AI对话框里的新生意

题图｜AI生成 过去二十年，中国互联网的流量入口换过两次。 第一次是搜索。 多网页信息检索，品牌竞逐关键词排名。 第二次是推荐。 算法预判喜好，社交平台将内容推至消费者眼前，品牌深耕种草与直播。 而眼下，正在发生第三次。 搜索与推荐的边界在消失，它们一同被拉进了AI的对话框里。 消费者不再有耐心多步筛选，而是直接问AI：“推荐一款适合油皮的防晒”“5000块预算买什么手机”“给孩子选奶粉要注意什么”。 Adobe Analytics的数据提供了一个参照：2026年5月，美国零售网站来自AI的流量同比增长138%，创历史新高。通过AI搜索来的消费者，购买转化率比其他渠道高54%，收入高出53%。 AI带来的是有着明确购买意图的流量。 在中国，这个变化更直接。千问、元宝相继完成电商交易跳转，2026年7月15日，抖音电商新规正式生效，豆包被官方纳入特定成交渠道，来自豆包的订单在抖店后台实现了单独标识与归因，平台在用真金白银给AI流量定价。Gartner的预测是，2026年传统搜索引擎流量将缩水25%。 这25%去哪了？它们跟着用户的指尖，迁徙到了AI生成的答案里。 AI成了消费决策的“中间人” 过去，消费者看了广告往往习惯去小红书、抖音查证比较。现在，越来越多人直接把问题交给AI。 “以往我们在协助品牌梳理投放广告的定位时，常会建议他们加强社交平台种草等配套动作。”分众传媒副总裁隆军谈到，“分众作为一家数字化媒体公司，一直以来都希望给品牌创造更多的投放价值，带来更好的传播效果。AI兴起之后，我们的判断是，未来大家会直接问AI，消费决策链路会发生根本性变化。” 作为超级流量转化的新载体，AI给广告的“品效协同”带来了另一种可能性—— 曝光触达后，更大的商业价值被激发了出来，消费决策的路径被缩短了，人们不再需要切换多个平台进行对比、询价、选购。品牌被看见了，购买可能就发生在当下。 然而，当AI成了决策的“中间人”，一个新问题在于：它真的认识你的品牌吗？过往的知名度并不代表AI对品牌的认知度。 一个典型的案例，钛镁AI服务的一家硫酸氨糖类骨关节健康品牌，深耕该领域数十年，在同品类中也算有名气，但当消费者用AI搜索同类产品问题时，却被推荐了行业里其他几家知名度并不算高的新品牌。 团队分析后发现：由于这几家新锐品牌布局了GEO（生成式引擎优化），大模型对品牌的认知被强化了，让品牌在AI的生态体系里完成了“被理解、被信任、被推荐”。 在钛镁AI创始人蔡晓旭看来，这映射出一个当下无法回避的现实：“品牌过去积累了很多营销基础，形成的是消费者认知，并不等同于AI认知。如今，这可能会成为同行弯道超车的机会。” 当AI开始影响判断、参与决策，它如何介绍品牌，成为了下一阶段增长的分水岭。 虎嗅了解到，行业初期，不少人沿用SEO的思路做GEO：研究关键词、生产内容、增加外链，把传统搜索引擎那一套搬到AI对话场景里。这套打法曾一度有效，无非是因为早期入局者寥寥，模型对外部信息的识别能力尚浅，通过传统手法确实能让品牌在AI搜索中的可见度有所提升。 然而，短暂的可见度不等于理解度。 生成式AI给出的答案是动态变化的——它首先要理解用户提问中的潜藏意图，其次要深度理解品牌内容的语义与差异化价值，同时还会交叉核验信源的权威性与事实准确度。只有完成这三层“理解”，AI才能从海量信息中提取事实、比较选项，最后重组出答案。搜索优化被重新定义，隆军表示， GEO相对于SEO是跨越式的发展。SEO更多解决的是“被看见”，而GEO解决的是“被理解和被选择”。 图片由AI生成 较早入局的钛镁AI，从2024年就注意到了这个变化，在同年10月开始进行GEO探索，2025年初在业界率先推出全栈自研GEO定制化解决方案，但在那时，想说服品牌方为之买单，并不容易。而真正让市场开始重视GEO的时间点，是今年的3·15。 央视在3·15晚会上曝光了一条“AI投毒”的灰色产业链，一些不正规的机构通过批量炮制虚假口碑软文“投喂”大模型，影响了AI搜索的推荐结果，几十到几百元、两个多小时，就能把一款产品送上AI推荐前列。 这场曝光让GEO进入了更多品牌的视野，也从另一面确立了其对AI生成内容的影响力。 “之前因为没有验证链路，也没有第三方证明优化有结果，所以很多人都在观望。”蔡晓旭告诉虎嗅，此后，越来越多品牌开始追问，为什么推荐里没有我。 大力出不了奇迹，但确定性可以 第一个撞墙的，往往是最舍得花钱的那个。 钛镁AI团队接过一个项目，这家品牌曾委托一家GEO服务商为他们做AI搜索优化，几个月里真金白银发了一千多篇文章，内容反复围绕几个角度说这家公司靠谱，结果模型不收录、不推荐，AI端口碑却不升反降。 为什么没效果？模型给出的答案是：这个品牌最近投入了大量相关内容，有营销嫌疑，需谨慎甄别。 这也是GEO反直觉的地方。 在AI面前，信任买不来，也堆不出来。尤其在2026年4月之后，DeepSeek、千问等模型相继迭代，交叉验证更为严格，靠“水文”和榜单冲量的做法接连失效。3·15曝光的黑帽玩法，正在被模型淘汰。 “我们面对客户时一直强调，这种做法不可取。往后想要在模型端扭转已经形成的负面认知，付出的成本会更高。”蔡晓旭提到。 在他看来，投机取巧往往会事与愿违。他提出了三条品牌做GEO时的关键点：第一，不要把精力花在优化关键词上，这种做法未必有效。第二，靠数量堆出来的结果不可取。第三，要把GEO当作品牌长期的数字资产和内容工程来持续运营。 “持续积累后，结果会越来越好，成本甚至会越来越低。” GEO本质上，是品牌在数字世界重构的一套AI可读取的语料体系，是面向大模型的内容工程。需要的不只是内容的增量，更是信任的升维。要抓住优化中的 三个核心问题：一是用户到底在问什么？二是AI如何定义品牌？三是推荐规则是怎么样的？ 沿着需求、认知、规则这三条主线深入，钛镁AI团队将这些看似抽象的命题，转化为可观测的工程体系，由此研发了 三款GEO核心引擎： 虹膜引擎： 负责 AI 搜索意图推演，告诉品牌该去优化哪些具体问题； 知枢引擎： 将品牌分散的知识资产、行业语义、产品信息、竞品关系和合规边界统一建模，形成大模型可理解的品牌认知网络，即知识图谱，帮助AI认识、解读、理解品牌； 自适应算法感知引擎： 推演平台采信逻辑、权重漂移和回答机制变化，为GEO策略提供动态算法环境感知能力，摸清模型的推荐规则。 GEO的优化原点是用户的搜索意图。 一个用户意图的背后并非一个词或单一问法，围绕同一个核心诉求，可能延展出几十甚至上百种问法变体。如何在网络噪声中精准锁定那些具备商业价值的“真问题”，是行业普遍在攻克的难点，钛镁AI正在构建这一环节的数据壁垒，通过与火山引擎等大模型基建厂商的生态合作，融合模型端海量脱敏Query集与社媒、热榜等多维数据，加之“虹膜引擎”的意图推演能力，建立一套高价值搜索需求的识别机制。 图片由AI生成 知识图谱，可以被理解为一个品牌在物理世界、虚拟世界几乎所有认知的AI镜像。 不少服务商会建知识库，主要是解决模型幻觉和内容创作准确性问题，但如果只解决幻觉问题，随着模型上下文持续拉长，单纯知识库的价值就会被压缩。而知识图谱，可以让品牌在模型端建立实体、关系、属性、认知