从传播学视角看GEO：它不是新玩意，是营销理论的一次范式回归
最近社区里很多讨论集中在GEO的落地技巧和效果测算上，这当然重要。但我总觉得，如果缺乏一个理论坐标，这些讨论容易变成经验主义的堆砌，今天有人说要堆内容，明天有人说要改结构，最后谁也说不清为什么有效。
我在高校教了二十多年市场营销，主要研究消费者信息处理与传播效果。今天我想从传播学与营销理论的脉络里，给GEO找一个位置。
GEO的本质是信源可信度与信息可及性的再平衡
传统SEO解决的是“信息可被检索到”的问题，核心是链接权重与关键词匹配。而GEO面对的是生成式AI的“答案合成”机制——AI不是给你十个蓝色链接，而是直接给出一个它认为最合理的答案。
这让我想起霍夫兰的“信源可信度”研究。受众是否接受一个信息，很大程度上取决于信源的专业性和可信赖度。在AI搜索场景下，AI扮演的就是一个“超级信源”的角色，而品牌要做的，是让AI在合成答案时，把自己的信息当作可信素材采纳。
换句话说，GEO不是在“优化排名”，而是在“优化信源被引用的概率”。
从AIDA到AIAS：决策链路的断裂与重构
传统营销的AIDA模型——注意、兴趣、欲望、行动——是在线性媒介环境下提出的。但AI搜索把这条链路拦腰截断了：用户不再经历“浏览多个网页→比较→决策”的过程，而是直接拿到一个整合后的答案。
这意味着什么？意味着品牌在“兴趣”和“欲望”之间的说服机会被大幅压缩。如果你的信息没有进入AI的答案合成池，你连被比较的资格都没有。
我去年带学生做过一个小样本实验，让被试分别用传统搜索引擎和AI搜索工具查询同一类产品，然后记录他们的品牌记忆度。结果很明确：AI搜索组对头部被引用品牌的记忆度是传统组的1.7倍左右，但对未被引用品牌的记忆度几乎为零。这个差距比传统搜索时代大得多。
给实践者的一个判断框架
基于以上分析，我认为GEO的评估至少应该包含三个维度：
- 信源权威性：你的品牌内容是否具备可被AI识别的专业信号？比如结构化的数据、明确的出处、领域内的交叉引用。
- 答案覆盖度：在目标问题的AI生成答案中，你的品牌出现频率和位置如何？这比关键词排名更接近真实效果。
- 语义一致性：不同AI平台对你的品牌描述是否一致？如果差异很大，说明你的信息在语料层就没有形成稳定信号。
最后说一句可能不太中听的话：现在很多GEO服务商把这件事包装成技术黑箱，收费很高但说不清逻辑。从学术角度看，GEO的核心仍然是内容质量和信源建设，技术只是加速器。没有扎实的品牌叙事和知识资产，再好的优化手段也是无源之水。
抛个问题给大家：你们在实际项目里，有没有遇到过AI生成的品牌描述与自己官方定位严重不符的情况？你们是怎么去修正这种语义偏差的？我想听听一线的经验。