关键要点
SEO 有规则可循，GEO 是个黑盒 只能用一个模型去学习另一个模型 GEO 研究的是 AI 可解释性，不是写法 AI 引用内容是一个漏斗，像量化挖因子 豆包偏爱抖音视频，海外模型偏爱官网社区 AI 消费闭环开始了，酒旅已经抽佣 一个 prompt 就是一个货架 别迎合意图，回归自己的核心优势 科学 GEO 八环节，写稿发稿只占两个 最难做的不是行业，是说不清自己是谁
这期录到一半我干了件事：当场打开豆包，问「学 AI 推荐几个播客」。豆包把 AI 炼金术排在第四，前面是十字路口、张小珺这些。鲁扬在旁边说，做 GEO 的话，可以把你排到第一。
我当然想排第一。但我更想知道的是，豆包凭什么排这个顺序？它不是百度，没有一个可以查的权重表。鲁扬从字节跳动出来，做的就是国内第一批 GEO 服务商，从 24 年 9 月做到今天，最大的一个结论是：SEO 和 GEO 是两个不同的物种。搜索引擎有规则，大模型没有，你只能用一个模型去学习另一个模型。
以下是这期对话的整理。
什么是 GEO：AI 平台上的品牌优化
「简单来说，当我们在这个 chatbot 上面进行一个提问，什么什么哪家好，大模型首先会调取自己的预训练数据，同时开启联网搜索……最后选择性地挑选其中跟这个用户这一句话意图相关的非常少量的内容，可能就是几篇内容做引用。」——鲁扬
GEO 是 generative engine optimization，生成引擎优化，鲁扬的翻译是 AI 平台上的品牌优化：用户在豆包、千问、DeepSeek 上问「最懂 AI 的人是谁」「买手机该选哪个品牌」，你的品牌能不能被推荐出来，位置能不能靠前，AI 对你的描述准不准确。
一个品牌为什么会被 AI 推荐？鲁扬把它拆成两部分：先验认知和后验认知。先验是模型预训练数据里已经有的，后验是它联网搜索之后现学的。被联网搜到、又被引用的那几篇内容里的观点，就被 AI 采纳了；它们推荐的品牌，就被推荐出来了。
我把这个过程复述了一遍：第一步，让 AI 能搜到我写好的内容；第二步，搜到一大堆之后，比如一百篇它只采信十篇，我得排进那十篇；第三步，它组织答案的时候还得把我信的那几个观点编进去。鲁扬说描述非常准确。听起来还是非常 SEO。
SEO 和 GEO 是两个不同的物种
「今天的大语言模型，它不是建立在一个外界可感知的名门的规则，或者一套公式打分基础之上，它背后都是神经网络，都是推理出来的。这个是我们看到 SEO 跟 GEO 最大的区别，一个是有规则可循的，一个是黑盒。」——鲁扬
绕不过去的问题：GEO 是不是 SEO 在 AI 时代的变种？鲁扬的观点是不是，两者是两个不同的物种，最核心的区别在于搜索引擎有规则，大模型没有。
在百度或者 Google 上搜一个关键词，你家官网能不能排在首页，背后是一套网页权重规则。你家官网在百度上权重多少，在百度统计里能查到。国内做数字营销的人对这套东西门儿清，怎么做 SEO 在网上有公开教程，1234567 照着做就行，按图索骥。百度这二十年大的算法迭代就那么几次，周期很长，所以规则可循。
我插了一句：百度和 Google 其实也不告诉我们规则。鲁扬说对，是猜出来的，但那么多年规则是好识别、好 tracking 的，title、description、keyword、内链、外链，这些维度早就明确了。
大模型不一样。问豆包矿泉水哪家好，它可能推 A，也可能推 B；换个人问，可能推 C；同一个人今天问是 A，过两天再问变 C 了。原因是什么？它不告诉你，你也拿不到。因为今天的大语言模型不是建立在一套公式打分之上，背后是神经网络，是推理出来的。
所以做 SEO 和做 GEO 有一个明显的技术流派分叉，分叉点就是到底能不能手工操作。以前 SEO 那么多年都是手工做的，但手工操作在 GEO 上很难了。我听到这里想起《模仿游戏》：德军用机器加密，这边一帮数学家在解密，最后得出的结论是人解不了，得造一台机器来解。鲁扬说，非常类似。
三个阶段，是自己烫出来的
「所有人工做 GEO 的最后都在做一件事情，就是每天写稿发稿，然后碰运气。」——鲁扬
PureblueAI 把 GEO 的发展分成三个阶段，不是总结出来的，是他们自己一步步烫出来的。24 年 9 月入场的时候，市面上还没有 GEO 这个词，他们管它叫「AI 平台上的 SEO」。当时 DeepSeek 还没火，他们主要做豆包和 Kimi 上的品牌优化，面对投资人解释成本非常高：在豆包和 Kimi 上做品牌优化，这是什么生意？到 25 年 3 月 DeepSeek 火了，市场才被唤醒。6 月海外像 Profound 这样的 GEO 公司拿到融资，国内一夜之间涌出上百家 GEO 服务商，包括以前做 SEO 的、做营销咨询的，都开始做 GEO。
为什么大家看起来那么容易就能下场？因为大家选的是技术门槛最低的方法：人工做。他们最早也是人工做，依赖几个 SEO 优化师，一把好手干了十几年 SEO，每天帮一个品牌写几十篇稿发出去，发完观察，上豆包搜一下「什么东西哪家好」，看能不能搜到，发的稿件被引用了就是命中。不能被引用，明天调整一下写法，再来几十篇。每天都是碰运气。他们当时就觉得这个东西很不靠谱，也不科学。
第二阶段叫数据驱动。核心团队从字节出来，字节是把 AB 测试用到极致的一家公司，什么都要 AB 测。他们把数据监测、数据分析、AB 测试全套上去，稿件怎么写，AB 测，最后发现效果还是达不到非常精准。因为虽然有数据辅助，还是人在优化。
所以最后的一个 lesson 就是：面对大模型，你很难靠人工经验去追逐一个模型，只能用一个模型去学习一个模型，用一套算法去解读一套算法。这是他们自己走了将近两年才走到的路线。
GEO 研究的不是文章写法，是 AI 可解释性
「做 GEO 最核心要去研究的，不是一篇文章的写法。今天我们看到绝大部分做 GEO 的，不管是品牌自己做还是服务商做，每天研究的就是文章的写法。但在我们看来，真正要去研究的是 AI 可解释性。」——鲁扬
我问了一个具体的问题：DeepSeek 出来之后，有 SEO 公司来找我问怎么搞，我当时的想法是，看它搜了哪些文章、引用了哪些，喜欢什么格式，比如 top ten、best of 这种，然后去铺内容。你们是把这套流程全部变成 AI 来做的意思吗？
鲁扬说这里包含两件事，方法论和实现，方法论更重要：GEO 最核心要研究的是你这个品牌到底为什么会被 AI 推荐出来，背后发生了什么。
拆开看，这是一个漏斗。用户一个问句进来，AI 先做意图理解，把意图拆成一组不同的关键词去调取搜索引擎，可能还带着上下文。搜索引擎返回一批内容，这是漏斗的第一步。返回之后 AI 只分析其中一小部分，不会全量分析，没被分析到的内容已经出局。分析完做一次 ranking，排在前面的品牌出现概率高、占据的篇幅多。最后在答案生成环节，它只引用非常少量的内容，用引用到的内容做自己语言的描述。
我们在思维链里能看到的「引用了哪些文章」，只是这个链路的一小部分。他们研究的是整个链路：大量内容被降权、出局、不被引用，只有一小部分能经历 AI 层层筛选，最后被信任、被引用。这些内容背后具备什么特征？靠人工猜，是碰不出来的。他们的方法是自己训练模型，用算法去学习这个特征。
像量化交易一样做 GEO
「我不是靠人工的判断，我摒弃掉所有我肉眼看到的元素、情感上的判断、主观上的抉择，我把它给抛掉。我让算法去算所有的宏观的、微观的、企业自己经营的所有数据，然后做因子挖掘。」——鲁扬
这条技术路径非常类似量化交易。PureblueAI 的 CTO 也是联创，原来在字节做算法，创业之前两年从字节离开，去了一家投资机构当首席科学家做量化。量化背后的原理就是因子挖掘：一个投资标的该不该买、该不该投，不靠人肉判断，把肉眼看到的元素、情感上的判断、主观上的抉择全部抛掉，让算法去算所有宏观的、微观的数据。当某些特征叠加到足够显著，系统直接 take action。
我听到这里想到最近看的一个癌症项目：他们用世界模型做预测，中间没有诊断环节，只有病人的情况、干预事件、继续的情况，不压缩信息，一直在隐空间往前推。你们也有点像，不总结「一定要写 best of」，而是把它当成一个大的向量空间去找因子，因子甚至可能是无限的。
鲁扬说非常准确。客户经常问，你告诉我背后到底是哪几个因子？他们的回答是，理论上是无穷的。能影响品牌的元素远不止内容，稿件、视频、品牌固有信息、电商信息、评价都可能是权重，不同行业选的因子又不一样。所以他觉得 GEO 未来就是世界模型下的一套算法工程。
具体怎么做？服务一个品牌，比如说可口可乐，先给它建一个自己的知识库，把所有营销物料、优势卖点向量化。然后给模型下指令：根据可口可乐这个品牌、「可乐哪家好」这个 query，生成一篇文章。模型读取知识库，按它学到的最适合豆包或 DeepSeek 的特征改写出一篇文章或一个视频，同时给出发到哪些平台的权重。
我追问了一句：现在很多模型把联网搜索那一段藏起来了，只能看到中间一小段，反馈打不回来，怎么练？鲁扬说，有些数据肉眼看得到，有些看不到，他们通过技术往下多看一层。而且不同模型每次改版，思维链展示的内容都在变，不能依赖肉眼看到的 CoT。
豆包偏爱抖音，海外模型偏爱官网和 Reddit
「国内的模型，它更多会采信向媒体上面的一些内容，豆包在他对于抖音视频的采信的权重就很高。海外的话，他可能会更偏向于品牌的官网、独立站，然后包括像 Reddit 这些社区。」——鲁扬
我问，Kimi、DeepSeek、豆包，你们解析这些模型的时候难度差不多，还是性格差很远？
鲁扬说难度差不多，原理是一致的，但结果差异很大：不同模型背后调的搜索引擎不一样，返回内容之后推理的模型也不一样，国内和海外差得尤其远。国内模型更多采信媒体上的内容，不同的 chatbot 还各有倾向，比如豆包对抖音视频的采信权重很高。海外模型偏向品牌官网、独立站，以及 Reddit 这类社区，对媒体内容的权重反而没那么高。
所以同一个品牌，国内有业务，海外也有业务，做的事完全不一样。国内要研究稿件的结构、信任状、发布渠道，媒体上多发就行；海外要做官网优化，做社区运营。
我顺便问了一个我一直担心的事：以前讲 GEO，总有人留言说这不是投毒吗？这不是制造垃圾拉客户吗？你们会遇到这个困扰吗？
鲁扬说其实不会，反而是投资人比较关心。黑灰产出现在人工操作的阶段。25 年上半年开始手工操作越来越难，大家发现有些人开始走捷径，黑灰产三个词：大、黑、假。假是杜撰数据：正常写稿很难被引用，那就编，全国第一、全球第一、独家、唯一，稿件里一出现这种极端数据，可能瞬间就被大模型引用了。我以为大模型会怀疑一下，他说这是今天基模能力有待提升的地方。大是海量灌水，开一个自动发卡机，一天灌几百上千篇。黑是黑公关，帮你发稿的时候顺便踩踏、抹黑竞品。
他的立场是，GEO 是内容营销，广告法和职业道德对它同样有效。更重要的是，AI 在不断进化，基模越强，假大黑越难做，直到有一天你想优化一个违背规律的东西，做不上去。所以真正做 GEO 不是去跟大模型对抗，而是跟大模型同频：它认为什么是优质的内容，我们就去生产什么样的内容。
AI 消费闭环开始了：酒旅已经抽佣
「我们说今天一个新的电商叫意图电商，它才开启。」——鲁扬
我们家现在基本所有的消费决策都通过 AI 了。以前淘宝买化妆品，后来跑到抖音买，先上抖音的人就爽了。现在 AI 这波红利存在吗，还是大家都没搞清楚怎么玩，没什么便宜可占？
鲁扬说流量红利有，而且挺明显，最近一年有一个信号在明显释放，就是 AI 消费在闭环。去年 4 月 29 日 ChatGPT 率先支持电商跳转，去年秋天上线 Instant Checkout，豆包、千问全部跟进，元宝也跟进了。而且豆包在一些品类已经不用跳转，直接在豆包的应用环境里下单、支付。前段时间被聊得比较多的是，豆包跟抖音电商的商家后台打通了，从抖店后台可以追踪到豆包带来的成交。
我问，这意味着这一步就可以拿返佣了？他说返佣三周前已经开始了，第一个针对酒旅，正常抽 8 个点，有的品类 12 个点，比抖音电商常规抽佣高，但比 OTA 平台低。AI 消费闭环了，AI 成为很多品牌新的流量通道。
我自己的体感是，用 AI 之后行为变了：越来越多的时候我问 AI 的不是「这几个哪个好」，而是更靠前的问题和意图，还没到商品选购。比如我不问哪个氨糖好，我说我膝盖疼，AI 大概率会告诉我氨糖没用，很多我想买的抖音上的智商税产品，它都劝退了。用户已经在跟 AI 聊问题、聊场景，不是聊选购。那我们的内容是不是要往决策链更上游挪？
鲁扬说这就是一个新的电商形态在兴起。电商最早叫货架电商，后来是兴趣电商，今天一个新的电商叫意图电商。用户描述的是自己的现状、特点、痛点，并没有释放出任何购物需求，但 AI 能识别交互背后的意图，做精准推荐，促成交易。回头看用户问的话里，没有一个字跟氨糖相关。这个时候，货架会发生变化。
一个 prompt 就是一个货架
「今天在 AI 时代下，prompt 会变成新的货架。你的一个品牌的潜在客户、消费者，他每天在用什么样子的话术、什么样子的 prompt 在跟 AI 对话……那个 prompt 的背后就是一个品牌他应该要去出现的位置。」——鲁扬
货架从百货大楼到虚拟货架到 APP，AI 时代的货架就是 prompt：潜在客户每天用什么话跟 AI 描述自己，那句话背后就是品牌该出现的位置。
那企业的内容要不要去迎合用户意图？鲁扬的心得反而是回归本质：优化自己的核心优势和定位，这才是今天最适合拿到 AI 推荐的方法。
他举了一个二线冲锋衣品牌的例子。客户上来就说要优化「最好的冲锋衣」，他们劝住了：事实上不是你，优化出来客户也不信。你的核心优势是什么？第一我便宜，性价比高；第二质量好，抗造。那就优化这个：性价比高、质量好、抗造的冲锋衣。
十年前在搜索引擎年代，这样一个长尾词流量很少，意义不大。AI 时代不一样：用户问「适合大学生的冲锋衣推荐」，AI 会去理解什么是适合大学生的：第一不能太贵，性价比高；第二大学生会运动，质量得好、得抗造。它认为你贴合这个意图，流量就到你这儿。所以反而应该死死抓住自己的优势去优化。「AI 是讲道理的。」
我接了一句：你得让它讲道理的时候有话说。每次渠道转变都会对某类产品更友好：抖音对化妆品特别友好，拍一拍就出水，马上涂就见效，长效型的产品就吃亏；AI 是讲道理的平台，背后有点像理工男。我跟太太最近买护肤品，AI 反反复复强调，不要买贵的，我们家现在买得最多的那款润肤露二十几块钱一瓶，后面瓶子上居然写着尿素两个字。AI 说这才是真润肤。我问它贵一点的不是更好吗？它说不是的。
那有硬道理的产品是不是更受益，情感类的就吃亏？鲁扬说未来采信维度会越来越复杂：豆包的信源越来越多来自抖音视频，视频的长度、题材、是数字人还是真人、镜头语言，都可能成为采信特征，越复杂越难靠人工琢磨。
科学 GEO 八环节，写稿发稿只占两个
「很多人其实今天都觉得 GEO 就是写稿发稿。但是写稿发稿我们说只是其中的两个环节，它完整是八个环节。」——鲁扬
我问了一个最实际的问题：假如我要跟你合作，第一步是干嘛？
鲁扬说他们在宣传一个理念，叫科学 GEO，四个方面：流程科学、方法科学（用模型算法做，不靠人工）、工具科学（不能做一套 SaaS 监控系统就完事了，他们通过数字员工来做）、标准科学。流程科学是把 GEO 分成八个环节组成的闭环。
第一，知识管理。帮品牌建一个知识库，包含品牌介绍、公司介绍、优势卖点、竞争差异，向量化。这是所有 GEO 的开端，也是 GEO 可信信源的起源。
第二，意图挖掘。研究这个品牌的目标对象在 AI 上进行什么样的问询，哪些意图比较 hot，值得优化，把方向锚定正确。他举了一个做麻辣香锅的餐饮品牌，最早找到他们想优化的意图是「某某城市麻辣香锅或者火锅品牌推荐」。做完一轮意图挖掘，最后选择优化的意图完全变了，变成加盟：想加盟一个餐饮店，该选什么品牌。因为他发现 GEO 最贴合他当下业务需求的是帮他拓店，拓店成本太高了。我总结了一下：这是挖甲方的意图，甲方的需求不是搜索的那个人，而是用 AI 挖掘「那些人」里，哪一波人的意图最值得优化。
第三，品牌诊断。海外 Profound、Scrunch、Peec 这些公司核心做的都是这一步：品牌在 AI 平台上的呈现度、趋势、对比、用什么话术在谈你。他们的诊断还带优化建议，比如哪些意图不可优化：联网率低的意图，问了以后 AI 不联网，很难通过机构优化；科普类回答的意图，运动完膝盖酸痛，AI 不会推荐任何品牌，就不要在上面投资源。
第四，内容管理，写稿和稿件优化。第五，效果预估。他们有一个仿真环境，模拟分析同样一篇稿件发布以后有多大概率能提升 GEO 效果，然后才是发布。第六，发布。第七，效果监控。第八，效果调优。
多久见效，怎么证明效果
「我们经常说这个点儿最背的就是老板 review 的那天，然后老板手机上搜出来，然后你就解决这个方法。」——鲁扬
我接着问了两个甲方一定会问的问题：给了你钱，两周能看到效果，还是要两年？你说有效果，结果在你的机器上有，在我的机器上没有，怎么说服我把尾款打给你？
第一个问题，因为他们有一个算法学习的过程，第一件事是建知识库。同时他们是异构模型，底层通用模型，上面每个客户一个小模型，小模型要根据每个客户的 query 单独学习，大概一周。第二周内容生成和发布。一般第三周，有些客户长一点第四周，能看到明显的效果提升。
第二个问题，AI 搜索是凭概率来的，这台机器有，另一台可能没有。确保效果稳定，背后靠高频的科学监控。今天很多 GEO 还是人工监测，发完稿人工搜一次，每天搜一次，这不科学，当下一次抽样不能代表连续性的效果。他们通过系统做高频监测，最高可以到分钟级，一般一小时级采样：同一个 query，一天 20 到 30 次，均匀分布在 24 小时内，多平台、多账号、多 IP。至少上百个账号，模拟不同的用户，不同的地理位置，北京的结果和广东的不一样。而且要求月均，跑够一个月，月均达标才算真正达到。
标准不够高，就会出现「我今天在我的机器上跑一下也有效果了，但在品牌方的机器上没有」。最背的就是老板 review 那天，手机上搜不到。
从字节出来创业：时间点判断过于激进
「我们当时一个判断是在 24 年下半年的时候，当时的基模能力还不足以 to B 的应用落地……所以现在看起来我觉得这个还是过于激进了，可能得到 25 年年底，我觉得今年到 26 年的，可能才真的谈得上 to B 的一些场景的落地。」——鲁扬
回到他个人。24 年下半年出来创业，三个创始人都从大厂出来，只有家人支持。为什么是这个方向？他做了二十多年营销，最近两年在做豆包，两条线汇到一起，而 AI 营销是最适合大模型落地的场景之一。我补了一句：第一个火的 AI 产品 Jasper 就是营销。
什么样的人适合做 AI 营销的创业？他当时画了一个画像：懂营销，最好是 CMO 出身；做过 AI，懂 AI；既在大厂工作过，见过中局，又在创业公司工作过，被锤过。他在字节之前在创业公司当过四五年高管，被创业公司蹂躏过。这么一层一层算下来，中国比较适合做这件事的人没太多，还得有意愿从大厂出来。我说你这套话术好适合融资。
时间点上，他跟 CTO 测算过：24 年下半年基模还不足以 to B 落地，再迭代三到四个季度才够。现在看过于激进了，得到 25 年底、26 年才真的谈得上。但等基模完全成熟再出来就晚了，所以提前三个季度入场，先做公司、做产品、打磨，等能力 ready，那时候可能就是 market fit。
没想到的是，他们当时的核心是突破 AI worker 这个点，放在 GEO 上的精力其实不多，完全没想到 GEO 在 25 年爆发了，AI worker 没有爆发。
我之前一直以为，你在豆包、在火山引擎，知道他们的大概规则，出来就反过来做，就像很多做 SEO 的早期也是从百度出来的。鲁扬说，很多客户当时也是这么说的：我们相信你们自己就是从豆包出来的，所以你们可以搞定豆包。「我说你想错了，其实并没有。豆包本身背后也不是一套名门的规则，我们并不是拿到了公式，你也拿不到，它自己也没有。」我想起抖音的算法同学很早就跟我讲过，其实我们已经不知道他们是怎么推荐的了。
创业是修行：发心、道与术
「创业是一个整个人生前半场的一次集中变现。」——鲁扬
最后几个小问题。如果给刚创业的自己发一条短信，会发什么？鲁扬说他一直想创业，过去错过很多风口，元宇宙、Web3，都去练过。之前一直觉得自己不太晚，四十多岁去创业，现在感觉都晚了十年。但真正出来之后的体会是，创业是整个人生前半场的一次集中变现，尤其做 to B 这件事，之前很多年的积累最后都用到了。所以不晚，这是一个合适的 moment。
要改什么？可以修正的点非常多，但真让他选，他会选择「反而不反了」。最重要的是保持初心，第一天想做这件事内心当中的发心。他们一开始想做 AI 的员工，没想到最初没着眼、放心思最少的那个场景 GEO 反而爆发了，现在又回过头拿 GEO 做切入点去做 AI worker。兜兜转转，发心很重要，不被过程当中一些短暂的风口带走；树上可以修正的调整很多，那是术。
我说你现在状态很好，斗志昂扬，是上半生所有东西的一次变现，很正能量。我之前那个公司卖给京东，后来放弃了很多钱出来创业，是上半生所有积累的一次消费，亏得很惨，把靠运气赚的钱靠实力全部赔进去了。但这个过程还是很好玩的，门票很贵，过山车很好玩。
鲁扬说他创业之前在一家 SaaS 创业公司工作过四五年，经历了 SaaS 的起起伏伏，见了很多 SaaS 公司从波峰跌到谷底，身上留了一些阴影，反而让他走向另一个极端：不太敢融资、不太敢花钱。我说你是帮豆包花钱的人，会习惯性不敢。他说，创业确实是修行，很多事必须自己一点点去历练，不然成长不起来。现在公司 160 多人，感觉人太多了，各种大公司的毛病都有了；状态最好的是三十多个人的时候。当然，从三十多人涨到 160 多人，也说明业务确实还可以。
给品牌的建议：最难的不是行业，是说不清自己是谁
「我自己觉得最难做的不是某一个行业，最难做的是什么样的企业。就是当我问他，你能不能简单用一段话，描述一下你们公司究竟是做什么的，以及你们最强的优势。对方能答不上来，他可能是公司的 CMO。」——鲁扬
最后一个问题：不管卖矿泉水还是卖奶茶，都希望豆包推荐、Kimi 推荐。除了来找 PureblueAI 合作，自己能做点什么？
鲁扬说，他们经常总结哪些行业难做，比如大家有共识的医药、金融。但他觉得最难做的不是某个行业，是某类企业：问他，你能不能简单用一段话描述你们公司究竟是做什么的，以及最强的优势是什么？对方答不上来。可能是公司的 CMO，我说要讲 32 页 PPT。对，他一下怔住，然后开始长篇大论讲公司做什么，没有一段话精炼地概括出来，这种品牌往往特别难做，因为它缺乏对自己品牌系统化的梳理。
所以给品牌方的建议是，GEO 短期是一个数，可以通过优化短期把效果做上去；但真正长期的是做好品牌知识资产的积累，一个品牌的知识图谱：品牌是做什么的，目标客户是谁、有什么痛点，你有什么优势能满足这些痛点，你跟竞品的差异，案例佐证，所有的 PR 稿件、公众号文章、PPT、视频。做好这套品牌资产的梳理和构建，源源不断去坚持，一般来说 GEO 效果不会太差，可能不用做 GEO 效果已经不错了。
我的理解是，先梳理自己的品牌资产，假设大模型也是个人，几句话能讲得他清楚，或者他来翻材料的时候翻得到。我回头也去整理一下我们家的品牌资产，搞个图，搞个知识库。
彩蛋：清蓝这个名字，清华加 IBM
「清是为了致敬清华，蓝是为了致敬 IBM。」——鲁扬
最后问了一下为什么叫这个名字。鲁扬说，决定创业的那一瞬间就定了：清是致敬清华，蓝是致敬 IBM。他一毕业就进了 IBM，这是对他个人影响最大的两个机构，一个是国内造就 AI 从业者最多的学府，一个是人类 AI 启蒙的公司。英文名 PureblueAI 还有一个小 tips：IBM 内部管一毕业就进 IBM 的人叫 pure blue。logo 是他花了一上午自己画的，IBM 的蓝加青花瓷两个颜色。
结语
这期让我最有触动的，不是 GEO 能不能把 AI 炼金术从第四排到第一，而是鲁扬那句「豆包自己也没有规则」。以前做 SEO，你是在追一个人写的规则；现在你追的是一个没人写得出来的规则，连写它的人都不知道。这种时候，人工经验的复利就断了，只能造一台机器去学另一台机器。
但另一头，他给品牌的建议又朴素到不像一家算法公司说的话：先用一段话说清楚自己是谁、优势是什么、给谁用。AI 是讲道理的，你得让它讲道理的时候有话说。
我回去打算先做这件事：把我们家的品牌资产梳理一遍，搞个知识库。你的公司，一段话能说清楚自己是做什么的吗？