了，检索方式变了，系统开始识别转载关系了，原本有效的方法就可能需要重做。

品牌花钱买到的，也许只是AI暂时分不清。

而且，这种方法很难成为独家本事。你能铺稿，竞争对手也能。

大家围绕相同的问题，生产差不多的内容，最后又回到比数量、比预算、比谁更敢夸张的竞争。

03 AI越强大，GEO越难做

消费者愿意把功课交给AI，是因为相信它能帮自己筛选。如果买回来的扫地机器人老是卡在沙发下面，AI给出的理由却还在复述品牌宣传，用户下次就不愿意听它的了。

推荐越成为AI的卖点，推荐是否可信，就越影响这款产品能不能留住用户。

平台因此有动力反制操纵，2026年2月，微软披露了一类AI推荐投毒行为。一些链接或按钮夹带指令，试图让助手记住某家公司，并在之后优先推荐它。微软同时介绍了指令过滤、区分外部内容与用户指令、记忆管理等防护措施。

这与批量铺软文的机制不同，但至少说明，影响推荐的商业操作已经进入平台的防御范围。

DeepSeek这次公开的过滤方向，则把问题推进到了搜索信息的筛选环节。即使一篇宣传稿已经发布在网上，也不意味着平台愿意把它交给模型，作为组织答案的依据。

要压缩某些玩法的空间，也不必等到一个无所不知的AI出现。查出几篇测评其实来自同一份稿件，发现所谓榜单没有评选依据，识别网页中夹带的操纵指令，这些具体能力每做好一点，靠信息漏洞获得推荐就可能更难一点。

可以想象，以后消费者让AI推荐商品，提示词如果加上一句，推荐结果请排除GEO的影响，那么结果会很不一样。

比如下面是我用DeepSeek的剔除GEO版。

另外它还明确我慎重考虑那些所谓闭眼入、六边形战士，这类营销非常明显的产品。

当我把同样问题给到ChatGPT时，它给出了剔除GEO的依据。

同时，前文说的口碑不够，软文来凑的那种大量水文，被ChatGPT排除了。

当然现在不可能100%排除GEO的影响，但按照AI的进化速度，排除大量软文、水文导致的结果偏差，不会是大问题。

04 留给GEO钻空子的时间不多了

如果一家小公司的产品确实不错，但参数找不到，说明写不清，也没有可核验的使用证据，AI未必有办法发现它。真实优势需要被表达、被记录，让消费者和AI都能看见。

这样的GEO当然值得做，只是投入时要问问自己，这笔钱花完之后，留下了什么？

是更准确的产品资料，更扎实的测评，更好的用户体验，还是一批随时可能失去作用的软文？

后者则需要不断追着平台变化，寻找下一处还没被堵上的漏洞。

我说留给GEO的时间不多了，指的就是这类生意。

它们不会很快消失。搜索时代的作弊延续了很多年，AI时代的操纵也会不断换形式。但品牌不能把一次钻空子成功，当成自己拥有了长期竞争力。

SEO时代，品牌研究怎样排在前面。GEO时代，品牌研究怎样被写进答案。可一旦平台开始追问信息从哪里来、结论有没有依据，营销就得拿出比重复曝光更扎实的东西。

产品力、口碑、品牌力、美誉度，这些词最后都要落回具体证据。产品有没有更好用，售后能不能解决问题，用户愿不愿意再次购买。这些改善，比批量生成一百篇夸自己的文章更难，也更值得投入。

如果一个品牌的优势，只存在于为AI准备的软文里，那么平台清理信息时，它的优势也会一起消失。

DeepSeek搜索对GEO操纵的治理，只是一个开始。留给品牌的选择却已经很清楚，少花钱制造好评，多花钱让自己值得被推荐。