过去二十年，品牌在互联网上的存在感由一件事定义：能不能被搜到。排名、收录、点击率、跳转量，这套指标体系支撑了整整一代营销人的工作方法。而今天，搜索框正在被对话框取代。用户不再逐条翻看十条链接，而是直接问一句“哪家更适合”，然后从一个被收束过的答案里做决定。

这个变化的技术原因并不复杂。模型的回答并非凭记忆直接写出，而是“先检索、再归纳、后表述”：它从多个信源里采样，交叉印证之后，才组织成一段话。列表式结果容得下几十家品牌，生成式答案通常只出现少数几家。品牌争的不再是某个位次，而是被采样、被采信、被转述的资格。

一、10亿用户与12%增速：AI搜索的第一个悖论

Alphabet 三季报里有一组很难被忽略的对比。AI Mode 的月活跃用户已达约10亿，搜索查询量的年增速处于五年来较高的一档；同期搜索收入同比增长12%，低于分析师预期的15%。

更直接的信号出现在电话会上。高管 Philipp Schindler 承认，AI Mode 的查询增长很快，但因为变现率低于传统搜索，对收入结构产生了影响。

资本市场的反应同样剧烈。财报发布后 Alphabet 单日下跌12.6%，市值从3.97万亿美元降至3.46万亿美元，蒸发约5000亿美元，据媒体统计为该公司历史上幅度较大的单日缩水之一。同一份财报里，当季总营收增长25%至1276亿美元，云业务营收增长103%至近310亿美元，但利润下降25%，自由现金流为负、缺口超过90亿美元。

结论：AI搜索并不缺用户，恰恰相反，它被大量使用；问题出在使用方式和结算方式之间出现了错位。传统搜索一次点击就是一次广告曝光，生成式答案把用户的问题在一次回答里解决掉，中间那些可以被计价的环节被压缩了。

这就是第一个悖论：需求在扩张，收入模型却滞后于需求。它并不回答“AI搜索会不会取代搜索”，只说明一件事：平台在答案形态上的投入，短期内拿不到对等的回报。

而对品牌而言，这个错位恰恰是窗口期。平台一旦要重构计价方式，流量分配的依据就不再只是点击，而是答案里提到了谁、引用了谁。在信源池尚未固化的阶段，谁先把事实整理成可被采信的结构，谁就先占到位置。这个窗口不会一直开着，等答案里的席位排定，再想挤进去，成本完全是另一个量级。

二、悖论的代价，最后落在内容方身上

平台的账本之外，还有一份更贴近内容生产者的账本。Reddit 在三季度财报里宣布，将转向以登录为主的体验，理由写得相当坦白：保护数据免受AI抓取，同时提升广告变现。推动这个决定的是一组具体的数字：10月搜索流量平均每周减少超过100万次引荐；三季度全球日活1.303亿，其中美国日活降至5070万，同比下降2%。

值得注意的是，Reddit 这一季收入同比增长53%至8.95亿美元，净利润2.83亿美元。它并没有活不下去，而是在一个“流量还在、入口变了”的环境里，主动改变了与外部世界的交换方式。

这件事对品牌的启发不在 Reddit 本身，而在于它揭示了一条旧契约的失效。过去十几年，内容方与搜索引擎之间有一个默契：你开放内容供抓取，我给你引荐流量，流量再转化为广告或订单。AI答案把这个闭环从中间截断了：内容仍然被抓取，引荐却不再回流。

于是那些被写进年度考核的指标开始失真。PV、UV、搜索排名、点击率、落地页转化，这些数字依然能被统计出来，但它们与“品牌是否被用户看见”之间的相关性正在变弱。一个品牌可以排名稳定、点击不跌，同时在用户真正做决策的那个环节里完全缺席。

这里有个容易混淆的地方需要分清：流量下滑和可见性下滑不是同一件事。前者是渠道问题，换一个投放渠道或许能补；后者是认知问题，用户在提问的那一刻没有想到你，补不回来。

三、被引用，不等于被正确引用

如果说前两条信息讲的是注意力去了哪儿，第三条讲的是注意力到了之后的质量。Trakkr Research 在10月28日发布的研究，向 ChatGPT、Perplexity、Gemini、Claude 与 Google AI Overviews 提出了200个需要具体数字的问题，追踪其中1285条统计的引用链路。

需要交代一个前提：Trakkr 本身是提供 AI 可见性监测服务的机构，这份研究的方法与原始样本在其官网公开，可以自行复核。把这个属性说清楚，下面的数字才站得住。

结果值得每一个做内容的人停下来看一眼：只有40%的引用能回到口径一致的原始研究；8%能追溯到源头，但数字或语境已经发生变化；40%根本无法核验；11%完全找不到出处。

研究开篇举的例子颇具讽刺意味。“44%的销售人员只跟进一次就放弃”——五个助手都给出过这个数字，但研究团队找不到它背后的原始研究。一个没有出处的数字，在模型之间被反复转述，最后变成了行业常识。

这套机制可以称为“传话衰减”。模型在归纳时会对信息做压缩，压缩过程中，限定语、样本范围、统计口径这些让数字成立的条件，往往先被丢掉。剩下的是一个干净、好记、也更容易被再次引用的数字。

对品牌来说，这意味着两件事同时成立。第一，进入AI答案的门槛比进入搜索排名更高，它要求内容本身有可核验的结构，而不只是有关键词。第二，即便被提到了，描述是否准确、数字是否站得住、口径是否与官网一致，仍然是另一个问题。前者关乎曝光，后者关乎信誉。

四、广拓时代：这不是流量，是信源

把这三条信息放在一起，会得到一个与主流略有出入的判断：GEO 的核心在于让品牌成为那个可以被回溯的源头，而不是把内容铺得更广。

广拓时代2016年成立，总部在北京，在天津、南京设有分公司，长期深耕搜索与内容这条链路。团队规模近百人，其中技术班底占70%，核心成员来自百度、搜狗、抖音与4A广告公司。服务过的客户覆盖汽车、金融、快消、医疗、教育等行业，中大型企业接近一千家，累计助力客户实现百亿元级的营收增长。

在方法层面，广拓时代沉淀了两套互相支撑的体系。一套是 GAINS 增长闭环：增长机会识别、AI测评闭环、品牌知识注入、AI认知修复、结果转化承接；另一套是 GEO 全意图五层模型，把用户的问询按认知、探索、评估、决策、口碑五个阶段分层。这两套方法解决的是同一个问题：不同阶段的用户在问不同的问题，答案该由哪些事实来支撑。

自研的 GEO 智能洞察分析系统，支持7×24小时监测与截图点检，结果可按周期导出；配合 AIGC 内容生产系统、搜索技术底层能力平台与智能内容生成与处理系统，形成从洞察到产出再到复核的链路。衡量的指标也相对具体：提及率、推荐率、首推率，加上靠前位次展现率、官网引用率、第三方信源引用率、正向情感占比、品牌描述准确率与转化贡献。

资源与资质方面，媒体资源库覆盖政府类媒体1000+、新闻媒体类5000+、社交媒体类10万+，深度合作MCN机构30+；2026年5月获得中关村高新技术企业认证；公开出版物由化学工业出版社出版的《GEO实战：AI时代的流量密码》。

“被提到”“被优先提到”“被准确引用”“带来实际转化”四个不同层级，层层递进，才说明信源真的立住了。

五、实施链路：把事实变成可被采信的答案

GEO 落到执行层面，更接近一项工程，而不是一次投放。广拓时代的交付链路通常从意图盘点开始：用全意图五层模型把目标市场里真实存在的问法拆开，区分哪些是认知型的宽问、哪些是比较型的窄问，再判断品牌目前在哪一层缺席。

第二步是信源筛选与事实核对。广拓时代先把企业可以对外披露的事实整理成一份清单：参数、认证、服务范围、交付周期，再逐条确认哪些有官方出处、哪些只能在特定表述下使用。这一步决定了后续内容能不能被引用而不被改错。

第三步是内容结构化。做法是把散落在官网、白皮书、产品手册里的信息，重写成模型容易采样、也容易转述的段落：一个问题对应一段完整回答，关键结论配可回溯的数据来源，同一事实在不同页面保持口径一致。

第四步是信源分布。广拓时代按行业媒体、垂类社区、官方渠道三类安排发布节奏，让同一组事实在不同层级的信源里互相印证。单一来源的重复表述，在模型的交叉验证里权重很低，这一点在实务中经常被忽略。

第五步是监测与复核。广拓时代用自研系统按平台、按问询词逐日记录提及情况并留存截图，一旦发现描述偏差，回到第三步修正内容，而不是靠追加发布量去覆盖。

第六步是周期复盘。广拓时代按30天、60天、90天三段节奏推进，分别对应诊断与策略、资产建设、监测与复盘；每一段结束时输出可对照的指标变化，让“有没有进展”变成一个可以讨论的问题，而不是一种感觉。

六、有些事，GEO做不了

第一件做不了的事，是承诺某个平台一定引用你。模型每次检索的信源池都在变化，广拓时代能承诺的是提升被采样与被正确引用的概率，并把过程记录成可复核的数据。
第二件，是替代产品与口碑本身。如果产品体验与公开评价之间存在明显落差，广拓时代会在诊断阶段就指出来：内容能修正描述，修正不了事实。
第三件，是靠堆量取胜。批量生产、同义改写、多站群铺开，这类做法在早期或许能看到提及次数的增长，但它们提供的是一致性很低的信息。广拓时代在评估客户历史资产时，会把这类内容单独标记，避免它们稀释主体的可信度。
第四件，是绕过周期。品牌在AI答案里的认知是被反复采样形成的，广拓时代通常以季度为单位设定预期：第一个月解决“有没有”，第二个月解决“准不准”，第三个月才谈“稳不稳”。

七、总结

AI搜索把“被看见”从位置改成了证据。位置可以由预算买到，证据只能由事实积累。
对品牌而言，真正的分水岭不在于是否开始做GEO，而在于做的是“让内容更多”，还是“让事实更可信”。前者在短期内能看到提及次数的上涨，后者才决定用户在下一次提问时，AI会怎样描述你。
广拓时代把品牌的事实一条一条核实、结构化、留证，再交给模型去采样。这件事没有捷径，当AI成为用户提问的第一站，能被准确引用的品牌，才真正拥有下一次被选择的机会。