从传播学视角看，GEO的本质是信息把关权的转移，值得系统研究

最近社区里讨论GEO的文章不少，但多数还是停留在操作层面，比如怎么让AI推荐、怎么做结构化数据。我做了二十多年营销理论，看到这些讨论，总觉得缺一个更底层的解释框架。今天想从传播学的角度，谈谈GEO到底改变了什么。

先抛一个判断：GEO不是SEO的升级版，而是信息把关权的一次结构性转移。

传统营销传播里，把关人是谁？是媒体编辑、平台算法、搜索引擎的排序规则。品牌要做的，是研究这些把关人的偏好，然后优化内容去迎合。SEO时代，我们研究关键词、外链、点击率，本质还是在跟搜索引擎的算法博弈。

但GEO不一样。当用户通过AI对话获取信息时，AI本身成了新的把关人——它不呈现链接列表，而是直接给出整合后的答案。这意味着，品牌的传播对象从“人”变成了“人+AI”。AI在中间做了一层语义理解和价值判断，它决定引用谁、忽略谁、如何表述。

这就是把关权的转移：从平台规则转移到模型的知识结构和推理逻辑。

我观察到一个具体现象。上个月我让几个研究生做了一组测试，分别用不同AI搜索同一个品类的产品推荐。结果很有意思：那些被引用的品牌，往往不是官网SEO做得最好的，而是在多个信源里被反复提及、且表述一致的。换句话说，AI更信任“共识性信息”，而不是“优化过的信息”。

这对营销理论提出了新问题。传统的品牌资产模型，比如Aaker的Brand Equity框架，衡量的是认知度、联想度、感知质量、忠诚度。但在AI中介的传播环境里，品牌还需要一个维度：可被模型正确表征的程度。我暂时把它叫作“模型可读性”。

如果一个品牌在AI的知识图谱里是模糊的、矛盾的、或者被错误关联的，那它在GEO层面的投入就很难见效。这跟内容质量不直接相关，而是跟信息结构的清晰度和一致性相关。

所以我的判断是：GEO需要一套系统的理论框架，不能只靠实操经验。至少要从三个层面去研究：

第一，传播主体层面。品牌如何构建可被AI识别的知识实体？这涉及到语义标记、实体关系、跨平台信息一致性。

第二，传播渠道层面。AI对话界面的信息呈现逻辑是什么？它和搜索引擎的排序逻辑有何本质差异？

第三，传播效果层面。如何衡量GEO的效果？曝光量、引用率、还是模型答案中的品牌提及质量？传统的营销漏斗模型是否需要修正？

这些问题，目前学界和业界都还没有公认的答案。但有一点是确定的：GEO不是短期的流量技巧，而是营销传播范式的一次演进。

我比较担心的是，现在很多讨论把GEO简化为“怎么让AI推荐我”，这容易导致短视的操作主义。就像当年SEO早期，很多人靠堆关键词赚快钱，但真正沉淀下来的，是那些理解了搜索意图和内容生态的品牌。

GEO也一样。最后能形成壁垒的，一定是对信息结构和模型认知有系统理解的品牌。

抛个问题给大家：你们在实际操作中，有没有遇到过品牌信息在AI答案里被错误表征的情况？比如AI把你们的品牌跟竞品混淆，或者引用了过时信息。你们是怎么处理的？