从传播学视角看GEO：它其实是议程设置理论在AI搜索里的翻版

最近和几个做品牌的朋友聊天，发现大家谈GEO时普遍陷入一种“技术焦虑”——满口结构化数据、知识图谱、向量检索，却很少有人回到传播学的基本盘去思考：GEO到底在解决什么问题？

我的判断是：GEO不是SEO的升级版，而是议程设置理论（Agenda-setting）在AI搜索时代的重新落地。

一个具体场景

上周我让助教做了一个小实验：向三个主流AI搜索工具提问“2025年值得关注的国产护肤品牌”，结果三家给出的品牌名单高度重合，且都引用了同一批“成分分析”“皮肤科医生推荐”类内容。

这背后是什么？是AI在替用户预设了“什么值得关注”的议程。传统媒体时代，议程设置靠编辑部的选题会；搜索引擎时代，靠关键词排名；而AI搜索时代，靠的是模型对信源可信度的隐性加权。

理论延伸：从“媒介议程”到“模型议程”

McCombs和Shaw的经典研究告诉我们，媒介不会直接告诉人们“怎么想”，但会告诉人们“想什么”。GEO要做的，不是硬塞关键词，而是进入模型的“可信信源池”。

我观察到一个很实在的踩坑细节：很多品牌拼命铺量，生产了上千篇同质化的“XX品牌怎么样”内容，结果AI引用率极低。为什么？因为模型在训练和检索时，对信息熵低的内容会自动降权。你在传播学里叫“信息冗余”，在AI那里叫“低质量token”。

三条可操作的经验

1. 信源权威性优先于内容数量。我建议品牌先梳理出所在品类里AI高频引用的10个信源（比如特定行业媒体、学术论文、认证机构报告），再思考如何让自己的内容被这些信源引用，而不是自己开一百个账号自说自话。

1. 内容要提供“可被引用的判断”。AI需要的是结论性、可验证的表述。比如“根据XX研究，烟酰胺在浓度5%时对屏障修复效果最佳”就比“烟酰胺对皮肤好”更容易被引用。这本质上是给模型提供现成的议程素材。

1. 监测“模型议程”的漂移。AI搜索的结果不是静态的，模型版本更新、信源权重调整都会导致品牌露出变化。我让团队每月固定用相同prompt测试三次，记录品牌提及率和情感倾向，这比看短期流量更有价值。

一个需要警惕的误区

现在很多GEO服务商承诺“保证AI搜索首页露出”，这在传播学上是反议程设置的。议程设置的核心是长期、潜移默化的认知塑造，不是买位置。如果品牌把GEO当成竞价排名来做，最终只会收获一堆无效曝光和扭曲的品牌联想。

抛个问题

各位在实际操盘中，有没有观察到不同AI模型对同一品类的“议程框架”存在系统性差异？比如豆包和Kimi在推荐同一类产品时，引用的信源类型是否不同？如果有，这种差异背后的模型偏好，我觉得非常值得写成案例研究。