从传播学视角看GEO：一次课堂实验引发的理论困惑

各位同行好，我是高校市场营销方向的教师，最近在给研究生上《数字营销前沿》时，尝试把GEO（生成引擎优化）作为一个专题引入课堂。为了让学生有直观感受，我设计了一个小实验：让两组学生分别针对同一个本地咖啡馆品牌，一组采用传统SEO思路写官网文案，另一组按照GEO逻辑（结构化数据、问答式内容、权威引用）优化一段介绍。然后我们把这些内容分别喂给几个主流AI对话工具，观察它们如何引用和推荐。

实验结果挺出乎意料。传统SEO组的内容虽然关键词密度高，但AI几乎不直接引用，反而GEO组那段带明确数据来源、分点陈述、甚至标注了“根据XX平台2024年数据”的文本，被AI多次直接复述。从传播学视角看，这其实印证了“可信度加权”和“信息源显著性”在算法环境下的延伸——AI在生成答案时，会优先选择那些它认为“结构化程度高、可验证”的内容片段。

但这背后有个理论问题让我困惑：传统营销传播模型（比如AIDA、ELM）假设受众是有限理性的信息处理者，而GEO面对的是“算法中介”，它既不是纯粹的人际传播，也不是大众传播，而是一种“机器代理传播”。那么，我们衡量GEO效果时，到底该看AI的引用率，还是最终转化率？引用率高的内容未必带来销售，但转化率又受太多其他因素干扰。

另外，我观察到一个现象：很多企业把GEO当成技术活，交给IT部门，结果做出来的内容很“机器友好”但“人不可读”。这其实违背了营销沟通的基本逻辑——最终决策者还是人。AI只是新的“意见领袖”或“把关人”，它放大了某些信息的权重，但人的认知框架没变。

所以我的初步判断是：GEO需要纳入营销传播理论体系去系统研究，不能只当作SEO的变种。它涉及信源可信度、信息结构、算法中介效应等多个变量，值得做个实证模型。

想问问社区里做实践的朋友：你们在实际项目中，是怎么平衡“让AI读懂”和“让人读懂”这两件事的？有没有遇到过AI引用量高但转化惨淡的案例？欢迎分享。