从传播学视角看GEO：一次课堂实验揭示的认知偏差

最近在给研究生上《数字营销前沿》课，我设计了一个小实验，想验证一下GEO（生成引擎优化）在信息传播链条中的实际作用。结果有点意思，也让我对现在市面上很多GEO教程产生了怀疑。

先交代背景。实验很简单：我让两组学生分别扮演“潜在消费者”，A组通过传统搜索引擎（百度/Google）获取某款小众护肤品的品牌信息，B组直接向AI助手（我用的是Kimi和文心一言）提问“XX品牌怎么样”。两组的信息源都来自同一个品牌官网和几篇第三方评测，只是呈现方式不同——官网内容做了结构化数据标记（Schema），第三方评测也做了FAQ问答对优化。

结果A组平均用了4.2分钟找到关键信息，B组只用了1.8分钟。但诡异的是，B组对品牌的信任度评分反而低了15%。深入访谈后发现，AI回答虽然快，但很多学生觉得“像是广告”，因为AI输出的内容太规整、太“完美”了。而A组通过自己筛选、对比多个网页，反而产生了更强的“自主判断”错觉。

这个现象从传播学视角看，其实印证了霍夫兰的“信源可信度”理论——当信息由AI中介传递时，用户会启动更严格的“说服知识模型”，对内容动机产生怀疑。换句话说，GEO如果只追求“被AI引用”，而忽略了内容的“可验证性”和“对话感”，可能适得其反。

我看了社区里不少帖子，都在讲怎么让AI抓取、怎么堆结构化数据，这些技术层面没错，但很少有人讨论“AI中介传播”对用户认知的深层影响。比如，AI在回答时往往会把多个信源揉在一起，用户很难追溯哪句话来自官网、哪句话来自水军。这种“信源模糊化”是GEO区别于传统SEO的核心变量，但目前的优化策略几乎没考虑这一点。

再举个实际例子。我让一个做茶叶品牌的朋友试了试：把官网的产品故事从“大师匠心”改成“茶农自述+可查证的产地坐标”，同时在FAQ里加入“为什么我们的茶比别家贵30%”这种带风险的问题。三周后，AI回答里引用他们官网的比例从12%涨到34%，而且用户互动（比如追问“坐标在哪”）明显增多。这说明，GEO不只是技术活，更是内容叙事策略的调整。

当然，我的实验样本量小，结论不能过度推广。但至少提醒我们：GEO如果只盯着“排名”和“引用量”，可能会掉进“效率陷阱”——信息传递快了，说服力却弱了。

最后抛个问题：大家在实践中，有没有遇到过AI引用你的内容，但用户反而更不信任的情况？你们是怎么调整内容策略的？