GEO行业深度：对照SEO三十年，我们现在处在哪一格

一、能证明"被看见"，但证明不了"值多少钱"

2026年8月，一位消费品牌的市场总监在会议室里被问住了。老板的问题很简单：上个季度批的那笔GEO预算，带来了多少生意？

他有数据。品牌在豆包上关于"XX类产品哪个好"这个问题的提及率，从12%涨到了34%；引用来源里，有9个平台是团队三个月内主动经营出来的。这些数字都在后台，随时可以调出来。

但他答不上老板的问题。因为从"AI开始提到我们"到"客户下单"之间，那条链路他画不出来。

这不是他一个人的困境。这是2026年整个GEO行业的困境——能证明"被看见"，但证明不了"值多少钱"。

要理解这个行业现在到底处在什么位置，得先回头看一段更长的历史。

二、SEO的五幕洗牌，每一次都长得一样

搜索引擎优化这个行业，从1997年前后算起，已经快三十年。它经历过至少五次彻底的洗牌，每一次都淘汰掉大部分从业者。有意思的是，这五次的剧本几乎一模一样。

第一幕：套利期（1997–2003）

早期的搜索引擎排序逻辑极其简单，关键词出现的次数几乎直接决定排名。于是有了"关键词堆砌"——在页面底部用白色文字写满关键词，用户看不见，爬虫看得见。有人靠这个把毫不相关的页面推到搜索结果第一位。

Google的PageRank在1998年出现，用链接数量和质量重新定义了权威性。这本来是一次修正，但很快演化成新的套利：既然链接决定排名，那就制造链接。链接工厂、博客网络、付费链接交易在2003年之后形成了一个完整的地下产业。

第二幕：清洗期（2011–2012）

2011年2月，Google上线Panda算法，针对低质量、重复、采集类内容。约12%的搜索结果受到影响。2012年4月，Penguin上线，直接打击链接操纵。

这两次更新对行业的意义远大于对某几个站点的意义。它第一次让"技巧"变成了负资产：过去积累的链接越多，受罚越重。大量以"包排名"为卖点的服务商在这两年里消失。

第三幕：语义化（2013–2019）

Hummingbird开始理解查询的意图而非字面。RankBrain引入机器学习处理从未见过的长尾查询。BERT让模型理解介词、语序这些过去被忽略的细节。

这个阶段的变化更隐蔽，但影响更深：关键词本身开始失效。同一个意图可以用一百种说法表达，堆砌某一个具体词组的价值急剧下降。从业者的工作重心被迫从"匹配词"转向"覆盖意图"。

第四幕：质量与信任（2022–2024）

Helpful Content Update与E-E-A-T标准的强化，把评判维度推向了内容之外——作者是谁、有没有一手经验、机构是否可信。

这一轮之后，SEO行业幸存下来的公司，做的事情已经和"优化"关系不大了。他们更像内容咨询公司：帮客户搞清楚该讲什么、由谁来讲、发在哪里更可信。

第五幕：信源集中化（2023–2025）

如果只讲到E-E-A-T，会漏掉最关键的一幕——而这一幕恰恰是GEO现在正在重演的。

2023年9月的Helpful Content Update之后，发生了一件超出多数人预期的事：大量独立站、垂直博客、小型媒体的自然流量在几个月内蒸发。有些站点的降幅超过70%，而它们并没有做任何违规操作。

流量去了哪里？去了少数几类信源——大品牌媒体、权威机构站点，以及用户生成内容社区。

这一幕的本质是：搜索引擎从"评估无数信源"转向"依赖少数可信信源"。对从业者的意义是根本性的。过去二十年SEO的核心假设是——只要内容够好、结构够对，任何站点都有机会排上去。信源集中化打破了这个假设：在很多查询上，你的站点根本不在候选池里，无论内容多好。

于是策略发生了转向：从"把自己的站点做好"，转向"想办法出现在那些被信任的信源里"。这不再是技术优化，而是内容分发和信源经营。

为什么这一幕对理解GEO至关重要？因为生成式引擎从第一天起就是按这个逻辑工作的。它不遍历全网，它从有限的信源池里检索、汇总、生成。SEO用了二十多年才走到"信源集中"这一步，GEO是从这一步开始的。

三、五幕洗牌的共同结构

把这五幕放在一起看，会发现一个稳定的模式：

• 套利窗口打开 → 规则简单、漏洞明显，早期进入者获得超额收益
• 规模化滥用 → 工具化、批量化，套利手法被复制到失效
• 平台反制 → 算法更新，滥用者遭受不可逆损失
• 能力沉淀 → 幸存者的做法向"真正对用户有价值"收敛

每一轮的时间跨度在缩短：第一轮用了六年，第二轮两年，第三轮六年，第四轮不到三年，第五轮从政策转向到格局重塑只用了一年多。平台的反应速度在变快。

还有一个规律更值得注意：每一轮洗牌之后，行业的总规模都变大了，但服务商的数量都变少了。淘汰掉的是套利者，留下的是能力方。

四、GEO行业目前处于发展的哪个阶段

把GEO放进这个框架，答案不难得出：它现在大约处在SEO的2004年前后——套利窗口的末端，第一次大清洗之前。

判断依据有三个。

第一，简单粗暴的手法已经开始失效。2025年下半年到2026年初，市面上流行过一批极其直接的做法：批量生成结构化内容、大规模分发到低门槛平台、堆砌问答格式。在窗口期内这些确实有效，因为早期的大模型在选择引用源时，对内容的结构化程度给了很高的权重。但各家平台在过去半年陆续调整了信源策略。同样的做法，投入产出比已经明显下降。

第二，第一批割韭菜的服务商声量在消退。2025年底，市场上出现过大量以"包上榜""保证被AI推荐"为卖点的服务商和软件开发商。到2026年年中，这批声音明显少了。

第三，认真的公司开始拉开差距。与噪音减少同时发生的，是另一批公司在深化能力——把精力放在数据采集的准确性、信源结构的研究、跨平台差异的量化上。这些工作短期内不产生销售话术，但它们是下一轮洗牌之后唯一还站得住的东西。

这是一个正在洗牌的行业，而不是一个已经稳定的行业。理解这一点，比理解任何具体战术都重要。

五、第一方数据：一个服务商不会讲的图景

行业里最大的信息扭曲，不在于有人说假话，而在于大部分能拿到的数据都来自卖方。要看清真实图景，只能依赖三类信源：独立第三方的实测数据、纯甲方样本的调查、上市公司的财报口径。

SparkToro：流失是真的，但补偿还没来

SparkToro创始人Rand Fishkin在2026年发布了一组基于Similarweb面板数据的分析，覆盖2026年1至4月的美国Google搜索。核心数字是68.01%——超过三分之二的Google搜索没有产生任何点击，而这个比例在2024年是60.45%。

比百分比更直观的是绝对量：每1,000次美国Google搜索，现在只有276次点击流向开放网络；2024年这个数字是374次。两年时间，开放网络从搜索获得的点击减少了26%。

但同一份研究里还有另一组数字，引用的人少得多：ChatGPT目前只贡献约0.2%的引荐流量，Perplexity不到2%。Fishkin由此得出的结论写在一篇文章的标题里：《在零点击世界里，流量是个糟糕的目标》。

Webflow：那一小部分的质量高得反常

Graphite CEO Ethan Smith在Lenny's Podcast上给出了一个有名有姓的案例——Webflow。核心发现是：LLM带来的流量，转化率是Google搜索流量的6倍。

原因并不神秘。用户到达网站时，已经完成了多轮对话。他把该问的问题都问完了，才点进来。这是一个已经被前置筛选过的访客。

Smith同时指出了有效和无效的做法。有效的三个战术是：落地页、YouTube视频、Reddit评论（前提是真实账号、表明身份、真的提供帮助）。无效的是：自动化工具、虚假账号、过度优化的SEO内容。他的原话是——"AI模型偏好自然、未过度加工的信源。"

CMO Survey：甲方自己怎么说

由杜克大学Fuqua商学院、德勤和美国市场营销协会联合执行的The CMO Survey，第35期覆盖308位美国营销负责人，其中97%是副总裁级以上。几个关键发现：

• GEO已被40%的公司使用。它从零到40%的渗透，只用了一个调查周期
• AI在营销活动中的占比，从2024年的13.1%升至2026年的24.2%，生成式AI的使用增长220%
• 人力占营销预算的比重，从21.9%升到了24.5%

这是一个反直觉的结果。如果AI真的在替代人力，这个比例应该下降。它反而上升了。调查给出的解释是——CMO们发现AI的价值取决于人和执行，不只是工具。

财报口径：最硬的证据

上市公司的财报电话会是最难粉饰的场合。Chegg是被AI搜索直接冲击的完整案例——第四季度营收同比下降24%，非订阅流量同比下降49%，裁员45%。LegalZoom的表述则代表了中间状态：AI引荐渠道环比增长250%，但基数接近零；管理层对AI来源客户的评价是"通过AI来的客户意向更高，转化指标相似"。

把它们拼起来

四组数据放在一起，得到一个服务商不会主动讲的图景：

• 关于流量：服务商叙事是"AI是巨大的新流量入口"；第一方数据是ChatGPT仅占引荐流量0.2%
• 关于损失：服务商叙事是"不做就流失客户"；第一方数据支持这一点——68%零点击是真的
• 关于补偿：服务商叙事是"做了就能补回来"；第一方数据不支持——AI渠道尚未以规模替代流失的点击
• 关于质量：服务商很少提这一项；而这恰恰是第一方数据最有力的地方——Webflow转化率6倍

诚实的图景是：你损失的流量是真的、而且很大；你能从AI拿回的量还很小；但那一小部分的质量高得多。

六、把美国数据搬到中国之前，先看三个不同

上面所有的第一方数据都来自美国市场。但直接把这些数字搬过来用，会得出错误结论。至少有三个结构性差异必须先说清楚。

平台格局：一家独大vs五家分立

美国的AI搜索格局是高度集中的。ChatGPT一家占据了绝大部分对话量。中国不是这个结构。豆包、DeepSeek、文心一言、通义千问、元宝五家分立，各自背后是不同的内容生态。它们在回答同一个问题时，引用的信源可能几乎没有交集。

这带来两个后果：一是任何单平台的数据都不能代表整体；二是分散降低了单点风险，也降低了单点收益。

端的差异：桌面面板测不到中国

SparkToro的研究基于Similarweb的桌面与移动网页面板。中国的AI使用高度集中在APP端。用户打开豆包App、元宝小程序直接提问，这些行为根本不经过浏览器，任何基于网页面板的统计都测不到。

更关键的是：同一个问题，网页端和APP端的回答可能不同。一个只监测网页端的工具，在中国市场会系统性地漏掉真实场景。

信源生态：Reddit的位置由谁替代

Ethan Smith给出的三个有效战术里，Reddit评论占了一个。这在美国成立。中国没有一个Reddit。它的功能被分散到知乎、小红书、微信公众号、垂直论坛以及各家平台的自有社区里。

这意味着中国的"信源经营"是一件比美国复杂得多的事。你不能只挑一个平台深耕，必须先搞清楚在你这个行业里，各家AI实际引用的是哪几类平台。

那么，美国数据里还有什么可以用

三个结构性差异之后，剩下三条结论是跨市场成立的：

• 零点击趋势是共同的
• 质量高于数量的规律是共同的
• "被提及次数最多胜过排名第一"是共同的

换句话说：机制可以借鉴，数字不能照搬。

七、为什么GEO的归因是行业最大难题

如果说GEO现在只有一个真正的瓶颈，那就是归因。

在整体层面，GEO的ROI是可以做粗略评估的。方法也不复杂：选定一批关键问题，测量提及率和引用来源占比的变化，对照同期的线索量和成交量，做时间序列上的相关性判断。这个粗略评估足以支撑"要不要继续投"的决策。

但一旦下沉到业务层面，链路就断了。具体到某一个客户，你无法确认他是不是因为AI提到了你才来的。原因有四个：

• 没有referrer：用户在AI对话里看到品牌名，然后打开浏览器直接搜品牌名进来
• 多轮对话：用户可能问了七八轮才形成决策，其中某一轮AI提到了你
• 滞后期：内容进入AI的引用池需要时间，从引用到影响决策又需要时间
• 样本波动：同一个问题在不同时间问，AI的回答不完全一致

行业里体量最大的玩家之一给出的答案，是放弃。Profound在2026年2月完成9,600万美元C轮融资，估值达到10亿美元。以这样的资源投入，它在实操层面选择了不去计算CRO链路。它的产品逻辑是：把"可见性"这件事做到极致，把"可见性到收入"的推断交给客户。

这不是能力不足，是判断——在归因技术成熟之前，强行给出一个精确的转化归因，反而会损害数据的可信度。

值得指出的是，归因困难并不是GEO独有的问题。SEO在早期也经历过完全相同的阶段。从"只能看排名"到"能看归因"，SEO走了大约十年。GEO现在处在这条路的起点。

八、供给侧正在分层

讨论GEO时，人们默认的假设是流量来自那几个头部AI应用。这个假设正在过时。流量供给侧已经出现了明显的分层，而不同层次的流量，对应完全不同的策略。

第一层是头部巨头：豆包、DeepSeek、文心一言、通义千问、元宝——用户规模最大，也是绝大多数监测工具覆盖的范围。

第二层是中型流量入口：一批垂直或半通用的AI产品，用户规模远小于头部，但用户意图更集中。

第三层是半自建的agent：介于平台产品和企业自建之间。这一层最容易被忽略，因为它不在任何监测工具的默认覆盖范围里，但它带来的流量在特定场景下相当可观。

分层带来的三个策略后果：

• 监测的覆盖范围决定了你能不能看见机会
• 不同层次的进入成本相差数量级
• 层与层之间存在传导

九、资深从业者该如何建立GEO判断框架

如果你是在这个领域做决策的人，以下几条判断可能比任何战术清单更有用。

换掉流量指标。在AI引荐流量只占0.2%的现实下，用流量看GEO，得到的结论必然是"没用"。应该看的是三个指标：提及率、引用来源占比、从这两个数字到线索量的滞后相关性。

接受归因是不完整的。不要因为算不出精确的CRO链路就否定这件事，也不要相信任何声称能算出来的服务商。行业里最大的玩家都选择了不算，这不是能力问题。

警惕过度优化。Ethan Smith那句"AI模型偏好自然、未过度加工的信源"，是当前所有战术里最反直觉、也最重要的一条。批量生产的"AI友好内容"，恰恰是AI最不喜欢引用的那种。

判断服务商的四个问题：数据是走模型API还是模拟真实用户？覆盖哪几个引擎、哪一端？评分逻辑和各模型权重是什么？能不能承诺排名？（正确答案是不能）

现在该投多少。参照The CMO Survey的数据，40%的公司已经在做，但只有30%准备好规模化。对多数企业来说，合理的姿态是：投入足以持续观察的最小成本，把数据积累起来。先测后投，比先投后测安全得多。

十、洗牌之后，什么还值钱

参照SEO五幕洗牌之后幸存者的共同点，以及GEO当前的结构性特征，有四类能力大概率会在洗牌之后仍然值钱。

1. 对信源结构的实证知识：这是最被低估、也最难速成的一项。有用的知识是具体的：在这个行业、这类问题上，五家AI分别倾向于引用哪几类平台？
2. 把业务问题翻译成监控问题的能力：GEO监测的输入是"问题"。看起来简单，实际上是整条链路里最容易做错的一环。
3. 在不确定归因下做决策的能力：真正的能力是在承认归因不完整的前提下，仍然能做出可辩护的资源分配决策。
4. 判断什么时候不该做的能力：一个真正有能力的服务商，应该经常劝客户不要做。不是所有生意都需要GEO。

11、还在半途

回到开头那位市场总监的困境。他答不上老板的问题，不是因为他做错了什么。是因为这个行业还没有为那个问题准备好答案。

GEO现在的状态，很像2004年的SEO：真实需求已经出现，早期实践者拿到了超额回报，但方法论没有固化，归因体系没有建立，服务商良莠不齐，平台规则随时会变。

区别在于，这一次的节奏会更快。SEO用了六年才等到第一次大清洗，而GEO从爆发到平台开始调整策略，只用了不到两年。

对于身处其中的人，这意味着两件事。一是套利窗口正在关闭。那些靠信息差和批量手法赚快钱的做法，剩下的时间不多了。二是真正的能力才刚刚开始定价。理解用户在决策链路上会问什么、知道哪些信源在特定行业里真正被引用、能够持续观察并调整——这些能力在今天还没有被充分定价，因为市场还在被噪音主导。

洗牌结束之后，它们会是唯一还值钱的东西。