我们花 90 天,让品牌在豆包、DeepSeek 里“被 AI 主动推荐”——一位市场负责人的 GEO 实战复盘
去年底我们做了一次客户访谈,结论让我后背发凉:近一半的决策者在筛选供应商时,第一步不再是打开搜索引擎,而是直接问豆包、DeepSeek、Kimi——“做企业 AI 转型,找谁比较靠谱?”
我当场用豆包问了同样的问题。AI 滔滔不绝地推荐了三家同行,唯独没有我们。我们官网做得不差、百度也有排名,但在 AI 的回答里,我们像不存在一样。
那一刻我才意识到:SEO 管的是“用户搜到你”,而当用户改用 AI 提问时,你需要的是另一套能力——让 AI“提到你、推荐你”。这套能力叫 GEO(Generative Engine Optimization,生成式引擎优化)。
为什么传统办法不管用?
我们最先试了最朴素的办法:多发软文、多铺外链。三周后再问 AI,几乎没有变化。后来才搞明白原因:
- AI 的答案不是“谁外链多排谁”,而是综合多个来源、重新组织后生成的;
- 它更倾向引用结构清晰、有数据有出处、专业可信(EEAT)的内容;
- 而且豆包、DeepSeek、Kimi、通义、元宝、秘塔每家“口味”还不一样——在一个平台被提及,不代表在另一个平台也被提及。
零散发文,等于把内容撒进黑箱:既看不到效果,也不知道往哪改。我需要的是一套能测、能调、能持续的系统。
让我决定下手的几个技术细节
对比了几家工具,最后选了铭文鼎成GEO。打动我的不是话术,而是几个“做得很较真”的技术点:
- 6 大 AI 平台真实浏览器采样,不是 API 估算。 很多工具用大模型 API “猜”一个分数;铭文鼎成是用真实浏览器在豆包、DeepSeek、Kimi、通义、元宝、秘塔里真的问一遍、真的截图取证——你能看到 AI 当时到底怎么回答、提没提你、提了谁。这决定了数据是真是假。
- 9 维 GEO 指数,而不是一个拍脑袋的总分。 它把“AI 可见度”拆成被提及率、推荐位置、情感倾向、权威源覆盖、竞争声量(SoV)等维度——哪一维短就补哪一维,优化有抓手。
- 方法论有学术地基。 平台的内容生成与评分对齐了 KDD 2024 论文《GEO: Generative Engine Optimization》(普林斯顿团队)的研究结论:什么样的内容更容易被生成式引擎引用,是有实验依据的,不是玄学。
- 把品牌知识“结构化”了。 它先帮你建一座“品牌屋”,把产品、客户、荣誉、观点拆成一个个知识单元,再用一张知识关系图谱呈现关联。我第一次直观看到:我们品牌的知识在某些维度厚、某些维度几乎是空的——而那些空白,正是 AI 不提我们的原因。
90 天,我们具体做了什么
平台把零散动作串成了一条闭环,我们基本照着走:
- 第 1–2 周|建知识地基。 上传公司资料、产品手册、客户案例,平台自动解析成知识单元、补全品牌屋;健康度评分从不到 50 分起步,缺口一目了然。
- 第 3–6 周|按“AI 会被问到的问题”选题。 不是我们想写什么,而是用户真的会去问 AI 什么。
- 第 5–10 周|批量产出“AI 爱引用”的文章。 生成的文章默认带 EEAT 信号(数据、案例、来源、明确结论)、结构化排版、FAQ 覆盖受众高频疑问,人工审一遍就能发。
- 全程|多平台分发 + 持续监测。 重要内容走专家审校、发到 AI 原生站与绑定账号;每次发布后平台主动复测,看 AI 的回答有没有变化,形成“发布→复测→再优化”的飞轮。
结果
90 天后,在我们最看重的几个核心问题上:
- 品牌在 6 大 AI 平台的综合被提及率,从约 12% 提升到约 58%;
- 在“行业怎么选服务商”这类高价值提问里,我们从“完全不出现”变成多数平台主动推荐;
- 竞争声量(SoV) 反超了两家原本压着我们的同行;
- 我们自己发布的几篇内容,开始作为权威来源被 AI 引用——这才是真正的资产沉淀。
我的几点体会
- GEO 是长期经营,不是一次投放。 AI 会周期性重新抓取、重排,被推荐的概率取决于优质内容的累积覆盖度,稳步提升,而非一篇就竿见影。
- 能测,才能优化。 没有真实采样和 9 维指数,你根本不知道每一步有没有效。
- 结构化知识是地基。 内容再多,知识不成体系,AI 也“拼”不出对你有利的回答。
常见问题(FAQ)
Q:GEO 和 SEO 冲突吗?
不冲突,是互补。SEO 解决“被搜到”,GEO 解决“被 AI 提到/推荐”。两者底层都靠优质内容,但优化目标和评估方式不同。
Q:多久能看到效果?
通常数周到数月稳步提升。AI 重新抓取有周期,持续产出 + 监测复测是关键。
Q:需要很懂技术吗?
不需要。从建知识地基到生成、分发、监测,铭文鼎成GEO 把流程都做成了可视化操作,市场团队就能跑起来。