最近一年，GEO（生成式引擎优化，让内容被 AI 回答引用）成了热词。搜索引擎里的用户在变少，直接问 AI 的在变多——这个判断我们认同，趋势也是真的。但围绕它的市场做法，和它的原理背道而驰。这篇文章把我们的态度写清楚：认可什么，不认可什么，以及谁适合做、谁不适合。
先说一个矛盾
市面上大部分 GEO 服务，做法是批量发布内容，通篇自述「行业领先」「品质卓越」。而 AI 组装答案的逻辑，是寻找事实块来拼回答——参数、对比、流程、解释——不是阅读广告。一段没有信息量的评价语，引用价值接近于零；一段「选购时先看厚度公差、导电率和表面张力三个指标」的中性表述，本身就是现成的答案零件。
这个矛盾很有意思：铺量软文卖力气的方向，恰好是引用率最低的方向。AI 在大量读取评价性内容后，反而更依赖少数有数据、可验证的来源。挤进前者容易，被后者引用难。
多源一致是真的，投稿不是门票
另一个被广泛传播的说法是：一个观点被多个新闻源引用，AI 就会认为它靠谱。机制上，这是对的——同一事实出现在多个独立信源里，可信度会加分。但由此推出「必须向大量媒体投稿」，是走偏了。
AI 要的是「独立」和「非自述」，不是数量。同一篇稿子撒到几十个模板化站点，信号反而作废。真正的路径便宜得多：一篇有数据、有观点的稿子，被行业媒体和垂直站点自然转载，多源一致就形成了。再往前的第一步其实免费——先去主流 AI 里问二十个你的客户会问的问题，看它现在引用谁，缺什么补什么。盲目投稿是用资源焦虑代替判断。
天花板：大词认命
必须承认一个机制性的事实：AI 对大品牌有先发偏爱。训练语料里的出现频率，决定了问「什么产品好」时，答案默认落在知名者身上。这不是优化能抹平的，任何声称能让无名品牌打赢品类大词的服务，都该被警惕。
小品牌的正确预期不是逆袭，是三件更小但真实的事：吃下自己细分领域的问题空间；被列进对比清单；接住验名环节——客户从展会或同行那里听说你，转头问 AI「这家公司怎么样」，你的信源里得有干净的事实块，不能沉默。
地板：长尾圈地
品类大词属于巨头，但长尾专业问题里，巨头的内容是空的。大厂官网写品牌叙事，不写「退火气氛怎么控制」「两类工艺的成本差在哪」。这些被问烂了却没有好答案的问题，就是细分企业的地盘。
判断一个行业适不适合做 GEO，标准只有一条：这个行业的客户在成交前，会不会用 AI 做信息检索。会，且问题越专业，GEO 越有价值——B2B 制造与工业品采购、专业服务、高客单的耐用消费，都是典型场景，它们的共同特征是存在大量无人回答的长尾问题。反过来，本地即时生活服务的获客在位置推荐闭环里完成，成交靠三公里内的即时供给，AI 搜索占的份额很小——对这个群体兜售「AI 获客」，卖的更多是焦虑本身。
写在最后
我们判断，铺量软文是一个套利窗口——它建立在平台治理尚未跟上、用户辨别力尚未形成的间隙里。窗口终会关闭，因为广告污染会损害 AI 产品自身，治理是必然。
窗口关闭之后还剩下的，是内容资产：把一家企业真实的积累，整理成机器读得懂、人愿意信的事实块。这件事做一次，长期有效；这十年我们做网站一直讲的话——网站是资产，不是开支——放到这里同样成立。
GEO 不是让小品牌变大品牌的工具，它是让「细分里有真东西的公司」不在 AI 时代隐形的工具。天花板有限，地板扎实。这是我们目前的全部判断，也会按这个判断做事。