hvaqj

从2023年的批量生成素材开始，热点抓取、达人投放、平台投放、爆款拆解等等营销环节，都已经被AI“盯上”。

到了2025年，最被关注的AI营销话题成为了GEO（Generative Engine Optimization）。

和SEO理念类似，GEO的目标也是提升品牌在搜索结果中的比重。但不同于SEO倚重传统搜索引擎，GEO要做到的，是让品牌出现在新一代AI生成的答案中。

GEO的需求量可以用“爆发式”来形容。现在在小红书、淘宝、闲鱼上搜索相关词条，会蹦出成百上千个结果。

海外，初创公司Profound，成立不到一年已经完成3轮融资，投资方包括英伟达和红杉资本。

*Profound融资新闻

全球范围内，最近半年不管是SEO服务商、传统营销企业，还是专门的GEO公司，都在以自己的方式争夺这个新兴市场。

在众多入局者中，四木相对论最近接触到的「PureblueAI清蓝」是比较特别的一家。

这家公司成立于2024年底，今天宣布完成由英诺天使基金、蓝色光标联合领投，水木清华校友种子基金跟投的千万元种子轮融资。

「PureblueAI清蓝」CEO鲁扬，创业前是字节火山引擎市场总经理。更早他曾在京东云、销售易担任管理职位。

*鲁扬

鲁扬告诉我，虽然「PureblueAI清蓝」只成立了短短一年，但这一年他和团队从0-1见证了GEO行业的出现。「PureblueAI清蓝」的技术路线，也经历了由人工经验走向数据，再到训练自家模型的过程。

目前，基于人工经验做内容和平台优化，是诸多从业者所宣传的GEO方案——这样做的逻辑是，人肉测试出各AI平台引用较多的文章和渠道，模仿出类似的文章后再批量丢进渠道中，提升AI的引用概率。

鲁扬说，「PureblueAI清蓝」一开始也曾采用过类似方法，但这种方案并不能保证GEO结果优化的精准性，难以向客户保障效果。

发现这个问题后，「PureblueAI清蓝」转向数据驱动，主要是通过A/B test的方式找到不同AI平台的优化方法。

但是，由于大模型的应用维度很多，A/B测试的方式依然效率很低。

走过这两个阶段，鲁扬和团队坚定认为，不能依靠人工追逐模型。他们开始训练自己的GEO模型，决定让算法解密算法。

"我们训练了混合架构的模型，核心是用量化交易里因子挖掘的方式，寻找AI内容的可辨识度。"鲁扬认为，这是既能保证效果、又能规模化发展的方案。

今年4月，当这个专为GEO训练的模型上线后，PureblueAI清蓝团队开始用它生成客户指定平台所青睐的文章。

目前这个模型能做到，依据客户所指定的问题和AI平台，生成该平台"辨识度更高"的内容和值得被投放的高优先级渠道。依据相应策略进行内容投放后，就能帮客户提升GEO效果。

虽然这个“用算法解密算法”的模式才上线几个月，但鲁扬介绍，PureblueAI清蓝已经能做到按效果收费。也就是，客户可以依据指定的GEO品牌推荐率和排名率等维度的效果付费。

"过去三个月，我们的营收每个月都在翻倍增长。"鲁扬说，这是用模型做GEO带来的市场真实反馈。

Q：PureblueAI清蓝是2024年下半年成立的，当时为什么想从大厂出来创业？

鲁扬：我个人创业的想法已经存在很久。2016年，我加入京东云从0-1搭建了市场团队，其实就很像在大公司内部创业。后来，我加入销售易担任市场副总裁，它也是当时国内头部的SaaS创业公司。

最近两年我在火山引擎，负责字节跳动云服务和豆包大模型的市场业务，处于AI创业的最前线。我能看到，客户对AI的使用依赖程度越来越深。

我在市场营销领域从业20年，完整经历了互联网和移动互联网这两波大浪潮。我相信AI带来的社会变革绝不亚于前面这两波，而这一次的生成式AI又跟我的老本行——市场营销产生了天然紧密的结合，可以说营销是大语言模型最好的落地场景，这些都坚定了我的创业信念。

Q：为什么是2024年下半年？当时的创投市场不是很活跃。

鲁扬：2024年下半年很多人认为并非创业的好时间，投资圈也不积极。但我和合伙人从模型演进的角度判断，当时是比较适合入局的窗口。

我个人的履历更适合做AI应用，尤其是营销相关的应用。2023年的时候也看过一些创业机会，但当时最火爆的是infra层。而当时的基模能力导致应用并不成熟，尤其是To B类应用。

去年我和联创讨论，认为在2025年也就是今年年底，To B的AI应用有可能批量落地。但如果等到基模能力完全成熟才开始做，可能就晚了。比较好的节奏是提前一段时间打磨这个产品，待模型能力成熟时实现PMF。

整体来说，这件事再早或者再晚去做都不合适，2024年下半年是ToB AI应用比较好的入局Timing。

Q：AI营销是第一波火爆的AI垂直方向，细分方向也很多。我们为什么选择GEO？

鲁扬：其实这个过程我们经过了一些迭代。

去年下半年刚创业时，我们主要做通用营销智能体的业务，利用AI Agent帮助企业做流量运营。

当时我们分析企业流量主要聚集在三大阵地，第一个是搜索引擎。因此我们的一个能力是通过AI帮助客户做SEO，现在这个模块也在。

第二个流量聚集地是抖音、快手、小红书等内容和社交平台。在这些平台上，我们帮客户做热点营销、爆款捕捉和流量裂变。

第三部分才是GEO。因为第三个流量聚集地是AI平台，当时还没有GEO这个词。我们称之为AI平台的 SEO。随着1月份DeepSeek开始火爆，我们内部判断GEO的需求一定会爆发。所以我们就开始主攻GEO，尤其是开始训练自己的模型做GEO。

后续也如我们所料，春节结束之后，短短一个半月内GEO迅速爆发。到了4月，我们交付了第一个完整服务的客户，效果非常好。公司也将整个业务聚焦在GEO上。

Q：现在入局GEO的公司很多，大家的路线也有些差异。你怎样看这些不同的方案？

鲁扬：现在企业的广告投放和品牌推广已经进入3.0时代，从传统的购买硬广流量，转向影响AI的软性推荐，也就是GEO。

GEO与SEO是完全不同的技术路线。过去大家比较熟悉的是SEO，它基于搜索引擎的关键词和权重规则。搜索引擎的权重规则公开透明，很多SEO的标准教程是公开的，只要你做过数字营销，就一定能了解百度的权重规则评判以及如何优化。这种情况下，我们做SEO通常依靠人力就可以实现。

但是，当我们面对的是大模型时，它不会告诉你它推理的规则和逻辑，它是一个非线性逻辑，是一个不断进化的黑盒。

在这种情况下，我们认为使用SEO的方法不可行。但SEO在过去多年里根深蒂固，所以很多人会从这个思路出发做事情。我们一开始也走了弯路。

Q：我们做GEO的路线更迭过程是怎样的？

鲁扬：从24年下半年开始，我们成为了国内第一批做GEO的企业。一直到今年年中，总共走过了三个阶段。

这三个阶段分别是经验驱动、数据驱动和模型驱动。我们自己完整经历了这三个阶段，尤其是第一阶段，现在还有非常多的服务商在这个阶段。

今天国内的GEO市场非常混乱。几乎所有的传统SEO服务商和营销咨询公司，一夜之间都开始做GEO。他们的做法大都是经验驱动。什么是经验驱动？说白了就是靠人工做。

无论是国内还是国外，过去多年没有一款SaaS的SEO产品。因为整个SEO领域都不依赖于产品化，而是依赖于人工经验。人工需要做的事情非常细致且分散，比如官网优化、代码优化、内容优化、内外链以及外部口碑等工作，这些工作非常分散。

Q：人工的方法有效果吗？

鲁扬：有一定效果，但效率非常低下。

当前的人工方式，通常是围绕文章结构优化和数据源优化，辅以SEO，同时会用人工肉眼观察AI平台惯常引用的网站，再进行批量铺稿。

这些手段虽然会有一定效果，但最大的问题是不精准。我们去年下半年也走过重人工的路线，发现效果不精准后就转向了其他路线。

Q：效果不精准具体怎么理解？

鲁扬：不精准主要体现在结果不受控制、效果不易预测。

比如在同样的人工优化下，有的搜索问句很容易出现效果，有的问句会很难；或者同一个问句，在豆包上优化上去了，但是在Deepseek和元宝上没有效果；效果出现后的持续时间也不确定。

Q：这种效果是很难给客户交付的。

鲁扬：对，当时我们发现依靠人工经验做GEO非常不精准，于是自然地进化到了第二个阶段，也就是数据驱动的阶段。

数据驱动是指我们通过数据监控系统进行数据监控和分析，并进行大量的A/B测试。因为我们的核心团队来自于字节，这种A/B测试的思路可以说继承于字节。

当时我们发现精准度有所提升。但问题在于，A/B测试仍然是人工完成，模型迭代速度又很快，这种方法跟不上模型算法的变化。

Q：这里的A/B测试是指，你们针对不同平台和优化方法进行A/B测试？

鲁扬：是的，测试不同的平台和优化方法。

走过这两个阶段之后，我们觉得不能够依靠人工追逐模型。

我们只能让模型学习模型，让算法解密算法，而不是依靠人工经验猜测算法。这是我们最核心的思路，也是我们区别于其他服务商最核心的地方。

我们团队的核心是用量化交易里因子挖掘的方式去寻找内容的AI可辨识度。

所以，今年初我们进入了第三阶段，也就是模型驱动。我们训练了一个混合架构的模型，通过强化学习的方法深入学习AI平台的内在机制，从而提升品牌的AI可辨识度。

Q：目前这个模型是怎样提供服务的？

鲁扬：在实际场景中，当需要为一个客户提供服务时，我们会让模型根据对AI平台的学习，端到端地生产出内容。

例如，某个车企要优化“30万的新能源车谁最好”这个问题，模型就可以直接生成能够优化这个问题的文章，以及发布策略。

我们是大小模型的架构，在基础模型之上，还会让模型针对客户所处行业、品牌、产品以及需要优化的问句进行个性化学习，从而对优化策略进行精调。

从交付上，是直接交付效果，客户不需要拿着工具自己操作配置。

Q：交付效果的含义可以拆解一下吗？

鲁扬：客户确定需要优化的问句和平台，我们直接帮客户完成优化，提升他的品牌在相应平台上的推荐率和排名率。

在具体的服务过程中，我们会有固定的服务链路。首先我们会帮助客户进行意图挖掘。有些客户可能不清楚应该优化哪些问句，我们会帮助他进行用户意图的分析和挖掘；然后针对这些意图进行AI口碑诊断，告诉客户今天他在各大AI平台上的表现，以及我们的优化建议。

然后再帮客户做端到端优化，并且实时监测优化效果，确保服务期内的效果持续。

Q：现在有没有代表性案例可以分享？

鲁扬：很多，比如蚂蚁。蚂蚁数科在4月底发布了一款面向金融行业的智能体开发平台Agentar。当时我们配合蚂蚁数科新产品的发布，帮助提升它在金融智能体开发领域的AI认知度，将品牌呈现率和排名率都提升到接近100%。

Q：这种模型路线还需要配合人工吗？比如多发稿件。

鲁扬：我们不需要海量堆稿。

我们看到很多服务商的方式是堆大量稿件，靠概率去碰；但我们是通过发布少量精准且高质量的内容，来做到更高的AI引用率。背后还是同一个原理：依靠算法生成AI友好的、高质量的内容，而不是依赖人工经验去猜测和堆稿。

Q：听下来「PureblueAI清蓝」的GEO流程是，客户提出自己的需求，我们用模型根据需求学习，从而生成精准的可被AI平台识别的内容。再将这些内容进行发布，之后AI就可以识别这些内容。

鲁扬：是的。稿件的发布渠道也是模型计算的结果。

Q：一些国外平台的思路看起来与我们有所差异。他们一般会有一个平台，先进行检测，再优化内容，最后持续监控。

鲁扬：对，海外大家知道较多的如Profound、AthenaHQ等企业，我们跟他们都是去年开始，是市场上最早的一批GEO服务商。当时这个领域并不被人关注。现在我们看到海外已经有了几十家GEO服务商，这个赛道在海外也是非常新的领域。

但是从产品架构和交付上，我们跟海外产品有比较大的差异。一方面海外的GEO产品大多是SaaS架构，而我们的产品是Agent base，基于自研的多智能体架构。

另外海外厂商主要交付的是数据分析和优化建议，而我们则是帮客户把优化的工作做完，交付优化结果，按效果付费。

Q：按照效果付费，客户具体是如何进行评估的？

鲁扬：按效果付费分成两类，一类是品牌效果，另一类是获客效果。

当前我们主要是按前者，品牌效果来收费，帮助客户提升品牌在AI平台的呈现率和排名率。

同时我们也在探索按获客效果付费的方式，随着ChatGPT开始支持亚马逊电商链接，我们看到国内的AI平台也逐步开始在回答中支持外链，开始为品牌官网和电商导流，整个AI消费开始实现闭环。

我们相信GEO在未来不仅仅能帮企业做品牌呈现，同时也会是未来的流量运营方式。

Q：现在很多人会说SEO和GEO是共存的状态。这或许也代表了大家对两种搜索引擎的态度，你怎么看？

鲁扬：从终局看，我认为GEO在未来会替代SEO。背后的逻辑是传统搜索会被AI搜索替代。

但这并不是指搜索引擎都会消失，百度和Google自己也会转变为AI搜索。同时抖音、小红书等内容平台也都开始提供AI overview。可以说，AI搜索会成为未来的互联网基建。

但这个过程不是一蹴而就的，这也是我们现在还为客户提供AI SEO服务的原因。AI SEO是GEO的补充，一方面通过AI的手段帮客户完成所有SEO优化工作，同时从优化目的上，要让企业的官网不仅提升搜索引擎的排序权重，也要同时适配GEO，符合AI的识别逻辑，让企业的官网能够被AI所信任、识别和引用。

Q：关于GEO的市场格局，目前有很多不同的角色参与到这个领域，你觉得哪一种角色更有竞争力。

鲁扬：当前有一部分人对GEO有误解或疑虑，因为在SEO的年代，有很多投机取巧的做法，比如通过洗稿、刷量的方式去提升搜索权重。

我认为这些在GEO时代都会失效。因为随着AI的发展，大模型只会越来越聪明，企业只有坚持做正向且高质量的内容，才有可能被AI信任。所有投机取巧的方式在当下可能会有效果，但是在未来都会被更聪明的模型所识别。

所以，根据品牌的真实定位，生产高质量且能够被AI认可的营销内容，才是GEO的正确方向。我们也相信无论采取什么样的技术手段，只有坚持“正向优化”，能提供给客户正向品牌价值的服务商，才会在未来胜出。