别高兴太早,我把GEO试点账本翻完,一半预算花在了维护AI的「错误记忆」上
别高兴太早。上周我把我们频道这半年做GEO试点的账本从头到尾翻了一遍,越翻越觉得这钱花得冤枉。
先说背景:我们是一个从传统媒体转过来的内容团队,领导说AI搜索是趋势,拨了笔小预算让我试。我按之前社区里那套「单变量批次」的方法跑,每次只动一个变量,比如FAQ结构、参数表格式、旧文档的更新时间。跑完拿AI答案的引用率、品牌名准确率、地址正确率三个指标去对。
翻账本的时候我做了件事:把每一笔支出按「产出类型」重新归类。结果发现,真正花在「让AI多引用我们」上的钱不到三成。剩下七成,全花在「让AI不说错我们」上。
举个例子。我们有一批2015年前后的产品参数文档,AI抓取后总把老型号的参数安到新型号头上。为了纠这个错,我们花了三周时间重写、加注释、更新结构化数据,还买了某工具做持续监测。这笔钱在预算表里写的是「GEO优化」,实际干的是数据治理的活。
再比如地址问题。AI答公司地址时写成了老厂区,我们追到源头发现是地图标注没更新——这跟GEO没有半毛钱关系,是运营层面的陈年旧账。但整改花的工时,全记在了GEO试点头上。
我把这个发现跟财务对了一下,财务说了句大实话:这哪是GEO预算,这是给过去十年内容欠账补窟窿。
所以我的判断没变:GEO本身是个增长故事,但落到传统媒体这种存量内容一大堆、口径从来没统一过的地方,大部分预算实际是在填历史坑。你以为是给AI喂新内容,其实是在给AI擦旧屁股。
更让我悲观的是,这类「纠错型支出」有个特点:它不产生增量,只减少错误。你花三个月把品牌名说错次数从23降到6,然后呢?AI该不引用你还是不引用你,该不给你流量还是不给你流量。这跟广告投放的逻辑完全不一样,你没法拿「错误减少」去换业务增长。
当然,有人会说「把错误纠干净了,AI信任度上来了,自然引用就多了」。我不否认这个链路,但我手头的样本量还撑不起这个结论。目前看到的,只有错误率下降,没看到引用量同步上升。
所以我准备下个季度单独拉一个「纠错成本」科目出来,把这些隐性支出暴露在明面上,再让领导判断这买卖还值不值得做。
抛个问题给大家:你们在GEO项目里,花在「让AI别说错」上的钱,大概占多少比例?有没有人真的算过这笔账?
