夜雨聆风过去，企业关心的是，用户在百度、小红书或抖音里搜一个关键词时，能不能看到我？
现在，多了一个新问题。
当用户直接问豆包、元宝或其他大模型“这个领域有哪些公司值得了解”时，AI 会不会提到我？
有些公司在线上宣传投入很大，传统搜索结果也不差，却很少进入 AI 的回答。另一些过去声量有限的公司，反而开始出现在模型的推荐列表里。
这种变化催生了 GEO，也就是生成引擎优化。
《灯下白》邀请从市场运营转型 AI 产品经理的李哲，聊了他对 GEO 的理解和实践。这期节目的价值，不只在于介绍一个营销新名词，也提醒我们，当答案页逐渐取代链接页，品牌需要让机器和人都能看懂自己。
01
花很多钱传播，不等于留下清晰认知
李哲接触过一家经营表现不错的医药公司。
这家公司每年投入不少预算做品牌传播，却几乎不出现在主流大模型对行业问题的回答中。
问题未必是内容太少，而可能是内容彼此冲突。
一个季度强调产品功能，下一个季度追逐新的热点，再下一个季度换一套品牌概念。从人的视角看，这是灵活追热点；从机器整理信息的视角看，却很难形成稳定描述。
“大模型其实跟人是一样的……你这个人告诉我（品牌优势）是这么回事，然后那个人告诉我是这么回事，他（AI）脑子就乱了，他不知道怎么样去向用户描述这个事了。”
李哲把 GEO 的一个基本动作概括为“合力打一点”。
它不是让不同平台复制同一篇软文，而是围绕一个真实、可验证的核心优势，持续提供来自不同角度的证据。
例如，一家公司想建立“交付稳定”的认知，官网可以解释流程，客户案例可以展示结果，行业媒体可以提供第三方观察，公开数据可以支撑长期表现。
这些内容表达不同，却指向同一件事。
传播的一致性，不是重复一句口号，而是让分散证据最终形成同一个结论。
02
GEO 与 SEO 的差别，在答案而不只在排名
SEO 主要争取的是链接排序。用户输入关键词，看到一页搜索结果，再决定点开哪一个。
生成式搜索常常直接给出一段综合答案。品牌即使没有排在传统意义上的第一名，也可能因为某段信息被引用、概括或推荐而进入用户视野。
但模型并不只依赖训练数据。不同产品可能调用不同搜索源、内容生态和实时检索策略，机制也会持续变化。
腾讯系产品更容易检索到公众号、腾讯新闻和视频号内容；与抖音生态相连的产品，则可能更容易利用相应平台的信息。对企业来说，不存在一套可以覆盖所有模型的固定渠道组合。
这也意味着，GEO 不能只看一次测试结果。
同一个问题，换一个模型、账号、时间或表达方式，答案都可能变化。更可靠的评估，需要准备一组真实用户会问的问题，定期记录品牌是否被提及、描述是否准确、引用是否可追溯。
GEO 更像持续的品牌信息治理，而不是买一次排名就结束。
03
AI 更容易使用结构清楚、有信息增量的内容
不少企业已经积累了大量内容，但机器和人都很难迅速读懂。
一篇两千字文章从头到尾只有几个大段落，观点、证据和案例混在一起。即使信息真实，读者不容易抓重点，检索系统也难以准确提取。
结构化内容并不意味着每篇文章都要写成说明书，而是让关键关系更明确，
•
这篇内容回答什么问题？
•
核心结论是什么？
•
哪些数据或案例支撑它？
•
信息是什么时间产生的？
•
谁对这段信息负责？
李哲还强调了“信息增量”。
“大模型对于它曾经吸收过的东西，它不屑一顾。但是来了一些新东西，它会发现：‘诶，这个东西对我来说有用’，而且它会发现有很多信源都有这个东西，它就认为这个东西可信。”
比起把公开资料换一种说法，模型更需要它原本不知道的新事实，真实客户案例、产品更新、独家数据、具体方法和可以追溯的实践结果。
当然，“新”并不会自动带来可信度。只有能被核验、与其他证据相容，并持续更新的信息，才可能逐渐成为可靠信源。
最有效的 GEO 内容，首先应该是对用户有用的新内容；机器可读，只是它的第二层价值。
04
刷榜很诱人，也最容易透支品牌
当一个新概念开始火热，市场很快会出现更简单的承诺，批量生成内容、全网铺设、短期进入模型推荐。
这套做法的问题，不只是内容质量差。
如果企业制造没有事实支撑的案例，或者用大量近似文本伪造共识，模型可能在一段时间内错误引用，消费者也可能因此做出错误决定。
对医疗、金融、教育等高影响领域，这种风险尤其明显。
平台的算法和反作弊机制也会持续更新。靠漏洞获得的短期曝光，很难成为稳定资产；一旦虚假信息被识别，企业损失的是更难重建的品牌信任。
更稳妥的做法，是建立三层检查，事实是否真实，表述是否准确，发布是否符合平台与行业规范。
优化“被看见”之前，先保证“被看见的内容值得相信”。
05
AI 抬高了产出下限，也可能掏空成长过程
李哲的转型经历，是这期节目另一条很有意思的线。
他有十年市场运营经验，转做 AI 产品经理时，PRD 和原型工具都要重新学习。借助 AI，他把很多原本耗时的营销任务压缩到更短时间，也腾出精力做产品、写内容和授课。
但工具越强，新人的成长风险也越大。
“大模型标准的上限其实远高于人类的普通水平……但这也限制了一些新人的成长。他们没有经历过从零到一、撸起袖子干项目的过程，脑子里都是意想出来的世界，缺乏足够的危机防范意识和填坑的‘手感’。”
AI 可以快速给出一个八十分的方案，但人如果从未亲手做过，很难判断剩下二十分差在哪里。
经验、审美和手感听起来抽象，往往来自很具体的过程，见过真实用户如何误解一个页面，经历过项目延期，处理过数据互相矛盾，也为一次错误判断付过代价。
因此，AI 更适合把人的已有能力放大，而不是跳过所有基础训练。
可以让模型先做，但人需要保留三个动作，交叉验证，解释取舍，复盘失败。否则，效率提高了，判断力却可能没有同步增长。
06
个人也需要让自己的经验被看见
吴曼在节目里说，“永远不要觉得你会的东西简单。”
很多人不愿分享，是因为自己的方法已经用得太熟，感觉没什么。但对刚刚进入这个领域的人，一套经过验证的具体步骤，可能比一篇宏大的趋势判断更有帮助。
李哲和吴曼也是从社群里不断提问、测试工具和解决具体问题开始，后来才把经验沉淀为内容和产品。
节目最后有一句很上口的话，“出来混，最重要的是‘出来’。”
对个人而言，这不是鼓励高频自我宣传，而是把解决过的问题、踩过的坑和形成的方法公开出来，让别人有机会理解你的价值。
对企业而言，道理也类似。
GEO 最终不是一场只对机器说话的游戏。内容先服务真实的人，再通过清楚的结构、稳定的事实和可追溯的来源，让搜索与大模型有机会准确使用它。
当搜索从“给我链接”变成“直接告诉我答案”，品牌最重要的准备，不是制造更多声音，而是形成一个清晰、真实、持续更新的自我说明。
顺手补充 3 个背景
•
SEO：通过内容、技术与链接等方式，提高网页在传统搜索引擎中的可发现性。
•
GEO：围绕生成式搜索和大模型回答的可见度、准确度与引用质量进行内容和信源优化。
•
信源：承载信息的来源；不同平台和模型对来源的可访问性与权重可能不同。
【从第 0 分钟，走向第 1 分钟】
GEO 还是一个快速变化的概念。李哲讲自己如何从市场运营走到 AI 产品，以及具体项目如何暴露问题，原声里保留得更完整。
《李哲：从SEO到GEO，他在AI搜索时代重写营销逻辑》，收录于《灯下白-走进 AI 圈的真实对话》，预计 55 分钟
点击阅读原文去收听原片，去感受声音的起伏，那里有更完整的灵魂，和更深切的共鸣。