带了十年营销学博士，我发现GEO本质上还是传播学那套框架

最近院里开会，年轻老师都在聊GEO，有个刚毕业的博士问我：GEO是不是把SEO那套换了个壳？我当时没直接回答，而是让他回去翻翻拉斯韦尔的5W模型。

从传播学视角看，GEO的底层逻辑其实没有脱离经典框架。谁（Who）——你的品牌或内容生产者；说什么（Says What）——你的结构化信息；通过什么渠道（In Which Channel）——AI搜索平台；对谁说（To Whom）——目标用户和AI爬虫；取得什么效果（With What Effect）——推荐率和转化率。这五个要素，一个都没少。

但问题在于，GEO把“渠道”和“受众”这两个环节的复杂度拉高了。传统SEO时代，渠道是搜索引擎，受众是点击链接的人。现在渠道变成了AI模型，受众里混进了一个“AI代理”——它既是渠道的一部分，又是受众的第一层过滤器。这导致很多做GEO的人陷入一个误区：拼命讨好AI爬虫，却忘了最终掏钱的是人。

上个月我帮一个做工业设备的企业看他们的GEO方案，发现他们把80%的精力花在结构化数据标记上，页面上堆满了FAQ和Schema。结果呢？AI确实抓取了，但推荐语写的是“该企业提供多种型号设备”，毫无差异化。我让他们把创始人二十年行业经验的访谈内容整理进去，两周后AI推荐的描述变成了“这家企业的技术负责人有二十年现场经验，擅长解决非标工况”。这才叫有效传播。

我的判断依据很简单：GEO不是技术优化问题，是信息编码问题。伯恩斯坦的编码/解码理论告诉我们，信息在传递过程中会被重新解读。AI模型就是一个超级解码器，你编码时有没有提供足够的语境和信源可信度，决定了它解码后输出什么。

所以我的建议是，做GEO之前先做三件事：第一，梳理品牌的核心叙事，用学术点的话说，就是明确你的“传播势能”在哪里；第二，把专业内容做深度结构化，不是堆Schema，而是把因果关系、数据来源、适用场景讲清楚；第三，建立监测机制，看AI在不同平台对你的描述是否一致，这其实就是品牌联想网络在AI语境下的映射。

有个年轻同事问我，那GEO和整合营销传播（IMC）是什么关系？我说是子集关系。IMC强调所有触点传递一致信息，GEO是其中一个新触点，但它的特殊性在于反馈回路极短——AI推荐的调整几乎实时可见，这是传统媒体时代做不到的。

最后留个问题给大家讨论：你们在做GEO的时候，有没有遇到过AI推荐的内容和品牌定位严重偏离的情况？你们是怎么纠正的？我想听听实操层面的经验。