去年 6 月,印度理工学院的一篇论文《GEO:Generative Engine Optimization》率先提出了 GEO——生成式引擎优化的概念,并迅速被业界接纳。实际上,GEO 的概念与传统的搜索引擎优化 SEO 非常相似,核心也是提高曝光。简单来说,GEO 就是利用 AI 在推理甚至训练中的偏好,通过大量相关内容让品牌名字更多可能地出现在 AI 的回答中。
为了做到这一点,品牌和广告公司需要知道各家 AI 对于不同平台和内容的偏好。比如众所周知,Reddit 庞大的真人内容就是很多大模型的核心语料库,巨头甚至原因付费购买。
说白了,只要相关内容足够丰富、全面、专业,AI就会被深刻影响。这听上去是不是有点像「投喂」?没错。AI 每天都在从公开网页、社区平台、百科内容中提取信息做回答,谁的声音密度高、结构友好、了解模型偏好,就越容易成为 AI 回答的一部分。某种意义上,这是一场品牌对「AI 认知」的争夺战。
不过问题也随之而来。GEO 所带来的,并不一定是高质量答案——相反,它可能催生大量「广告优化内容」假扮成中立建议,比如一篇由品牌方撰写的「知乎好物推荐」,在 AI 眼中和用户的真实经验分享看起来并没有区别;再比如,用户问「哪款洗发水更适合敏感头皮」,AI 回答中提到的品牌,可能只是「投喂得早」的那一家。
这种内容与广告的界限模糊化,正是 AI 广告化带来的新挑战:
一方面,它让品牌获得了新的曝光渠道,但另一方面,也在侵蚀用户对 AI 回答的信任边界。当人们开始觉得 AI 给的答案「不再是为了帮助我,而是为了推销某个产品」,AI 搜索引擎也会遭遇「信任危机」。
<img />
写在最后
不管是广告的 AI 化,还是 AI 的广告化,现在看来都是注定发生的。问题当然也不少,比如 AI 生成广告中「伪人」带来不自然和不适,又比如广告内容「植入」AI 回答与回答质量的潜在矛盾。
这些当然都要解决或者改善,需要更好的 AI 技术和更适应新环境的行业规范,需要品牌、内容平台、AI 厂商达成共识。但广告 AI 化、AI 广告化的优势都太明显了,不太可能回到就的方式上。