SEO已死？GEO才是未来！73亿美元的新战场
叶小钗约 8 分钟手里有些AI岗位；想找工作的同学可联系，急缺高级产品经理
关注公众号，回复1，与我交个朋友吧
前些日子发了一篇AI浏览器流量入口之争相关的文章：
Atlassian 6.1亿美元收购 Dia，AI浏览器背后的逻辑是什么？
既然流量入口的趋势正在从浏览器往AI浏览器转移，那么其检索的底层技术也将发现改变：从SEO转向GEO，他标志着传统的关键词布局、外链逻辑开始失效了。
GEO：Generative Engine Optimization，生成式引擎优化。
其实AI替代搜索引擎的说法在很久之前就开始了，比如我三年多之前还在做医疗AI，当时产品直播的时候很多人就表示：是否替代医生不知道，但一定可以替代百度。
事实上确实如此，当前我只有三个场景会去用到百度和Google：
首先，我看断网没有； 其次，我看梯子是不是出问题了； 最后，我对AI的答案不太确信，想去查信源的时候；
我们都知道流量就是钱，如果用户向AI咨询产品、索要答案的频次比例变大后，问题也就出现，我们应该如何去“讨好AI”，然他我们的产品出现在前列，比如这样：
真实情况是：近期向我咨询GEO的老板明显变多了，而他们的问题一般都是 怎么做，多少钱？
要回答这个问题，可能要从模型的底层逻辑出发了：
GEO的底层逻辑
如图所示，LLM是一套标准的输入输出系统，GEO的目标是通过影响LLM训练时候的语料或者回答问题时候的外链知识库，最终达到影响输出的目的。
这里与传统SEO差别就很大了，搜索引擎首先很看重网站的权重，其次是网页的一些关键指标（KDT），这种排序逻辑是很清晰的。这对于购买关键词的商业行为也十分好计算；
但LLM因为是将语料“吃”进去了，整个就是一个黑盒，不要说产品发布者不知道什么时候自己的内容会出现了，很可能模型开发人员都不知道是不是能稳定出数据，这个时候如果有老板想在GEO这块花钱，大概率要交些智商税...
这里我们有必要打开这个黑盒，首先问题是：内容从哪来？
首先，确定模型内容的来源可以解决很多问题，这里的答案也很简单，就三个方面：
一、固化数据
第一，模型参数内知识，也就是预训练和微调时候导入的数据，构成了模型的世界观和知识基础，就像一座庞大的、经过压缩的图书馆；
在这个领域，试图通过“喂数据”来影响基座模型，对于一般公司而言是一个伪命题。如果有人承诺可以将网站数据直接编入ChatGPT，这几乎可以断定是智商税。
当然，这里并不是说我们的数据一定进不去，只不过用于训练的数据要求质量较高，必须是精品文章，这个本身就难度巨大，比如：去发布SCI论文...
二、RAG
第二，RAG，这是当前GEO绝对的主战场和最现实的优化方向。当用户提出问题时，AI会实时地从互联网检索相关信息，将这些信息作为“上下文”与问题一并交给LLM，让LLM基于这些最新、最相关的信息生成答案；
这里具体的工作流程是，AI会做意图识别和关键词分析，然后从索引库中查找相关网页。
要注意，这里依然看重搜索引擎的索引和排序逻辑，传统SEO的基础依然重要！
这里的逻辑是：AI会优先选择权威、可信、专业的信源（E-E-A-T原则的重要性依旧很高）。
PS：只不过实际情况嘛就不好说了，比如最近有些模型吐答案会用到CSDN的数据，我也是醉了...
在这个领域核心还是要去好的平台去海量发内容，至于什么是海量，大家又可以去理解了，总之又是一种消耗各大平台的逻辑...
这里的点是对人类不友好的文档，可能对AI非常友好。所谓对AI友好是指：
问答对为主； 量大管饱、涵盖信息全面； 小短句，可很好的截断使用； ...
三、外链
第三，链接，如果问题或者文档里面出现了链接，模型也有可能会去阅读，只不过这种对GEO几乎没撒帮助。
综上，从模型内容输出逻辑来说，貌似核心依旧是E-E-A-T原则：
Experience（经验） - 新增且极其重要的维度 Expertise（专业度） Authoritativeness（权威度） Trustworthiness（可信度）
以上，是GEO大概的一些描述，现在我们思考下第二个比较重要的问题，对于AI创业者来说，GEO这趟车该不该上，他当前的实际价值如何？
GEO的价值
就 GEO 的盘子，目前能核对到的直接口径很少：Valuates 报告估算 2024 年 GEO 服务约 8.86 亿美元，到 2031 年 73.18 亿美元。
与之对照的相邻盘子可作上/下界参考：传统 SEO 服务市场 2025 年约 749 亿美元、2030 年 1273 亿美元；
同时预算迁移信号清晰：美国 AI 搜索广告预计 2029 年达 259 亿美元、占搜索广告 13.6%；
需求侧渗透方面，Google AI Overviews 在 2025 年 3 月已触发 13.14% 的搜索查询。
综上，GEO 仍属早期但已具可观成长性：在 AI 搜索渗透提升与营销预算迁移的双轮驱动下，正从“增量试验”走向独立细分市场。
从数字角度来说，GEO的价值毋庸置疑，只不过这个蛋糕的大部分会被基模公司吃掉，并且他们正在这样做：
入口之争
前些日子，我们探讨了 AI 浏览器作为下一代流量入口的趋势，也提到了 像Atlassian 6.1 亿美元收购 Dia 这样的事件，都标志着流量入口正在从传统浏览器向 AI 浏览器转移。
于是科技巨头纷纷布局，争夺下一代的用户“入口”，并且不再局限于浏览器界面，而是深入到工作流、决策支持和深度集成层面。
在这个趋势下，这里所谓的AI浏览器和 AI Agent的界限变得越发模糊了
传统玩家
对于已有入口占领者，会发挥好本来优势：
微软：将Copilot深度植入Windows内核，实现系统级Agent调用； 谷歌：通过Gemini重构Chrome，搜索结果直接呈现动态生成的3D模型演示； 苹果：Siri升级为Proactive Agent，可跨设备预测用户行为轨迹；
新秀玩家
与此同时，各种新兴势力也在冲击这一领域：
Dia浏览器：通过实时屏幕语义分析，在用户点击前预加载所需信息； Manus智能体：首创"认知沙盒"技术，可并行运行多个Agent处理复杂任务； Nova Act SDK：提供跨平台Agent运行时，打破浏览器与本地应用的界限；
以上很多领域都是SEO不能触达，但GEO一定会关注的板块，从这个角度来说，GEO的流量覆盖范围大了很多！
据今年红杉AI闭门会信息：云时代的 OS 是微软、移动时代是 iOS/Android、AI 时代的 OS，将不再是装机软件，而是任务调度系统。
什么是任务调动系统，最近大家最为熟悉的Manus以及正在进行变革的AI浏览器就是。
调度系统下的GEO？
如果沿着红杉的思路走，AI时代的操作系统本质是“任务调度系统”，那么GEO的策略核心就必须从“关键词排名”升级为“任务理解与介入”。
传统SEO追求的是在用户搜索时被看到；而GEO的目标，是让AI在用户执行任何任务的过程中，优先推荐你的产品、服务或内容作为解决方案。这不再是被动检索，而是主动嵌入工作流。
比如，当用户收到一句“帮我总结这篇论文”的指令时，AI可能会调用某个支持的文献工具（它已被深度集成），而不是简单返回一个网页链接了。
这些场景中，决策权交给了AI，而GEO要做的就是让你的服务成为AI决策时的“第一选择”。
因此，GEO的优化不再仅限于内容，能否提供标准化、可被AI识别和调用的接口，能否输出结构化、可信度高的实时数据，能否进入主流AI平台的“白名单”或知识插件库，将成为GEO更重要的手段。
这也是各个想要进入GEO的AI创业者所需要思考的几个核心了，要特别注意的是：表面看门槛很高，但实际上，很多细分领域还没有出现“被AI默认调用”的巨头，这恰是中小玩家凭借技术敏捷性抢占GEO高地的窗口期。
最后再看，Atlassian巨资收购Dai、谷歌重构Chrome，本质上都是在抢滩“任务级入口”。作为创业者，你的GEO策略是否也做好了从“页面优化”转向“任务集成”的准备？
也许这块需要提前部署也说不一定？
结语
GEO的出现，并不是技术范式的迁移，而是一场围绕用户入口与注意力的深层变革：
它标志着我们正从“搜索即流量”的时代，迈入“生成即触达”的时代。
在这个过程中，流量的逻辑正在被重构，开始从围绕网页排名转向任务集成能力。然而必须清醒认识到，GEO生态的绝大部分价值仍将由基座模型与核心平台主导。
它们控制训练数据、定义排序规则、掌握接口标准，正如移动互联网时代的iOS与安卓一样，他们才是生态顶层。
试图绕过这些平台自建GEO体系，对绝大多数企业而言并不现实。更理智的策略是打不过就加入，主动融入主流AI平台所构建的知识与服务生态，在其规则下寻找生存与增长空间。
这个过程中垂直领域的机会是很大的！在AI生成答案的背后，是对专业性、结构化、实时性内容需求的极大提升，垂直领域企业或服务商可重点布局以下方向：
聚焦细分场景，成为AI的“权威信源”：在特定行业中深耕数据质量，建立领域内E-E-A-T优势； 构建RAG友好型内容体系：输出问答对、清单体、参数化等易于被AI提取引用的内容形态，提升被检索概率； 积极接入插件与API生态：未来AI将越来越多通过调用工具完成任务，提供标准化接口是深度集成的前提；
GEO的竞争本质仍是信任与价值的竞争，KnowHow与数据已经是关键哦！
最后，关于GEO还有一些偏灰色的研究不好放到文章里面，有兴趣同学私下交流吧：
点击上方卡片关注叶小钗公众号，查看下方二维码，添加我个人微信：