从SEO走向GEO，品牌的认知逻辑究竟发生了哪些变化？

AI在生成答案时，究竟依赖哪些内容来源？

在这一变化之中，全球化品牌的CMO又该如何调整策略？

这是本次impact.com与AI营销公司Evertune联合创始人兼CEO Brian Stempeck对谈的核心问题。有意思的是，这场讨论的起点来自于一次再普通不过的购物体验。

当时，Brian Stempeck正准备购买一个燃气烤肉架。如果按照传统的购买路径，他首先需要在Google搜索“最好的煤气烤肉架”，然后根据推荐的测评网站、品牌官网以及各类导购内容，逐个点击、浏览和对比，最终再做出自己的判断。

但他使用ChatGPT进行提问式搜索时，体验发生了明显变化。输入家庭规模、后院大小等具体需求，AI会直接给出一组符合用户要求的产品建议，将原本分散在多个网页中的的信息整合为一份结构清晰的答案。

正是这次体验，让他敏锐地意识到消费者端的入口正在发生巨变。过去，用户需要通过搜索、浏览和比较来完成决策；而现在，这一过程正在被AI模型压缩并重组，最终以答案的形式直接呈现。

消费者决策发生了哪些变化？

Brian Stempeck认为，这一变化的本质并非仅仅是信息获取工具的升级，而是消费者决策机制本身正在被重构。具体体现在以下三个维度：

消费决策路径被压缩

在SEO时代，消费者获取信息的过程本质上是“自助式”的。用户提出关键词，搜索返回结果，随后由用户完成筛选、比较并完成判断。

现在，AI技术的发展正在改变这一结构。用户不再只是输入关键词并浏览结果，而是以更完整的语境与AI进行对话。系统则在理解用户需求的基础上，对信息进行整合与筛选，并直接输出建议。

消费需求被放大

路径缩短并不意味着用户参与减少，反而带来了更深度的互动。Brian Stempeck发现用户在AI对话窗口中的停留时间也显著延长，一般消费者在谷歌可能停留5-10秒，但在AI交互中这个数字就变成了六七分钟。

用户开始通过持续提问，不断补充约束条件，例如预算、使用场景、偏好风格等，从而逐步靠近更符合自身需求的答案。这意味着，需求不再是一个静态的关键词，而是在多轮交互中被不断细化、修正，甚至被重新定义。

AI参与品牌构建

当用户越来越依赖AI提供的整合性答案时，模型不仅在提供信息，也在参与塑造品牌印象。

答案的结构、用词倾向，以及所引用信息的准确性与时效性，都会直接影响用户的判断。例如，Brian Stempeck提到某奢侈品牌因AI引用过时信息，导致其品牌形象在回答中被贴上了质量差的标签。

当决策被压缩、需求被细化、认知被重构，品牌影响用户的方式也随之发生转移。那么，品牌方或者营销团队要怎样才能参与进去，将正确的信息传递给消费者呢？

从“排名竞争”到“概率竞争”

Brian Stempeck认为这个问题在AI时代变得更加复杂。

AI并不存在稳定的排名。当你同一个问题，在不同语境或不同时间下，可能得到不同的回答。以跑鞋推荐为例，当用户询问“适合日常穿的跑鞋”，AI可能给出的是几款大众认知度较高的品牌；但当用户进一步补充“需要适合扁平足、用于长距离慢跑、预算在1000元以内”时，推荐结果往往会发生明显变化。一些原本在通用推荐中占优的品牌，可能会被更细分领域表现更突出的产品所替代。

品牌所面对的不再是一个固定排名的竞争，而是一个动态的概率分布，品牌是否被推荐，以及被推荐的频率和场景都会随着用户输入、问题细节以及上下文的变化而不断波动。

更重要的是，AI对品牌的判断除了品牌自身的表达，更多是基于第三方声音对该品牌的描述。品牌不再完全决定自己如何被理解，而是在很大程度上取决于外界如何谈论自己。

AI在学习什么？

在这一背景下，理解AI的信息来源变得尤为关键。根据Evertune的观察，当前影响AI输出结果的内容，大致可以分为四类：品牌自有内容（如官网与产品页）、媒体与公关内容、带有商业属性的评测与赞助内容，以及来自社区与用户的真实讨论。

这些内容共同构成了AI对品牌的认知基础。与传统SEO侧重页面结构与关键词不同，AI更关注信息的完整性、具体性与一致性。它并不是简单地抓取某一个页面，而是在多个来源之间进行交叉验证，从而形成对品牌的整体判断。

因此，品牌直接影响AI模型的能力固然有限，但通过影响AI赖以学习的外部信息源，依然能有效提升在AI语境中的可见度。这正是合作伙伴营销变得更加重要的原因。

无论是媒体、内容创作者，还是各类垂直社区，本质上都在持续生产关于品牌的切面认知。这些内容不仅影响真实用户的决策，也在不断被AI吸收、整合，并转化为未来推荐中的一部分。

（图片来源：impact.com）

当规则改变，策略也必须重构

针对这一变化，Brian Stempeck提出了三项建议：

第一步：基准测试

了解你的品牌目前在主要AI模型中的表现：

推荐率与覆盖度：在与自身品类相关的高频提问中，品牌名字是否出现？出现的频率是多少？与品牌相关的信息来自哪些合作伙伴或媒体的内容？

情感倾向与信息准确性：AI如何描述你的品牌？用词是正面的还是负面的？引用的信息是否陈旧或存在事实性错误？

竞品对比定位：在同一提问场景下，你相对于竞争对手的推荐概率如何？你的品牌在哪些关键词和场景中占据优势？

由于AI模型具有概率性，单次提问的结果不足以作为判断依据，品牌需要通过大量、多维度的提示词测试，真实反映品牌的现状。

第二步：提高内容产出速度

Brian Stempeck强调，AI模型的认知更新需要大规模、高质量信息的持续喂养，因此内容产出速度成为新的竞争壁垒。许多品牌被内部流程所拖累，内容产出速度远远跟不上市场的需求节奏。

在AI时代，内容产能本身就是一种竞争力，谁更快、更准地将信息铺向网络，谁就更有机会成为模型学习的优先信源。

第三步：重塑衡量体系

AI模型通常不会像Google那样提供外链，而是倾向于将用户留在模型内。因此，营销人需跳出点击率的思维惯性，转而关注品牌在AI对话中的被提及率、情感倾向及对终端销售的增量影响。

品牌在落实上述三步策略时，无需从零开始。impact.com现已提供针对性解决方案，帮助品牌高效应对AI时代的可见性挑战：

AI可见性报告：量化模型在用户提问中推荐你品牌的概率，将推荐概率转化为可追踪的核心数据。

域名提及报告：清晰识别哪些媒体与创作者被AI视为高权威信源，以及你品牌在其中的覆盖程度。

可执行的行动闭环：定位那些在AI搜索中权重高、但尚未提及你品牌的内容渠道，通过平台直接与目标伙伴建立合作，持续优化品牌内容。

（图片来源：Partnerships Experience Academy）

在这样的趋势下，合作伙伴营销的价值不再局限于转化层面的合作管理，而是延伸到更前端的品牌认知构建。

通过连接创作者、媒体与各类内容平台，品牌可以在更多高质量内容中建立露出，并形成更完整的信息结构。这些内容不仅服务于用户决策，也成为AI模型的重要学习来源。而impact.com平台所提供的，正是将这一逻辑付诸实践的核心能力：从AI可见性的精准诊断，到高权重信源的识别与连接，再到规模化内容合作的激活与管理。从根本上帮助品牌在GEO时代建立可持续、可被AI识别的有效内容，进一步提升品牌在AI搜索中的可见性与竞争力。