从 GEO 热潮到冷静转身:一个半月调研带来的七条实战笔记

——写给正在考虑 AI 搜索优化的你

AI 搜索示意图

作者按:过去十五天,我把市面上所有能找得到的 GEO(Generative Engine Optimization)团队聊了一遍,也亲手跑了十来个真实客户案例。结论很简单:纯做 GEO 产品创业,现在还不是时候。以下内容全部来自一手调研,没有外部引用,也没有夸张包装。如果你正打算把营销预算挪到 AI 搜索上,不妨先读完这七条笔记。


1. 把概念先聊透:GEO 与 SEO 到底差在哪?

维度 传统 SEO(Google、Bing) GEO(ChatGPT、Gemini 等 AI 搜索)
目标 让网页在搜索结果靠前 让网页在 AI 回答里被提到
抓取方式 爬虫抓取 + 索引 大模型预训练 + 在线检索
排序信号 关键词密度、外链、速度 语义相关度、信息简洁性、品牌出镜率
优化抓手 标题、描述、H 标签 可读段落、FAQ、llms.txt

一句话总结:SEO 追求“排名”,GEO 追求“被提到”。二者核心都是提升被发现率,但手段和衡量标准已经分化。


2. 产品化困境:为什么市面上没有“一招鲜”的 GEO SaaS?

过去两周,我测试了 7 家付费平台,订阅价全部落在 200–400 美元/月 区间,功能却出奇一致:

  1. 趋势监测:用自研或半公开接口,反向估算 ChatGPT、Gemini 的“提及率”。
  2. 网站优化:给出“信息密度评分”,提示你在 H2 下加 3 行 FAQ,或把长段落拆成子弹符号。

除此之外,没有惊喜。原因有三点:

  • 算法黑箱:大模型不会公布权重,任何“模拟”都只能是概率逼近,客户很难感知差异。
  • 效果难归因:你无法证明 7 月环比 6 月流量上涨 18% 是因为用了某款工具,还是市场本身回暖。
  • 续费天然脆弱:一旦客户觉得“好像没效果”,第二个月就会砍掉预算,流失率远高于传统 SaaS。

因此,真正赚得到钱的团队,基本都退回到“人工服务”:

  • 代写结构化 FAQ
  • 批量生成 llms.txt
  • 按月出“品牌提及率”报告

这些生意现金流不错,但天花板肉眼可见,且高度依赖“请客吃饭”式销售,与 VC 喜欢的“可扩张模型”南辕北辙。


3. 两条唯一被验证的需求

如果一定要在产品里做功能,就锁定这两条:

3.1 趋势监测:用外部手段“猜”大模型在想什么

  • 技术实现:把目标关键词喂给 ChatGPT 与 Gemini,记录返回里出现客户品牌的次数与位置,再跑回归模型估算“权重”。
  • 交付形式:周报或月报,格式示例:
关键词 品牌提及次数 平均位置 环比变化
低代码平台 12 3.4 +2
无代码开发 5 6.1 -1
  • 难点:样本量必须够大,否则波动会把客户吓跑;还要持续更新 prompt,防止模型版本升级导致数据跳变。

3.2 网站优化:让 AI 一眼看懂你

  • 信息简洁性因子:大模型在实时检索阶段,会优先抓取“能在 512 token 内讲清楚”的片段。
  • 落地方法:

    1. 每个核心页面增加 3–5 条 FAQ,直接回答“谁适合用、多少钱、如何开始”。
    2. 使用有序列表描述复杂流程,减少长段落。
    3. 在根目录放置 llms.txt,写法参考 robots.txt,但列出最重要 5–7 条 URL 及一句话摘要。
  • 早期红利:目前 ChatGPT 官方插件会在检索结果里优先引用 llms.txt 中的 URL,实验站点在两周内“被提到率”提升 2–3 倍。
llms.txt 示例

4. 玩家地图:谁在牌桌上、谁已经悄悄离席?

类型 资金来源 现状观察
无融资 SEO 老炮 自有资金 把 GEO 当增值模块卖,单客十万级,活得滋润但长不大
天使轮“实验队” YC、A16Z 等 更像大厂生态合作,换流量而非独立 IPO
传统营销集团 不披露 内部孵化小团队,对外叫“AI 增长中心”,实际还是卖咨询

一句话:现在还没有出现只靠 GEO 单一产品就能年收过亿的公司。


5. 估值迷思:为什么万亿美元故事讲不通?

早期我也被“GEO 就是下一个 Google”的叙事打动。

  • 假设 AI 搜索未来接管 30% 流量,GEO 市场等于再造一个 SEO 行业,千分之一份额就是十亿美元。
  • 但逻辑漏洞在于:新时代的 Google 是 AI 搜索本身,而 GEO 只是新时代的 SEO——一个依附层,而非平台层。

把 SEO 历史翻出来看,你会发现:

  • 2000 年 SEO 工具公司市值总和 < Google 市值的 1%。
  • 同理,2030 年 GEO 工具公司市值大概率 < OpenAI 或 Gemini 母公司的 1%。

所以,纯 GEO 产品公司估值天花板天然受限,除非能横向扩展到广告、交易、数据平台,否则 VC 很难继续加码。


6. 国内市场现状:水帖与“代运营”仍是主流

与海外相比,国内连像样的监测工具都少见。多数团队沿用老路径:

  • 在知乎、小红书、CSDN 发“测评”软文,增加品牌曝光量。
  • 用脚本把同一答案批量提交给不同大模型问答入口,提升命中概率。
  • 按条计费,一条回答 50–200 元,客户多为教育、医疗、金融等高客单价行业。

效果确实有——毕竟中文语料相对稀缺,大模型很容易把新内容当作“新证据”。但过程毫无技术美感,也很难规模化。


7. 我的下一步:回到视频,把 GEO 当作调味剂

2021 年 OpenAI 发布 CLIP 后,我们内部训过一个 Video-CLIP,可惜当时硬件太贵,商业场景也不成熟。
现在成本降到原来的十分之一,且大模型开始支持多模态检索,我想重新验证:

  • 用 GEO 方法优化视频元数据(标题、字幕、章节),让 AI 问答里更频繁地引用我们的片段。
  • llms.txt 升级为 video-llms.txt,专门列出视频关键帧描述与时间戳。
  • 最终目标不是卖 GEO 工具,而是用“可被 AI 搜索到”的优质视频内容,带动自有会员业务。

换句话说,GEO 不再是全部,而是视频业务的一道护城河


附录:如何立刻动手试验

A. 5 分钟生成你的第一条 llms.txt

# llms.txt 示例
# 放置于 https://yourdomain.com/llms.txt

User-agent: *
Allow: /
# 最重要的 3 个页面
https://yourdomain.com/product  一句话描述:低代码平台,最快 10 分钟上线内部系统。
https://yourdomain.com/pricing  一句话描述:按席位计费,每月 29 美元起。
https://yourdomain.com/docs     一句话描述:公共 API 文档,支持 Webhook 与 SDK。

B. 用免费脚本跑第一次“品牌提及率”监测

以下示例用 Python 3.10 + OpenAI 官方库,每月可免费跑 500 次左右查询:

import os, openai, itertools, pandas as pd
openai.api_key = os.getenv("OPENAI_API_KEY")

keywords = ["低代码平台", "无代码开发"]
brand = "YourBrand"
prompt_tpl = "请列出 5 个值得推荐的{},并用一句话说明理由。"

records = []
for kw in keywords:
    resp = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": prompt_tpl.format(kw)}]
    )
    text = resp["choices"][0]["message"]["content"]
    mention = 1 if brand in text else 0
    records.append({"keyword": kw, "mentioned": mention})

df = pd.DataFrame(records)
print(df.groupby("keyword")["mentioned"].mean())

把结果写进 Google Sheets,四周后就能画出第一张环比图。


写在最后

如果你读到这里,还记得开头那张 AI 搜索示意图,那么我们已经完成了一个完整循环:

  • 先用外部工具监测“被提到率”;
  • 再用结构化内容提升“被提到率”;
  • 最后把 GEO 作为更大业务版图里的一个模块,而不是孤注一掷地 All in。

愿这份半月调研笔记能帮你省下一笔学费,也祝你在 AI 搜索的浪潮里,找到真正属于自己的船票。