从传播学视角看，GEO不过是把关人理论的数字化翻版

最近社区里讨论GEO的文章不少，但大多数停留在操作层面：怎么优化结构化数据、怎么提升AI引用率。我做了二十多年营销理论教学，看到这些讨论总有一种熟悉感——GEO的核心问题，在上个世纪就已经被传播学经典理论解答过了。

先亮观点：GEO的本质是把关人理论（Gatekeeping Theory）在AI搜索时代的一次范式迁移。

把关人理论给了我们什么现成的分析框架？

1950年，怀特在勒温的基础上提出把关人概念，核心命题是：信息在传播渠道中流动时，必然经过若干“关口”，把关人依据一套价值标准决定什么信息能通过、什么被拦截。传统媒体时代，把关人是编辑、主编、编委会。

到了搜索引擎时代，把关权部分转移到算法，但排序逻辑仍然依赖外链、点击、停留时长等人类行为信号。而GEO面对的是大语言模型作为新型把关人——它不再依赖单一排序信号，而是基于预训练语料中的语义关联、可信度权重和上下文一致性来“决定”是否引用你。

这跟传统把关人理论的区别在于：AI把关是概率性的、分布式的、难以直接观测的。你无法像给编辑发新闻稿那样，直接“说服”AI引用你。

具体场景：我观察到的三个错位

去年我帮一家教育机构做品牌咨询，他们市场部花了大量精力在“让AI提到我们”。结果三个月后复盘，发现一个反直觉的现象：AI确实提到了他们，但引用的是两年前一篇负面报道里的负面措辞。

这暴露了GEO实践中的三个理论错位：

第一，把“被引用”等同于“被正面引用”。 传统公关讲的是“曝光即正面”的朴素逻辑，但AI引用的语境是自动拼接的，它可能抽取你品牌名附近的任何语义片段。把关人理论早就告诉我们：通过关口的内容，其框架意义可能被渠道重新定义。

第二，忽视“把关标准”的黑箱性。 编辑的选题标准可以访谈、可以归纳，但AI的引用权重是千亿参数中的隐变量。你只能做相关性检验，不能做因果推断。

第三，混淆了“内容优化”与“关系建设”。 传统把关人理论中，信源与把关人存在长期博弈关系。GEO目前几乎没有“关系”维度，全是内容维度的军备竞赛。

我的判断依据

我坚持认为GEO需要系统研究，不是因为它新，而是因为它把把关人理论从可观测的、离散的决策场景，推向了不可观测的、连续的语义空间。这是理论适用边界的一次重大扩展。

如果拿大众传播的效果研究谱系来类比，现在的GEO实践大致处于“魔弹论”阶段——觉得只要内容结构对了，AI就会引用。但传播学早就走过了这个阶段，我们知道有限效果论、使用与满足、框架理论都在提醒我们：效果从来不是单向的。

所以我的建议是：做GEO的团队，不要只盯着技术指标，回去翻翻传播学经典教材。把关人理论、议程设置理论、沉默的螺旋，这些框架能帮你少走很多弯路。

最后抛一个问题给大家：你们在GEO实践中，有没有遇到过AI引用你的内容，但语义框架完全偏离你原意的情况？这种“把关扭曲”你们是怎么处理的？