从传播学视角看GEO：AI引用率不是终点，认知建构才是

最近社区里讨论GEO的文章不少，但大多停留在“如何被AI引用”的操作层面。作为一个教了二十多年市场营销、这几年把研究重心转向生成式引擎优化的人，我想从传播学视角谈一个更根本的问题：GEO不是SEO的升级版，它是信息传播范式的迁移，需要系统性的理论框架来支撑。

先抛一个判断依据。传统SEO的底层逻辑是“检索-排序-点击”，用户是主动的信息寻求者，搜索引擎扮演的是索引和分发角色。而GEO面对的是“提问-生成-采纳”，AI直接充当了信息的中介和再生产者，用户拿到的已经是经过模型加工、筛选、重组的答案。这意味着什么？意味着你的内容是否被引用，不取决于关键词密度和外链数量，而取决于它在AI的语义空间里是否具有认知显著性和结构可信度。

我去年带团队做过一个小样本实验，用同一组20个行业问题测试了三个不同内容策略的站点。结果很有意思：那些刻意堆砌结构化标记、但论证逻辑松散的页面，AI引用率确实能短暂冲到30%以上，但一周后回落到5%以下；反倒是几篇引用了权威数据源、有明确因果链条的深度分析，引用率从8%稳步爬到22%，且持续稳定。这印证了一个传播学常识——信源可信度与信息结构化程度的交互效应，比单一维度的优化更持久。

再说一个容易被忽视的踩坑细节：很多团队把GEO当成技术活，交给SEO专员去加schema、调格式，结果内容本身经不起推敲。AI在生成答案时会做多源交叉验证，如果你的论点缺乏证据支撑，模型在整合阶段就会降权。这不是玄学，是概率语言模型在语义一致性上的内在要求。所以我的判断是，GEO的优化对象不是页面，而是知识单元——每个段落都应该是一个自洽的、可独立引用的论证模块。

从理论建构的角度，我倾向于把GEO纳入“计算传播学”和“认知营销”的交叉地带。它至少涉及三个层面：一是语义层面的知识图谱嵌入，二是语用层面的AI信任机制，三是效果层面的品牌认知建构。目前市面上大多数GEO工具只解决了第一个层面的表层问题，后两个层面几乎空白。这也是为什么我常说，GEO不是营销人的自嗨，但只懂营销的人确实做不好GEO。

最后抛个问题给大家：你们在实操中是否观察到，AI对带有明确对立观点或争议性结论的内容，引用倾向反而更高？我手头的数据有些矛盾，想听听不同行业的案例。