1、GEO：What、Why、How

摘要
大模型基于RAG更新优化，GEO应运而生。我们认为搜索引擎类图书管理员角色，通过爬虫索引，基于关键词和外链将信息排序，提供“链接列表”。用户需自行点击、阅读并综合判断，广告主争夺的是Top 10排名；生成式引擎类研究分析师角色，利用RAG技术抓取多源信息，通过大模型语义理解与合成，直接输出单一、连贯的答案，广告主争夺的是Top 3曝光度。GEO本质是大模型的逆向工程，通过探索大模型的“喜好”（例如统计数据植入、权威信源等），使其更容易获取、理解并输出特定数据。GEO空间远大于SEO。我们认为SEO市场规模提升基于以下乘数效应：1）流量入口发生迁移，ChatGPT、Gemini等AI助理渗透率快速提升；2）流量价值提升。AI搜索用户意图更明确，解决问题需求更强。生成式引擎像“老师”直接指导答案，短期无广，远期或与自然内容融合，因此用户信任度更高；3）随数据归因打通，TAM从广告主的“品牌预算”走向“效果预算”。远期或出现概率拍卖的商业模式，广告商不仅争夺固定广告位，也争夺“大模型输出文本的概率分布”，在不损害回答质量的前提下，让品牌自然融入AI的回答中。如何布局？上游：数据供应与授权层。高质量数据源（白皮书、KOL、社区内容）是确立品牌权威性的关键，品牌需付费确保内容进入优质数据集。建议关注：值得买、视觉中国、人民网、新华网、知乎（美股）、Reddit（美股）等有数据优势的公司。中游：生成式引擎基础设施层。我们认为大模型远期有望占据产业链核心地位。建议关注：阿里、百度、MiniMax、OpenAI（海外）、Google等。下游：智能工具与追踪分析层。这些公司填补了市场空白，代表企业如海外的Profound。建议关注：汇量科技、易点天下、迈富时等具备技术禀赋的公司。下游：配套服务层。其优势和壁垒在于深耕行业和良好的客户基础。建议关注：蓝色光标、利欧股份、引力传媒、思美传媒、浙文互联等。风险提示：模型技术迭代速度不及预期、政策监管趋严、竞争加剧。
1、GEO：What、Why、How
2、空间及商业模式
3、产业链四环节及投资机会
4、风险提示
1. GEO：What、Why、How
What：GEO——对大模型商业性内容输出概率的争夺特征维搜索引擎优化(SEO)答案引擎优化(AEO)生成式引擎优化(GEO)核心目提升在SERP中的排名位置争取语音助手或精选摘要的直接回答确保存入大模型的知识库或被RAG实时引用流量模点击驱动（Click-Through）零点击（Zero-Click）为主引用驱动与品牌心智植入（Impression & Citation）技术重关键词密度、外链数量、技术SEO结构化数据(Schema)、Q&A格实体关联度、事实密度、引文价值、向量空间对齐目标系确定性索引算法(Deterministic)提取式系统(Extractive)概率性生成模型(Probabilistic LLMs)成功指流量、排名、转化率语音被读出、摘要位置引用份额、情感倾向、归因转传统 SEO（Web 2.0）充当图书管理员角色——信息排序。它们通过爬虫索引网页，根据关键词匹配度和外链权威性进行排序，最终向用户展示一个链接列表（SERP）。用户需要自行点击链接、阅读内容并综合信息。生成式引擎充当的是“研究分析师”的角色——输出报告。它们利用检索增强生成（RAG）技术，实时抓取多源信息，通过大模型的语义理解能力进行合成，直接向用户输出一个单一、连贯的自然语言答案。总结：GEO 是一种通过优化内容结构、语义密度和权威性，旨在提升内容在 AI 生成结果中可见性与被引用率的技术——对大模型商业性内容输出概率的争夺• 关键差异： SEO 争夺的是 Top 10 的“排名”；GEO 争夺的是 Top 3 的“被包含”（Inclusion）。• 竞争态势： 由于引用名额极少，呈现极强的“赢家通吃”特征。• GEO不仅关注内容能否被检索到，更关注内容是否具备被大模型“理解”并“重组”的价值。优化策略与数据支撑大模型偏好：AI 偏好“高事实密度”（Fact-Dense）的内容。具体手段包括增加统计数据、权威引文、清晰的逻辑结构。商业现状与未来演变路径： 从 PC 时代到 AI 时代，媒介在变，但“精准曝光”的商业本质未变。市场验证： 目前百度搜索广告技术栈中，约 40% 已转型为 GEO 相关技术。图：2025年单次Prompt AI平均推荐品牌数量（个）表：SEO、AEO与GEO对比Why：GEO如何实现效果——一切都是因为有RAG核心挑战：AI引擎的“黑盒”属性不同于SEO提供的透明工具（Google），AI引擎（OpenAI, Anthropic）隐藏了算法权重。GEO本质上是逆向工程。AI引擎（Black Box）大模型基座RAG知识库向量数据库AI搜索原理GEO底层逻辑GEO策略语义分发分布式索引多级缓存……内容包装将客户内容包装成符合AI胃口（Attention机制/权重分布）的形
1.检索阶段
用户向量空间从词法到语义AI搜索依赖语义向量空间匹配。即使文档中未出现关键词，只要语义距离相近，也会被检索。分块策略AI不会读取全网所有长文，而是读取切分后的“块（Chunk）”。
2.增强阶段
重排序模型Reranker语义相关性权威性时效性信息熵核心打分维度上下文窗口昂贵且有限内容需高信息密度，避免形容词堆砌、营销废话和过渡句。
3.生成阶段
LLM上下文（合成答案）Top候选归因生成 &对抗幻觉（RLHF）引用偏好偏好于优先采纳包含规范引用的内容带有引用的答案GEO技术原理：基于RAG的三个阶段GEO业务流程案例第一阶段：AI可见性审计与分析• 在六大主流平台模拟提问（如针对品牌下的10个产品进行100次提问）。• 分析品牌在AI中的排名、内容时效性及准确性（是否存在过时或错误信息）。• 输出诊断报告，确定急需优化的产品及表现良好的产品。第二阶段：意图图谱构建与策略制定• 梳理用户典型问法和意图分布（区分高流量问题与高转化率问题）。• 竞品分析： 分析在特定问题下，竞品与自身品牌的排名对比、AI回答中提及的优劣势。• 目标设定： 确定优化周期、内容矩阵规划、关键词优先级排序及KPI（达成何种内容呈现）。第三阶段：内容建设与分发• 内容生产： 基于问答矩阵生产结构化内容。• 语义标注（关键）： 对内容进行语义标注和E-A-T（专业性、权威性、可信度）优化，使大模型能“听懂”。• 多平台分发： 根据甲方需求和模型偏好（如有的模型偏向党央媒，有的偏向自身生态）进行分发。第四阶段：持续监测与迭代• 利用系统模拟真人提问，采集大模型回复数据。• 分析排名与效果，调整优化策略，形成循环迭代。表：GEO具体流程示意图How：如何构建GEO核心能力#GEO公司的核心能力构建• 用户意图洞察： 基于搜索引擎经验，理解用户如何提问以及期待什么样的答案（AI回复需经过多次交互才能达到用户满意，需理解这一过程）。• 文章结构与语义理解： 必须使用AI能理解的语言结构（如明确实体名称、时间、地址等），做好数据标注。• 平台权重分析： 识别不同大模型偏好哪些媒体源（权威性高、权重高），通过系统监测AI引用来源占比，降低人工试错成本。#行业公司类型及能力差异• 第一类（纯软件/自动化）： 利用软件自动在免费平台（百家号、搜狐号等）大量生成并发布AI文章。无法承诺效果，属于“一锤子买卖”。• 第二类（人工+半自动化）： 人工撰写或修改内容并发布，比较负责，但缺乏系统监测，不知道各平台对AI友好度的实时变化（如某平台可能因内容泛滥被降权）。• 第三类（Agent+系统监测）： 训练自己的Agent（智能体），能生成符合AI结构的内容；拥有实时监测系统，能根据平台友好度变化（如某月A平台好，下月B平台好）动态调整分发策略。
2. 空间及商业模式
空间：GEO增速↑ ↑ ↑ =流量占比↑*AI流量价值↑*归因能力↑结论：GEO空间>>SEO空间；GEO增速↑ ↑ ↑ =Chatbot/Agent流量占比↑*AI流量价值↑*归因能力↑①Chatbot/Agent流量占比↑流量入口发生根本性迁移：模型能力↑Agent体验↑AIGC使用率↑：近2/3的用户使用LLM服务来回答问题，而1/3的用户将其视为工作助手；抖音快手平台内容中约30%涉及AI生成②AI流量价值↑使用AI进行搜索的用户往往带有更明确的意图和更强的问题解决需求，流量单位价值高AIGC信任度↑：已有超过8成用户通过AI获取消费信息，近35%消费者每日高频互动；用户选择AI是因为目前AI界面无明显“广告”标识，信任度较高零点击搜索占比↑：随Google AI Overviews的推出，大量简单查询直接在搜索结果页得到满足。企业被迫从争夺“点击”转向争夺“品牌曝光”和“心智植入”③归因能力↑现状：GEO目前难以精准归因（数据链断层，无法像SEO那样直接跳转购买（超链形式）），因此主要占用品牌的“品牌预算”而非“效果预算”，价值量相对较小。随数据归因打通，GEO价值将超过SEO。因为AI直接影响用户决策，且体验优于传统搜索May-23Oct-23Mar-24Aug-24Jan-25Jun-25Nov-25豆包DeepSeek文心元宝KimiQwen Chat智谱清言MiniMaxSep-21 Apr-22 Nov-22 Jun-23 Jan-24 Aug-24 Mar-25 Oct-25ChatGPTGoogle GeminiDola: Sebelumnya CiciMicrosoft CopilotPerplexityGrokMeta AIClaude图：Chatbot类app月活（百万人）图：2025Q2用户行为调研结果商业化展望：模式上，LLM原生广告与“概率拍卖”的可能性#现状目前的AI广告形式仍带有传统搜索广告的影子，主要表现为在AI生成的答案周边“硬插入”广告位。Perplexity的“赞助后续问题”： 用户询问“最好的跑鞋”，AI回答后，系统会推荐一个赞助问题“Nike最新的跑鞋有哪些科技突破？”品牌方购买的是这个提问的引导权，但回答内容仍由AI生成。Google AI Overviews广告： 在AI生成的摘要上方或下方展示传统的购物广告（Shopping Ads）。这是一种割裂的体验，广告与内容是分离的。#未来：LLM原生广告与“概率拍卖”LLM-Auction（大模型拍卖）未来的广告拍卖将不再是争夺一个固定的“广告位”，而是争夺大模型输出文本的概率分布。机制原理： 广告商对特定的“概念”（如“高性能笔记本”）进行出价。当用户提问相关问题时，LLM会在后台进行一次拍卖。IRPO算法 (Iterative Reward-Preference Optimization)： 这是一种迭代式的奖励偏好优化算法。它不仅考虑广告商的出价，还引入了一个“用户体验奖励模型”。如果强行插入广告导致回答质量下降，系统会降低该广告的展示概率。结果： 广告不再是突兀的链接，而是自然地成为回答的一部分。例如，在回答“如何制定旅行计划”时，AI可能会说：“你可以考虑使用Expedia来比价，因为它提供……”这里的品牌提及就是通过概率拍卖赢得的“原生广告”。图：LLM拍卖原理示意图商业化展望：一些新的需求#一系列全新的业务需求和软件产品：品牌安全与幻觉审计平台 (Brand Safety & Hallucination Auditing)需求： 在原生广告中，品牌方付费让AI“写”广告。如果AI在生成过程中产生“幻觉”，比如虚构了产品功能或给出了错误的参数，将给品牌带来巨大的法律风险。新产品机会： 实时生成内容审计系统。这种软件类似于现在的Brand Safety工具，但它需要在AI生成的毫秒级时间内，利用一个小模型（Oracle Model）核对生成内容与品牌事实库（Fact Sheet）的一致性，确保“零幻觉”投放。概率归因与影响力衡量系统 (Probabilistic Attribution Modeling)需求： 当广告融入文本且没有直接点击链接时，如何证明广告效果？传统的“最后点击归因”失效。新产品机会： 增量影响力归因模型。基于统计学和因果推断，通过分析“AI提及率”的波动与品牌自然流量、搜索量之间的相关性，来衡量原生广告的价值。Relixir目前的尝试是一个开端，但未来需要更复杂的数学模型。“可引用性”评分与优化引擎 (Cite-Worthiness Scoring Engine)需求： 为了在有机结果或低成本广告中胜出，内容必须极度符合AI的胃口。新产品机会： AI阅读理解模拟器。这种工具不是检查SEO关键词，而是模拟GPT-5或Claude的阅读逻辑，对内容的“信息密度”、“实体清晰度”、“逻辑自洽性”进行打分，并自动重写为“AI易读”的格式。Sight AI已经在做类似的尝试。代理式商务中间件 (Agentic Commerce Middleware)需求： 广告的终极目标是交易。未来的AI广告不仅是展示，而是直接执行。新产品机会： 品牌代理中间件（Brand Agent Middleware）。这是一种连接品牌电商后台（如Shopify, Salesforce）与大模型上下文窗口的API服务。它允许AI在对话中直接调用库存、价格信息，甚至完成下单。Microsoft Copilot Checkout就是这类基础设施的雏形。#现有探索案例Microsoft: 推出了Copilot Checkout，允许用户在对话中直接购买商品，并在Shopify商家端推出了“Brand Agents”，让商家训练自己的AI代理来接管对话。Atomic AGI: 正在开发针对AI可见性的综合操作系统，试图整合分析与优化，虽然尚未完全实现上述愿景，但方向一致。Relixir: 通过将访客识别与CRM结合，实际上正在构建一种新型的归因和转化基础设施。
3. 产业链四环节及投资机会
上游：数据供应与授权层——早期有望率先受益这是GEO产业链中最新涌现且至关重要的一环。大模型的训练需要海量的高质量数据，而优质数据的拥有者正在成为产业链的权力中心，高质量数据（白皮书、KOL推荐、社区内容）是确立品牌权威性的关键。核心功能： 为大模型的预训练（Pre-training）和微调（Fine-tuning）提供合法、高质量的语料库。主要玩家：Reddit: 与OpenAI签订了价值6000万美元的数据授权协议，同时也与Google有类似合作。Reddit的论坛讨论数据包含了人类真实的对话逻辑和观点碰撞，是训练大模型推理能力的“黄金数据”。新闻出版集团： 如News Corp、Axel Springer等，正在将其新闻档案授权给AI公司。GEO视角： 对于品牌而言，“数据授权优化”可能成为GEO的一部分。即品牌如何确保自己的内容（如白皮书、技术文档）进入这些被授权的高质量数据集，从而从源头确立在大模型中的权威地位。这也解释了为什么在Reddit等高权重社区进行内容运营（Digital PR）成为GEO的关键策略之一。建议关注： 值得买、视觉中国、人民网、新华网、知乎（美股）、Reddit（美股）等有数据优势的公司。图：OpenAI与Reddit合作中游：生成式引擎基础设施层——尚未有明确广告标准及商业化产品这一层是流量的分配者和规则的制定者，相当于传统搜索时代的Google和Baidu。主要玩家：OpenAI (ChatGPT/SearchGPT)：根据Sensor Tower数据，其占据了AI搜索市场的绝对主导地位，截至2026年1月拥有超过50%的市场份额。其SearchGPT产品直接挑战传统搜索。Google (Gemini/AI Overviews)：正在将其搜索业务全面AI化。其AIOverviews功能已覆盖全球100多个国家，对传统SEO流量造成巨大冲击。Perplexity AI: 标榜为“答案引擎”，以其精准的引用和学术风格著称，是GEO从业者研究引文算法的重点对象。Perplexity作为一家AI搜索引擎公司，本身也是GEO行业的重要参与者。作为平台：它的引用算法极其透明，是GEO从业者测试优化策略的最佳“沙盒”。作为广告商： Perplexity正在构建自己的广告网络，其推出的“赞助问题”（Sponsored Questions）为GEO行业提供了一个除了“有机优化”之外的“付费捷径”。Microsoft (Copilot/Bing): 深度整合OpenAI技术，并正在探索通过Copilot直接完成购物（Agentic Commerce）的商业模式。Anthropic (Claude): 以长文本理解和安全性见长，在B2B分析领域具有影响力。代表公司： 阿里、百度、MiniMax、OpenAI（海外）、Google等。图：AI overview的渗透率持续增长根据我们2026年1月测试结果，各平台GEO偏好存一定差异：DeepSeek：变化： 此前注重时效性，12月更新后时效性权重有所降低，权威性权重显著提升（党央媒、知名垂类网站）。特点： 对“白皮书”非常友好。豆包（字节系）：生态壁垒： 字节系生态（今日头条、抖音）权重较高。策略： 优化豆包必须重视头条系内容的发布。腾讯元宝： 类似豆包，高权重给予微信生态（公众号、视频号、知乎等）。通义千问等： 也会受到DeepSeek开源技术（深度思考模式）的影响，但各家仍保留部分生态偏好。Perplexity： 关注学术性、事实准确性和信源质量。Google (SGE/AI Overviews)： 结合传统SEO基础，核心页面的传统排名依然重要，偏好高知名度网站。ChatGPT (Search)： 关注对话流畅性，以及内容在社区/论坛中的讨论度（伙伴生态）。中游：生成式引擎基础设施层——尚未有明确广告标准及商业化产品下游：智能工具与追踪分析层——巨头的工具，还是第三方的生意？由于传统SEO工具（如Semrush, Ahrefs）在初期未能有效覆盖生成式AI的追踪需求，一批原生的GEO SaaS公司迅速崛起，填补了市场空白。核心功能： 监测品牌在各大模型中的可见性（Share of Voice）、情感倾向、被引用的频率以及具体的引用来源。互补关系： 大模型厂商（如百度、谷歌）通常不会自己做GEO业务（避免既当裁判又当运动员，且需要外部数据源）。内容生态： 大模型需要高质量数据，排斥垃圾内容。优质的GEO公司提供高质量、结构化的内容，与大模型是合作共赢关系；生产垃圾内容的GEO公司会被淘汰。代表性玩家：Profound：定位： 企业级GEO情报平台，被誉为该领域的“彭博终端”。核心能力： 提供跨10+个主流模型的实时可见性追踪。其特点是能够捕捉前端用户实际看到的生成结果，而非仅仅依赖API预测。它强调企业级合规（SOC 2 Type II），主要服务于大型企业和受监管行业。独特指标： 答案份额（Share ofAnswer）、情感评分。技术壁垒： Profound不依赖于大模型的API（因为API输出可能与网页端实际输出不同），而是模拟真实用户的前端交互来抓取数据。这使得其数据更具参考价值。商业模式： 典型的SaaS订阅模式，起步价较高（499美元/月），针对企业客户提供定制化服务。市场策略： 强调合规与安全，通过SOC 2认证，成功切入金融、医疗等高门槛行业。图：Profound定价体系Relixir：定位： 结果导向的营收归因平台。核心能力： 解决了GEO最大的痛点——归因。它利用专利的访客识别技术（VisitorID），能够识别从AI引擎点击进入网站的匿名用户，并将其与CRM系统（如HubSpot）对接，实现从“AI提及”到“销售线索”的闭环追踪。据称其识别率是传统工具的3倍。Relixir切中了营销人员最关心的“ROI”痛点。在流量来源变得模糊的AI时代，Relixir通过技术手段“去匿名化”。技术壁垒： 专有的访客指纹识别脚本，能够跨会话追踪用户，并在用户未登录的情况下识别其企业身份（针对BB场景）。生态整合： 深度集成Apollo、HubSpot等销售自动化工具，实现了从AI搜索到自动发邮件序列（Sequencing）的无人化营销流程。Peec AI：定位： 面向中端市场和代理商的灵活追踪工具。核心能力： 采用“即付即用”（Pay-as-you-go）的钱包模式，降低了入场门槛。提供“建议提示词”（Suggested Prompts）功能，帮助用户发现应当追踪的问题。Sight AI / Goodie AI：定位： 优化与执行工具。核心能力： 不仅提供监测，还提供具体的优化建议。例如，Sight AI内置了内容编辑器，可以根据AI的喜好对文章进行打分，建议增加数据或调整结构以提高“可引用性”。建议关注：汇量科技、 易点天下、迈富时等具备技术禀赋的公司。图：Peec AI界面下游：智能工具与追踪分析层——巨头的工具，还是第三方的生意？配套服务层：代理商与咨询机构——与软件工具有合流趋势随着技术门槛的提高，专业的GEO服务机构应运而生。核心功能：为企业提供GEO策略制定、技术整改、内容重构和数字公关服务。主要玩家：Siege Media: 专注于高端内容创作，旨在通过高质量内容获得AI引用。Go Fish Digital: 擅长企业级技术SEO与GEO的结合，利用数据分析解决大规模网站的AI抓取问题。First Page Sage: 专注于B2B领域的“思想领导力”建设，通过发布深度白皮书和行业报告，使其成为大模型训练数据的首选来源。Onely: 具有深厚的技术背景，特别是对Bing/Copilot算法有深入研究，提供基于真实用户对话分析的服务。建议关注： 蓝色光标、利欧股份、引力传媒、思美传媒、浙文互联等。图：高质量AI认知是持续的系统性工作
4. 风险提示
风险提示➢模型技术迭代速度不及预期的风险：模型发展可能面临技术难题、高昂研发成本以及人才短缺问题。若模型技术迭代放缓，将影响AI应用落地节奏➢政策监管趋严的风险：AI技术应用存伦理和法律问题。若政策监管趋严，或影响公司业务发展➢竞争加剧的风险：竞争加剧或影响公司盈利水平东吴证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。本研究报告仅供东吴证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议，本公司及作者不对任何人因使用本报告中的内容所导致的任何后果负任何责任。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。在法律许可的情况下，东吴证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易，还可能为这些公司提供投资银行服务或其他服务。意见及推测不一致的报告。本报告的版权归本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制和发布。经授权刊载、转发本报告或者摘要的，应当注明出处为东吴证券研究所，并注明本报告发布人和发布日期，提示使用本报告的风险，且不得对本报告进行有悖原意的引用、删节和修改。 未经授权或未按要求刊载、转发本报告的，应当承担相应的法律责任。本公司将保留向其追究法律责任的权利。