a16z 最新洞察：从 SEO 到 GEO，流量的游戏规则正在如何被改写？

作者：a16z

编译：深思圈

你有没有想过，那个价值 800 亿美元的 SEO 产业可能正在走向终结？二十多年来，我们习以为常的搜索规则——关键词排名、反向链接、页面优化——正在被一种全新的游戏规则彻底颠覆。当苹果宣布将 Perplexity 和 Claude这样的 AI 原生搜索引擎内置到 Safari 中时，谷歌长期以来的分发垄断地位开始动摇。我们正在见证搜索历史上最重大的范式转变：从基于链接的搜索时代，迈向由语言模型驱动的生成式引擎优化（GEO）时代。

这不是什么渐进式的改良，而是一场彻底的重写。想象一下，在传统搜索中，成功意味着你的网页出现在搜索结果的前几位。但在 GEO 时代，成功的定义完全变了：你的内容是否被直接引用在 AI 生成的答案中？你的品牌是否在模型的"记忆"中占据重要位置？这种转变正在重塑整个数字营销生态系统，从内容创作策略到品牌可见性的衡量标准，一切都需要重新思考。我看到的不仅仅是技术的更新换代，更是商业模式和竞争格局的根本性重构。

从SEO到GEO最重要的就是流量分发渠道的变化，对于一个做营销和增长的人来说，最敏感的就是渠道变化，每一次新的渠道的出现，都意味着新的一波流量机会。我前段时间在即刻也分享过Google AI Overview的一些最新数据和洞察，感兴趣的朋友可以看下图。a16z正好今天发了一篇新的文章，讲述的就是GEO的出现是如何改变流量和营销的游戏规则，结合我的一些思考和认知，一块分享给大家。

从链接时代到语言模型时代的跨越

传统搜索建立在链接之上，而 GEO 则建立在语言理解之上。这种差异看似微妙，实际上却代表着两个完全不同的世界观。在 SEO 时代，可见性意味着在搜索结果页面上排名靠前，这需要通过关键词匹配、内容深度和广度、反向链接、用户体验等因素来优化页面排名。但在今天，当 GPT-4o、Gemini和 Claude 这样的大语言模型成为人们获取信息的主要界面时，可见性的含义发生了根本性变化：你需要直接出现在答案本身中，而不是在结果页面上排名靠前。

我发现这种转变带来的影响远比表面看起来更深刻。答案格式的变化彻底改变了人们的搜索行为。AI 原生搜索正在各个平台上呈现碎片化趋势，Instagram、亚马逊和 Siri 都由不同的模型和用户意图驱动。用户的查询变得更长（平均 23 个词，而传统搜索只有 4 个词），搜索会话更深入（平均 6 分钟），响应会根据上下文和来源而变化。与传统搜索不同，大语言模型具备记忆、推理和个性化多源综合响应的能力。这从根本上改变了内容被发现的方式，以及内容需要如何被优化。

更重要的是，大语言模型市场在商业模式和激励机制方面与传统搜索市场截然不同。像谷歌这样的经典搜索引擎通过广告货币化用户流量，用户用他们的数据和注意力作为代价。相比之下，大多数大语言模型都是付费墙后的订阅驱动服务。这种结构性转变影响了内容被引用的方式：模型提供商没有太多动机去展示第三方内容，除非这些内容对用户体验有加分作用或者能强化产品价值。虽然广告市场最终可能会在大语言模型界面上出现，但其规则、激励机制和参与者很可能与传统搜索截然不同。

在这种新环境下，我观察到一个有趣的现象：传统 SEO 奖励精确性和重复性，而生成式引擎则优先考虑那些组织良好、易于解析、意义密集的内容（而不仅仅是关键词密集）。像"总结"这样的短语或项目符号格式有助于大语言模型有效提取和复制内容。这种差异揭示了内容优化策略需要进行的根本性调整：从迎合算法转向迎合语言理解系统。

我认为最值得关注的一个新兴信号是大语言模型界面的出站点击量。例如，ChatGPT已经在为数万个不同的域名带来引荐流量。这表明，即使在 AI 直接回答问题的时代，高质量的原始内容仍然有其价值，但这种价值的实现方式与过去截然不同。品牌和内容创作者需要重新思考如何在这个新生态系统中创造和维护自己的价值。

从排名到模型相关性的转变

现在的游戏规则不再仅仅关于点击率，而是关于引用率：你的品牌或内容在模型生成的答案中被引用或用作来源的频率有多高？在 AI 生成输出的世界中，GEO 意味着优化模型选择引用的内容，而不仅仅是你是否或在传统搜索中出现在何处。这种转变正在重新定义品牌可见性和表现的衡量方式。

我看到新平台如 Profound、Goodie 和 Daydream正在兴起，它们让品牌能够分析自己在 AI 生成响应中的表现，跟踪模型输出中的情感倾向，并了解哪些发布商正在影响模型行为。这些平台的工作原理是微调模型以镜像品牌相关的提示语言，战略性地注入顶级 SEO 关键词，并大规模运行合成查询。然后将输出整理成可操作的仪表板，帮助营销团队监控可见性、信息一致性和竞争对手的声音份额。

加拿大鹅（Canada Goose）使用了这样的工具来了解大语言模型如何引用该品牌——不仅仅是保暖或防水等产品功能，还包括品牌认知本身。关键洞察不在于用户如何发现加拿大鹅，而在于模型是否会自发提及该品牌，这是 AI 时代无辅助品牌认知的一个指标。这种监控变得与传统 SEO 仪表板一样重要。像 Ahrefs 的品牌雷达（Brand Radar）这样的工具现在跟踪品牌在 AI 概览中的提及情况，帮助公司了解他们如何被生成式引擎定位和记住。

Semrush 也推出了专门的 AI 工具包，旨在帮助品牌跟踪在生成平台上的认知、优化 AI 可见性内容，并快速响应大语言模型输出中出现的新提及。这表明传统 SEO 参与者正在适应 GEO 时代。我们正在见证一种新型品牌策略的出现：不仅要考虑公众中的认知，还要考虑模型中的认知。你如何被编码到 AI 层中，这是新的竞争优势。

当下，GEO 仍处于实验阶段，就像 SEO 的早期阶段一样。每次重大模型更新都有重新学习（或遗忘）如何最好地与这些系统交互的风险。就像谷歌的搜索算法更新曾经让公司争相应对排名波动一样，大语言模型提供商仍在调整其模型引用内容背后的规则。多种思路正在出现：一些 GEO 策略已经相当明确（例如，在大语言模型引用的源文档中被提及），而其他假设则更具推测性，比如模型是否优先考虑新闻内容而不是社交媒体内容，或者偏好如何随不同训练集而变化。

我觉得这种不确定性既是挑战也是机遇。对于那些能够快速适应和实验的品牌来说，这是一个获得先发优势的时机。但同时，投资决策需要更加谨慎，因为今天有效的策略明天可能就不再适用。这要求营销团队培养更强的适应能力和实验精神，而不是依赖固定的最佳实践。

从 SEO 时代汲取的经验教训

尽管 SEO 市场规模庞大，但它从未产生垄断性的赢家。这个现象给我很多启发。帮助公司进行 SEO 和关键词研究的工具，如 Semrush、Ahrefs、Moz 和 Similarweb，都在各自领域取得了成功，但没有一家完全占据整个技术栈（或通过收购增长，如 Similarweb）。每家公司都开拓了自己的细分市场：反向链接分析、流量监控、关键词情报或技术审计。

SEO 始终是碎片化的。工作分布在代理机构、内部团队和自由职业者之间。数据混乱，排名是推断出来的，而不是验证的。谷歌掌握着算法密钥，但没有供应商完全控制整个市场。即使在巅峰时期，最大的 SEO 参与者也只是工具提供商。他们没有用户参与度、数据控制或网络效应来成为 SEO 活动集中的中心。点击流数据——用户在浏览网站时点击链接的记录——可以说是了解真实用户行为最清晰的窗口。但历史上，这些数据一直难以获取，被锁定在 ISP、SDK、浏览器扩展和数据经纪人背后。这使得在没有深度基础设施或特权访问的情况下，几乎不可能构建准确、可扩展的洞察。

GEO 改变了这一切。这种转变的关键在于，大语言模型的工作方式本质上更加透明和可预测。虽然我们无法完全了解模型的内部工作机制，但我们可以通过大规模查询和分析来理解其行为模式。这为新一代工具和平台创造了机会，它们可以提供比 SEO 时代更精确、更可操作的洞察。

在 GEO 中获胜的平台将超越品牌分析，提供行动基础设施：实时生成营销活动、优化模型记忆、每日迭代，随着大语言模型行为的变化而调整。这些系统将是操作性的。这释放了一个比可见性更广阔的机会。如果 GEO 是品牌确保在 AI 响应中被引用的方式，那么它也是品牌管理与 AI 层本身持续关系的方式。GEO 成为与大语言模型交互的记录系统，让品牌跟踪在生成平台上的存在、表现和结果。拥有那个层次，你就拥有了背后的预算。

GEO 工具的崛起与平台化机遇

这不仅仅是工具转变，更是平台机会。我相信最具竞争力的 GEO 公司不会满足于单纯的数据测量功能。它们将构建自己的模型微调能力，从跨行业的数十亿隐含提示中学习。它们将拥有完整的闭环——洞察、创意输入、反馈、迭代——通过差异化技术不仅观察大语言模型的行为，还能主动塑造这种行为。更关键的是，它们将找到获取点击流数据并整合第一方和第三方数据源的方法。

在我看来，这就是垄断的潜力所在：不仅仅是提供洞察，而是成为渠道本身。如果 SEO 是一个去中心化、数据相邻的市场，那么 GEO 可能恰恰相反——中心化、API 驱动，并直接嵌入品牌工作流程。GEO 本身可能是最明显的楔子，特别是当我们看到搜索行为的转变时，但最终，它真正切入的是更广泛的效果营销领域。支撑 GEO 的品牌指导原则和用户数据理解同样可以推动增长营销。这就是大企业的构建方式，软件产品能够测试多个渠道、迭代并在它们之间进行优化。AI 使自主营销人员成为可能。

时机很重要。搜索才刚刚开始转变，但广告资金移动很快，特别是当存在套利机会时。在 2000 年代，那是谷歌的 AdWords。在 2010 年代，那是 Facebook 的定向引擎。现在，在 2025 年，那是大语言模型以及帮助品牌导航其内容如何被这些模型摄取和引用的平台。换句话说，GEO 是进入模型思维的竞争。

我观察到的一个关键趋势是，成功的 GEO 平台正在从单纯的分析工具演进为全栈营销操作系统。它们不仅告诉品牌在 AI 响应中表现如何，还提供创建、优化和分发内容的工具，以提高在生成式引擎中的可见性。这种一体化方法创造了更强的客户锁定和更高的生命周期价值。

更有趣的是，我看到一些 GEO 平台开始探索预测性功能。通过分析大语言模型的行为模式，它们可以预测哪些类型的内容更可能在未来的查询中被引用，哪些话题即将变得热门。这种前瞻性能力为品牌提供了巨大的战略优势，让它们能够在竞争对手之前占据有利位置。

我认为真正的机会在于那些能够将 GEO 与更广泛的营销技术栈整合的平台。当 GEO 工具能够与 CRM 系统、内容管理平台、社交媒体管理工具和分析仪表板无缝集成时，它就从一个独立的优化工具变成了营销运营的核心枢纽。这种整合不仅提高了效率，还创造了新的数据洞察和自动化可能性。

营销的未来：AI 时代的品牌记忆竞争

在 AI 成为商业和发现前门的世界中，营销人员面临的问题是：模型会记住你吗？这个问题比表面看起来更加深刻和复杂。它不仅关乎品牌知名度，还关乎品牌在 AI 系统中的地位、被引用的语境，以及与其他品牌相比的相对重要性。

我发现这种竞争的本质与传统营销截然不同。在 SEO 时代，品牌争夺的是搜索结果页面上的位置。在社交媒体时代，品牌争夺的是用户的注意力和参与度。但在 GEO 时代，品牌争夺的是在 AI 模型的"记忆"中占据的位置和被赋予的权重。这是一种全新的竞争维度，需要全新的策略思维。

更有趣的是，这种竞争不仅发生在同行业的品牌之间，还发生在跨行业的层面。当用户询问"最好的投资选择"时，传统金融品牌可能需要与科技公司、房地产平台，甚至加密货币项目竞争 AI 的引用。这种跨界竞争模糊了传统的行业界限，要求品牌重新思考自己的定位和价值主张。

我认为成功的 GEO 策略必须建立在深度理解 AI 系统工作原理的基础上。这不仅包括技术层面的理解，还包括对 AI 训练数据、更新频率、偏见倾向的洞察。品牌需要像了解谷歌算法一样了解不同 AI 模型的特点和偏好。例如，某些模型可能更偏向权威性内容，而另一些可能更看重内容的新颖性或实用性。

从长远来看，我相信 GEO 将催生全新的营销职业和专业技能。就像 SEO 专家在过去二十年中成为数字营销团队的标配一样，GEO 专家将成为未来营销团队不可或缺的角色。这些专家需要具备对 AI 技术的深度理解、数据分析能力、内容策略思维，以及快速适应技术变化的敏捷性。

我还看到 GEO 对内容创作的深远影响。传统的内容营销专注于创造对人类读者有价值的内容。而在 GEO 时代，内容需要同时对人类和 AI 系统有价值。这要求内容创作者掌握新的技能，理解如何创造既能吸引人类读者又能被 AI 系统有效理解和引用的内容。

最终，GEO 不仅仅是一种新的营销策略，它代表着品牌与消费者互动方式的根本性转变。在这个新世界中，品牌的成功不再仅仅取决于它们能够触达多少消费者，而是取决于它们能否在关键时刻被 AI 系统选择和推荐。这种转变要求品牌重新审视自己的价值主张、内容策略和技术投资，以确保在 AI 驱动的未来中保持竞争力。

我深信，那些能够早期理解并掌握 GEO 规律的品牌将在接下来的几年中获得巨大的竞争优势。而那些固守传统营销思维的品牌可能会发现自己在 AI 时代的可见性急剧下降。这不是危言耸听，而是技术变革带来的必然结果。GEO 时代已经到来，游戏规则已经改变。关键问题是：你准备好了吗？