未来的品牌营销，一半在现实中一半在AI里（邹杨）.pdfVIP

未来的品牌营销

一半在现实中，一半在AI里

邹叔

WhatGEO创始人

每次一流量的迁移，都是一次新的商业机会。

原则1流量正在转移，认知持续外包

消费者与品牌的第一次接触，

可能就在AI的推荐里，

而不是你的广告。

灵魂拷问

为什么AI不推荐你？

原则2：投喂决定产出

AI的推荐，不是玄学，而是科学。

它是一场面向AI的公开演讲竞赛，

你的内容，就是赢得推荐的关键。

蛮荒时代的GEO三派势力

蛮力派：霸屏与堆砌

玄学派：指标与迷雾

科学派：逆向与迭代

可见度，推荐度，内容分析，信源分析，标签

可见度，推荐度，内容分析，信源分析，标签

原则3：信任即货币

AI答案的推荐，

不是因为它喜欢某个品牌，

而是他读过的材料证明品牌值得推荐。

GEO的本质就是去营造和管理这种“信任”！

不做自我介绍，让AI帮我介绍

2026年，

更多专业书...

从问题到数据，从数据到报告

《2025中国10大消费品行业GEO现状与趋势报告》

跑了10大行业，32个细分品类，

17000多个问题，2000万字的答案

再形成了371291字的完整分析

最后优化成60000字的行业报告

近100页PPT

从问题到数据，从数据到报告

关注亿欧智库，

获取后续报告

AI答案生产的流程

LLM的本质不是思考而是概率和统计

用户输入分词+向量上下文注意

问题化力为什么GPT、Claude、Gemini能回答复杂问题？

l融合了检索：能从外部数据库查找最新资料；

l增加了工具调用：能调用Python、搜索引擎、API；

l加入了多模态能力：能理解图像、语音、视频；

重复预测下生成第一个计算概率分

一个词……词布l还有对齐训练：通过人类反馈（RLHF）让回答更符

合人类价值观。

形成完整答

案

使用RAG减少幻觉

原则4：AI希望用最少的算力，输出合适的答案

l加入检索（RAG）：在生成前检索真实资料；

l引用来源：要求模型在回答中附带出处；

l事实校验层：输出后用工具自动验证；

l用专业领域微调模型（Fine-tuning）：减少

幻觉几率。

我能如何了解品牌在AI答案中的现状？

Agent：问题设计-模拟提问-收集答案-深度分析

阶段用户心态关键词用户问题

“加班熬夜，第二天早上眼睛肿怎么办？”

需求觉醒与痛点定