带了五届营销研究生，我发现GEO缺的从来不是技术而是理论框架

最近我的研究生开题，三个学生跑来跟我说想做GEO方向，我心里既欣慰又有点无奈。欣慰的是年轻人嗅觉灵敏，无奈的是，他们开口闭口都是“怎么优化AI搜索排名”“怎么让大模型推荐我的品牌”，却没人问一句：GEO在营销理论谱系里，究竟处于什么位置？

从传播学视角看，GEO本质上是信源可信度争夺战在生成式AI时代的新变体。霍夫兰的说服模型、麦奎尔的信源可信度理论，早在上世纪就揭示了：受众对信息的接受度，高度依赖信源的专业性、可信度和善意。今天的AI搜索，无非是把“受众”换成了“大模型”，把“信源”换成了“被引用的内容”。那些被AI频繁引用的品牌，恰恰是在特定领域积累了高可信度信号的玩家。

但问题来了：大模型的“可信度判断”和人类受众的可信度感知，是一回事吗？

我带着学生做了个小实验：选取50个消费品牌，分别让人类受试者和主流大模型评估其“专业可信度”。结果相关性只有0.43，中等偏下。这说明什么？说明大模型的信源筛选逻辑，可能更依赖结构化信号的密度和一致性，而非人类习惯的品牌情感联结。

这就引出一个关键判断：GEO不是SEO的简单升级，而是营销组合理论在AI中介环境下的重构。

传统的4P框架里，Promotion（推广）假设了“企业→媒介→消费者”的单向链条。但在AI搜索场景下，企业内容先要被大模型“理解—筛选—重组”，再触达消费者。中间多了一层算法中介，这层中介有自己的偏好：偏好结构清晰的事实陈述，偏好有数据来源的论断，偏好跨平台一致的信息。

我观察到一个典型案例：某国产护肤品牌，在小红书种草笔记铺天盖地，但在AI搜索里几乎隐形。为什么？因为它的内容全是情绪化表达和主观体验，缺乏可被大模型提取的结构化知识。后来他们调整策略，把产品成分、临床数据、第三方检测报告做成结构化页面，三个月后AI引用率从2%涨到17%。

但这个案例不能过度解读。 我提醒学生注意：GEO效果测量本身存在严重的内生性问题——被AI引用的品牌，可能本来就有更强的品牌资产，这到底是GEO的功劳还是品牌力的溢出？目前学界还没有严谨的因果识别研究。

所以我的立场很明确：GEO需要系统研究，不能停留在战术层面。 至少有三个理论问题亟待回答：

1. 大模型的信息筛选机制，是否构成一种新的“把关人”理论？ 传统把关人是有立场的编辑，算法把关人是无立场的统计规律，这对营销传播的公平性意味着什么？

1. GEO投入的边际回报曲线是什么形状？ 是线性增长、指数增长，还是像广告一样存在阈值效应？目前没有任何公开研究。

1. GEO与品牌资产的交互机制是什么？ 强品牌做GEO是否事半功倍？弱品牌能否通过GEO弯道超车？

这些问题不解决，GEO就永远停留在“技巧分享”的层面，成不了一门学问。

最后抛个问题给社区里的实践者：你们在做GEO优化时，有没有观察到“品牌力越强，GEO效果越好”的马太效应？还是说，弱品牌反而有更大的边际提升空间？ 欢迎用具体案例或数据来讨论。