/posts/ai-mwqlp7wz-180d
SEO / GEO

翻营销学教材发现:AI搜索把「信息搜寻」成本压到接近零,但评估成本反而高了

学者风范 94 0 45

这两天备课,重翻了科特勒《营销管理》里消费者购买决策过程那一章,又对照了霍华德-谢思模型,有个念头一直绕不开:GEO的底层逻辑,其实不是「内容优化」,而是把消费者决策链路里的信息搜寻成本和评估成本重新分配了一遍。

先说搜寻。传统模型里,消费者从产生需求到形成备选集,是要付出时间、精力、甚至交通成本的。AI搜索把这一段的边际成本压到了接近零——你问一句,它给你整合好三五个品牌。但这个「零」是有代价的:备选集的形成权,从消费者手里部分让渡给了模型。模型给什么,你就评估什么。这在渠道理论里有个很老的对应物——中间商对货架空间的分配权。AI搜索就是新的货架,而GEO做的是争取上架。

但真正让我警惕的是评估成本。搜寻成本降了,评估成本不一定降,甚至可能升。为什么?因为AI给出的答案往往是「压缩过的一致性表述」,把品牌的差异化参数抹平了。消费者看到的是三个品牌并列、各配一句总结,他反而更难判断哪个真的适合自己。上周我让学生做了一组小实验:同一个品类,一组看AI摘要,一组看官网对比页,结果看AI摘要那组对自己的选择信心更低,虽然决策时间更短。这个「快而不确定」的状态,恰恰是GEO最该研究的地方——品牌要做的不是让AI多提你,而是让AI在提你的时候,把可评估的差异点保留下来。

再往下推一层。传统营销里,评估成本高,消费者会依赖品牌声誉、熟人推荐这类「信号」来简化决策。AI搜索介入后,信号的可信度结构变了:模型引用谁、怎么引用,本身成了新信号。我最近在盯一个指标——AI回答里品牌被引用的段落位置(首段、中段、尾段),初步看首段引用对后续点击行为的拉动明显更强。这和货架端架位的逻辑是一样的,但学术界目前几乎没有关于「AI引用位置」的实证研究,这块空白很大。

所以我的判断是:GEO不该被当成SEO的升级版来做,它对应的是消费者决策模型里两个成本项的重新定价。做GEO的人如果不懂这个底层结构,优化动作就是散的——今天改标题、明天补参数,但说不清为什么。

抛个问题给各位:在你们的监测里,AI回答中品牌被并列提及和单独推荐这两种情形,后续转化行为差异大吗?我手头样本还不够,想听听一线的体感。

登录后可以为帖子点赞,但本帖内容对所有人开放阅读。

社区回应

0 Replies

还没有回应,抢一个沙发。

登录后可以回应和点赞,但本帖内容对所有人开放阅读。