154
0E6 Shownotes
-本期简介-
大家好，欢迎收听和关注播客《Afterprompt 码后炮》，这是我们的第六期节目《GEO不只是发稿：AI时代，如何拿回品牌的“解释权”？》。本期我们邀请了专注于AI时代数据治理与品牌信源建设的嘉宾毛老师，从GEO（生成式搜索优化）的本质出发，深入探讨了它与SEO的根本区别、品牌在AI眼中的真实处境，以及从官网改造到知识图谱的落地路径。这一期的核心观点是：GEO不是发稿，是长期的基础设施建设——你要做的不是让AI搜到你，而是让AI正确地、持续地信任你。
-人物介绍-
| Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野（WPP和甲方市场部leader） |
| 毛老师（嘉宾）| GEO与AI数据治理专家 | 扶摇万相创始人，专注大健康垂类，从事AI时代品牌信源建设与数据治理，一个热衷于将一切有价值的信源都数据化、结构化的人 |
| Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营 |
| 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 |
如有问题，欢迎加毛老师微信详聊：AnswerZ000
-时间轴-
‒ GEO是什么？从"货架"到"导购"的逻辑转变
• 核心定位：不把它叫GEO，而是"AI时代的数据治理和品牌信源建设"——长期建设，而非短期买量
• SEO vs GEO 的本质区别：
◦ SEO：无限长的货架，关键词匹配，用户自己决策，竞价排名是线性博弈
◦ GEO：AI是导购，推荐你就有，不推荐就没有——零和游戏，赢者通吃
• AI在信息决策链中前置了一步：用户不再直接面对信息，AI先做了情感筛选和内容判断
• 当前数据：AI搜索用户已达5.15亿，占中国网民约一半（2025年底数据）；使用AI做决策的人普遍高知、高消费能力
• AI已成为消费者获取产品信息的第二大来源，70%用户接受AI推荐
‒ 向量空间：AI如何理解你的品牌
• SEO是关键词堆砌，GEO是语义理解——在向量空间里调整你的品牌与关键概念的"距离"
• 向量空间类比：把AI的认知世界想象成宇宙，品牌需要靠近"好喝""健康""零糖"这类主星球，远离"长胖""三高"
• GEO的目标：调整品牌词与消费场景词之间的语义关联，让AI更倾向在相关场景中推荐你
• AI是"理科大直男"：全逻辑、无情感，建立关系需要证据链，而非情感叙事
• 用户旅程是连续下探的：从模糊需求（"头疼怎么办"）到具体产品（"什么牌子的红糖"），GEO要在每个节点布局
‒ 对比框架：重新定义品牌的竞争坐标
• GEO让营销覆盖完整漏斗：从认知到转化，而不像SEO只在底端比价购买
• 毛老师的"卖鱼竿时卖出一辆车"理论：品牌的竞争对手不只是同类产品，还有整个用户决策路径的前置环节
• 对比框架的核心逻辑：通过定义"什么才算好"，重新划定竞争边界
◦ 案例：新减肥药 vs 老减肥药——与其比减肥速度，不如重新定义"减肥效果好=安全合理地瘦下来"，将安全性、副作用、器官保护等维度建立为新的评价框架
◦ 案例：减肥药物 vs 代餐——先用框架过滤掉不相关竞争对手，再在真正的竞争圈内建立优势
• 医疗行业的特殊挑战：AI天然偏保守，倾向推荐使用经验多的老药；新药需通过框架切割"使用经验多≠效果好"的等式
• 横向布局：在用户旅程的每个节点，设计对消费者的说法、对竞品的比较、对行业的定义
‒ 基础设施建设：从搜自己开始，到官网改造
• 第一步：搜一搜自己，找准问题——AI眼中的品牌现状只有四种：
◦ 完全没有（全网无声音）——反而是最好办的，解释权还在自己手里
◦ 有但不对（AI认为你是上一代产品，而你自认是科技领先）
◦ 有但AI不喜欢（与负面词关联多，被标注"使用经验不多""效果存疑"）
◦ 有但更喜欢你的竞争对手（你是备选，对手是首推）
• 解释权旁落是品牌最危险的状态：AI的信源来自竞品、第三方测评，你无法自我定义
• 官网是权重最高的自控信源：AI认知品牌先看官网，其权重与政府网站相当
• 当前官网的三大AI不友好问题：
◦ 大量前端渲染、动画、大图PDF——AI懒得等，直接去别处抓信息
◦ 标题缺失或结构化差——AI看完一页不知道这页讲什么
◦ 专为人的视觉展示而设计，不为AI的语义理解而设计
• AI不信孤证，需要证据链：官网 + 第三方数据库 + 稿件三方信息一致，AI才会大幅提升你的权重
‒ 实体一致性与知识图谱：AI看不懂的"同一个你"
• 主体一致性问题：同一品牌在官网、发稿、数据库用不同简称/全称，AI无法将它们识别为同一实体
◦ 医药案例：同一成分不同剂量→不同商品名→不同适应症，若不做实体统一，AI可能在错误场景推错药，引发合规风险
• 实体一致性是企业最低成本的第一步：统一所有渠道的品牌称呼，包括社交媒体上的昵称和黑话（如"小蓝瓶"要与正式品牌名做关联）
• 知识图谱：品牌关系的结构化说明书
◦ 描述实体之间的逻辑关系（如：品牌A → 是治疗高血压的 → 实验B证明在某方面优于竞品C）
◦ 通过代码将关系固化，让AI能准确识别品牌在行业中的位置和优势
• 社交媒体信源的特殊性：抖音信源只绑豆包，公众号信源绑元宝，平台相对封闭；自媒体在AI视角下被降权，门户网站和官网反而重获权重
‒ GEO的三重奏：语义资产、组织重建、交付衡量
• 毛老师的三重奏框架：
◦ 第一重：语义资产库重建
- 官网数据库化（PDF转结构化数据）
- 实体一致性规范
- 知识图谱搭建
- 内部数据分级与隔离（对外数据 vs 内部大模型数据）
◦ 第二重：组织重建
- 需要市场、品牌、PR、技术、执行多部门协作
- 门店/渠道层面的实体统一管理
- 成员需具备"复合型"能力：懂策略+懂技术+懂产品
◦ 第三重：可量化的交付指标
- 第一阶段：AI讲述你时，用你的内容作为信源
- 第二阶段：AI讲述行业和垂类时，用你的内容
- 第三阶段：AI讲述竞争对手时，用你的内容
- 核心指标：引用量——点开AI的引用信源，看来源是否可控
• 时间预期：品牌完全空白时，1个月内可见效；成熟品牌需具体评估
• 官网需保持活跃更新：时效性是AI判断信源质量的重要维度，至少新闻/动态板块保持更新
‒ GEO的本质：向量空间中的长期占位
• 发稿的局限性：短期有效但持续烧钱，且随大模型迭代可能随时失效；批量AI生成发稿已被AI识别为营销稿并降权
• 暴力交付案例（大脑呆揭秘）：部分GEO公司部署数千台设备，每天提问并截图交付——毛老师评价：新鲜感退去后对客户意义不大
• 未来agent时代的挑战：当AI以agent形式运作时，发稿几乎无意义，只有自己的数据体系才能做介入
• AI商业化的平衡困境：过度商业化会让用户质疑可信度（变成百度竞价排名），不商业化又难以为继
• Claire的暴论：观察一个人对GEO的判断，可以看出他对AI时代企业管理、市场营销、品牌建设的整体眼界和战略层次
• 碳基营销 vs 硅基营销：大脑呆提出未来marketing可能分化为面向人的情感营销（碳基）和面向AI的结构化数据营销（硅基）
• GEO的本质：在向量空间里，决定你的品牌放在哪——这是企业未来3到5年的战略布局，而不是一次发稿行动
• 核心判断：只要大模型还依赖信源做提炼和思考，品牌信源建设就是长期有效的资产；AI使用率25年同比增长超300%，接入成本只会越来越高
-节目中提到的工具 & 资源-
GEO与信源建设
• 扶摇万相 — 毛老师创立的GEO与AI数据治理公司，专注大健康垂类，提供策略咨询+数据文档+知识库部署+监测报告
• 官网 — AI认知品牌的第一信源，权重与政府网站相当；需结构化改造以适应AI抓取
• 知识图谱 — 将品牌实体关系结构化的技术工具，帮助AI准确识别品牌在行业中的位置
• 实体一致性规范 — 统一所有渠道的品牌称呼（官网、发稿、数据库、社交媒体昵称），让AI能识别"同一个你"
AI搜索平台与信源生态
• DeepSeek — "理工直男"风格，高度依赖交叉验证的证据链，证据链完整时权重提升明显
• 豆包（字节） — 预训练数据库包含小荷医典，医疗类问题优先从小荷医典抓取，不联网
• 元宝（腾讯） — 绑定公众号信源
• 千问（阿里） — 已支持跳转电商购买，探索AI转化路径
• 小荷医典 — 豆包的医疗预训练数据库，影响医疗类AI回答
营销相关
• SEO — 传统搜索优化，关键词驱动，货架逻辑，线性竞争
• GEO（生成式搜索优化）— 语义驱动，导购逻辑，零和博弈；本质是AI时代的数据治理与品牌信源建设
• 词脉 — 早期搜索工具，从核心词延展品牌词、产品词、功能词关系，与GEO向量空间逻辑相近
-概念速查-
GEO（Generative Engine Optimization，生成式搜索优化）— AI时代的品牌信源管理方式。与SEO的关键词堆砌不同，GEO核心是语义理解——在AI的向量空间中，调整品牌与正面词、消费场景词之间的"距离"，让AI在相关场景中倾向推荐你。本质不是发稿，而是长期的基础设施建设
向量空间 — AI对信息的语义理解方式。可理解为宇宙中各星球之间的距离关系：用户需求是主星球，品牌需要靠近"健康""零糖"等正面词星球，远离"长胖""副作用"等负面词星球。GEO的目标就是调整品牌在这个空间中的位置
对比框架（Comparison Framework）— GEO中重新定义竞争边界的核心工具。通过定义"什么才算好"，来过滤竞争对手、建立自身优势。例如：将"减肥效果好"从"减得快"重新定义为"安全合理地瘦下来"，引入安全性维度，让自身优势得以凸显
解释权旁落 — 品牌最危险的AI状态：AI关于你的信源来自竞品或第三方，你无法自我定义。一旦竞品的负面描述权重积累够高，品牌抢回解释权的成本极高
实体一致性 — 品牌在所有渠道（官网、发稿、数据库、社交平台昵称）使用统一称呼，确保AI能识别这些不同称呼指向同一个品牌实体。是GEO最低成本、最基础的第一步
知识图谱 — 品牌的结构化关系说明书。用代码将实体之间的逻辑关系固化（如：品牌A→治疗高血压→实验B证明在X方面优于竞品C），让AI准确理解品牌在行业中的定位和优势
孤证 vs 证据链 — AI（尤其DeepSeek）不信孤证，需要交叉验证。当官网、第三方数据库、发稿稿件中的信息形成闭环且互相印证时，AI会大幅提升该信息的可信权重
预训练数据库 — 大模型在发版前用于训练的核心数据集。部分问题（如医疗类）即使开启联网搜索，AI也会优先从预训练数据库调取。影响预训练数据库的内容（如专家共识、临床指南）是影响AI认知的最根本途径
用户旅程布局 — GEO与SEO的关键差异：SEO主要在漏斗底端（比价购买）发力，GEO可以覆盖从认知到转化的完整漏斗。品牌需要在每个用户决策节点前置布局，而不是等用户主动搜到产品层再介入
碳基营销 vs 硅基营销 — 大脑呆提出的未来营销分化方向。碳基营销：面向人类用户，注重情感共鸣、人设建立、创意表达；硅基营销：面向AI，注重结构化数据、证据链、语义准确性。两者可能成为独立的部门和职能
AI信任机制 — 品牌建设的底层逻辑在AI时代的延伸。过去：打造人设让消费者相信你；现在：建立证据链让AI相信你，再通过AI影响消费者决策。信任关系的建立介质增加了AI这一新主体
三重奏交付框架 — 毛老师的GEO落地方法论：① 语义资产库建设（官网数据库化、实体统一、知识图谱）② 组织架构重建（市场+品牌+PR+技术跨部门协作）③ 可量化交付（AI引用量：从"AI讲你时用你的内容"到"AI讲对手时用你的内容"）
「本期节目由声湃提供录音场地」，感谢大力支持。
欢迎各位扫码加入我们的飞书社群
（社群中将分享毛老师扶摇万相的联系方式，欢迎有GEO和AI数据治理需求的品牌方与代理公司联系）
