在越来越多消费者通过大型语言模型（LLM）获取产品信息的背景下，品牌如何在这类“对话式搜索”中被优先推荐，正成为营销部门的新任务。

一位消费者以“四口之家、日常通勤兼顾冬季路况、预算约5万美元”为条件，分别向两款主流聊天机器人询问购车建议。ChatGPT给出马自达CX-90混合动力、丰田Highlander混合动力、丰田RAV4混合动力、本田CR-V混合动力以及丰田Sienna全轮驱动混合动力等车型；Claude则推荐2026款丰田RAV4混合动力全轮驱动，并列出起亚Telluride、现代Palisade XRT、斯巴鲁Forester和本田Passport等“替代选项”。在相同提问下，两款模型共给出10个车型，仅有一款重合，折射出品牌在不同LLM中的呈现差异。

业内人士指出，这些结果并非“凭空生成”，而是品牌在官网、社交媒体、第三方平台及媒体报道等各类在线内容被模型抓取、整合和排序的结果。不同LLM依据自身算法对这些信息进行解读和优先级划分，品牌如何在各模型的推荐列表中占据有利位置，正成为营销团队关注的重点。

生成引擎优化进入营销议程

这一新兴领域被称为“生成引擎优化”（Generative Engine Optimization，GEO）。根据麦肯锡2025年10月发布的一份报告，约50%的谷歌搜索已包含AI摘要，预计到2028年这一比例将超过75%。届时，美国约7500亿美元的收入预计将通过AI驱动的搜索渠道流转。报告同时指出，未做好准备的品牌，其来自传统搜索渠道的流量可能下降多达50%。

围绕GEO的商业化服务快速涌现。一些初创公司主打“AI内容工厂”，宣称可快速生成大量包含品牌关键信息的内容，以期被LLM采纳并在回答中复述。与此同时，Profound、Bluefish、Scrunch和Emberos等工具则聚焦于帮助营销人员监控、追踪和管理品牌在LLM中的呈现方式。Profound今年2月宣布完成9600万美元融资，估值达到10亿美元。

尽管如此，多位受访高管认为，当前GEO更类似于“1998年的搜索”或“2006年的社交媒体”，仍处在早期探索阶段。不同品牌对这一领域的态度差异明显，从积极投入到谨慎试水，甚至完全忽视不等。GEO及相关服务被部分业内人士形容为“骗局”，也被另一些人视为“未来方向”，现实情况则介于两者之间。

基础传播能力仍是关键

多名品牌、代理商和初创企业高管在接受采访时表示，GEO并非短期战役，真正能在LLM中占据优势的，仍是那些已在付费媒体、自有媒体和赢得媒体上打好基础的品牌。这些品牌在官网、品牌内容、社交渠道以及外部媒体报道中保持相对一致、清晰的表达。

公关从业者Jim Prosser在一篇题为《GEO是一场骗局》的文章中指出，所谓GEO，本质上是拥有良好的整体传播策略，并在此基础上监控品牌在LLM中的呈现。他认为，企业所有对外行为都会沉淀为品牌资产，如今这些资产被LLM压缩进一次回答中，“好、坏与不足”会被集中呈现。

当用户向LLM询问某一产品或品牌时，模型会从高管在LinkedIn上的发言、消费者和员工在Reddit上的评论、主流媒体和关键意见领袖的评价，以及品牌自身广告与内容中提取信息，并优先采用其判断为“可信”和“有影响力”的来源。这些因素一直构成品牌形象的一部分，而LLM的变化在于将其一次性整合输出。

飞利浦个人健康消费业务（规模约40亿美元）全球媒体、营销规划与运营及代理领导负责人Meghan Signalness表示，当前的讨论“在很大程度上印证了营销的基本原则”，“在某种意义上，这就是加速版的SEO”。

她介绍，团队已开展多轮GEO审计，发现最有效的做法是“持续出现”。“LLM会关注与你品牌最相关的词汇，这其实是非常传统的营销逻辑。”

优化自有内容与结构化信息

广告代理公司Anomaly全球首席AI官Chris Neff认为，品牌需要系统性优化自身数字资产，尤其是官网。他估计，约60%至65%的AI引用可能来自品牌自有内容，这使得品牌着陆页重新变得重要，因为其具备可被引用的内容和结构化架构，更易被模型抓取和理解。

代理公司Gale媒体副总裁Brad Nunn指出，品牌常见问题解答（FAQ）同样关键。简洁、事实性的“一句话回答”有助于减少LLM对产品的错误推断。“你不是制造模糊，而是开门见山提及品牌，并明确说明它解决什么问题。后面可以补充更多内容，但第一句话必须非常清晰、简洁且准确。”

AI原生营销平台Profound联合创始人兼CEO James Cadwallader表示，自有内容为LLM提供了更充分的机会去理解品牌业务。“你是在给AI机会更好地理解你的业务。”

为确保这些内容发挥作用，Ally Financial首席营销官Andrea Brimmer介绍，其团队持续审计并修正品牌的在线呈现。他们使用Scrunch工具查看品牌在LLM中的出现位置和方式，并通过由公关、技术、人力资源及专门AI团队组成的跨职能团队，每周召开例会分析结果。

在此基础上，团队通过新内容维护品牌存在，确保信息出现在合适的渠道。当发现LLM引用过时或错误信息时，会有针对性地创作新内容，并与公关团队合作，纠正模型引用的原始来源。

Brimmer表示，下一步是更为“无形”的工作，即确保消费者在各接触点看到、听到和体验到的内容保持一致，从而让品牌在线形象尽可能清晰、统一，便于LLM识别和理解。

“我们很快意识到，品牌比以往任何时候都更重要，”她说，“这里的品牌不仅是营销，还包括客户体验、公关、产品在市场上的声誉、企业社会责任以及对员工的对待方式，这些构成优秀品牌的要素如今比以往任何时候都重要。”

争夺“权威来源”地位

目前，LLM搜索仍倾向于优先采用专业性、权威性和可信度较高的来源。但当这些来源本身存在错误时，品牌面临的挑战会加大。Brimmer将当前环境形容为“狂野西部”阶段，品牌需要“近身肉搏”，以确保在具有概率性的LLM回答中被准确呈现。

Ally近期的一次经历凸显了这一问题。去年12月，该行宣布客户可在沃尔玛实体店向Ally支票账户存入现金，这对一家大型纯线上银行而言是重要功能更新。但主要LLM在相当一段时间内仍向用户表示该行不提供此服务。为纠正这一错误，Ally启动了长期内容策略，在官网及其他渠道创建更具体的内容突出该功能，并尝试修正错误信息来源网站上的表述。

与谷歌、Meta、TikTok等大型搜索和社交平台不同，当前主要AI公司尚未建立类似的品牌联络机制，品牌在平台上的运营路径仍需自行摸索。多位受访者认为，一旦LLM中引入更成熟的广告模式，这一状况可能发生变化，但在现阶段，企业仍需依靠自身力量确保信息源的准确性。

在此过程中，品牌需要出现在用户和LLM寻找信息的关键场所。例如，飞利浦在Reddit上举办“问我任何事”（AMA）活动，邀请工程师和医生等专业人士提供高权威、事实性的内容。Reddit是AI模型重要的抓取平台之一，飞利浦希望观察“认证人类专业知识”对品牌在LLM中的可见度影响。

Signalness表示，初步结果“令人鼓舞”，但强调这远非精确科学。平台规则可能随时变化，例如Reddit开始限制AI公司为商业目的抓取用户评论。飞利浦也在类似框架下测试了其影响者策略。

“虽然我们知道影响者有作用，但在LLM环境下，20岁拿着手机的年轻人不如医生、牙医或其他专业人士有效，”她说，“这在一定程度上剥离了噪音。”

内容“人味”与质量门槛

多位受访者提醒，品牌不应为“喂养算法”而无节制生产内容，质量仍应优先于数量。所有受访高管均表示，品牌应避免使用任何看起来像“AI流水线产物”的内容，因为消费者对这类内容的接受度正在下降。

广告代理公司Big Spaceship CEO Taryn Crouthers提到，营销人员与消费者之间存在明显的“信任鸿沟”。营销团队可能因看到AI在效率和规模化个性化方面的潜力而积极采用，但消费者一旦听到“AI”往往会产生抵触。

“所以现在品牌需要人类印记或努力的证据，”她说，“你可以用AI制作内容，确保GEO归因完整，但还需要展示讲故事中的人性面，包括制作过程的艰辛、原因和方式，这会让人们更容易接受信息。”

埃森哲Song CEO Ndidiamaka “Ndidi” Oteh指出，如果传统SEO主要围绕产品属性和具体描述展开，那么LLM可见度则因其对话属性而延伸至使用场景和感受。“以一件黑色圆领毛衣为例，我们现在关注的，不仅是它是黑色圆领，还包括穿着感受、是否适合下午滑雪等场景——这些通常不会出现在传统的产品属性标准中。”

商业闭环尚未成熟

多位受访者认为，LLM搜索与电商的深度融合尚处早期。Oteh表示，用户在LLM中找到心仪商品并直接完成购买的“代理商业”模式尚未成熟，距离形成新的重要销售渠道仍有距离。

“即便在技术部分可行但尚未规模化的初级案例中，我们发现许多公司的供应链和订单管理系统还没有准备好接收来自任何渠道的信号，”她说。

Signalness也指出，LLM尚未能提供品牌所需的数据，以便其在平台上进行负责任的投入并证明投资回报。“我们知道这是必须迈出的一步，但还需要与LLM平台一起解决很多问题，”她表示，“我们会说，‘好，我们开始测试，但这是我们的问题清单。’而这些问题目前还没有清晰答案。”

根据麦肯锡的数据，目前仅有16%的品牌系统性追踪自身在AI搜索中的表现，而这被视为识别错误信息或可见度缺口的关键步骤。多位受访高管认为，尽管围绕如何构建、提升和维护LLM可见度的市场中存在一定“炒作”与不切实际的承诺，但对多数大型品牌而言，这一议题的重要性已经确立。

“这就是未来趋势，”Signalness说，“所以，做好准备吧。”