之前, 国内第一份生成式引擎优化叫做GEO的五项团体标准已经正式发布了, 这个举动填补了生成式人工智能营销领域在标准化方面的空白。灵狐公司是核心的参与编制的单位, 进行了深度的参与。依靠自家研发的监测系统来构建度量校验闭环的能力体系, 帮助行业朝着规范化的方向发展。

这五项《生成式引擎优化（GEO）》团体标准, 是由中国商务广告协会提出并且归口。然后, 由AI 营销应用工作委员会去组织开展的。它们现在已经正式通过了全国团体标准信息平台审核, 并且对外公布了出来。这是国内头一个系统性的关于生成式引擎优化的团标, 编号是五个。

它填补了生成式 AI 营销这个领域里的标准化空白。这也标志着 GEO 行业已经迈入了一个新阶段, 这个阶段是有章可循的。灵狐这家企业本身就是参编单位当中的一员。它以AI还有大数据作为驱动的持续增长伙伴的身份, 从开始到结束, 都全过程地、深入地参与了标准制定的那个工作环节。

此次发布的这五项标准是分别对以下五个部分进行对应的, 这五个部分首先是通论以及术语与定义, 其次是服务商评估, 接着是计价评估与测量, 然后是可信语料, 最后是服务流程的合规与安全。这一情况为当前这种快速发展的 GEO 产业提供了统一的技术语言, 同时也给出了明确的行为底线。

在灵狐开始着手编制标准工作的那会儿, 他们就一直跟着掺和, 参与度蛮深的。而且人家那个 GEO 业务的头儿啊, 还当上了“报价计价 测量标准组”这帮人的副组长, 位置挺关键的, 对行业内那些怎么给效果算账、怎么衡量效果的顶上层的架构设计, 都出了一份挺大的力一直在忙活这事儿。

这份深度参与的专业支撑, 是来源于灵狐公司自己研发的 GEO 监测系统。这个系统, 已经深度整合了豆包、元宝、千问这些国内的 AI 主流平台, 并且也整合了其他一些平台。这样就实现了核心 AI 场景的全面覆盖。

它可以实时地追踪品牌信息, 在 AI 回答当中的引用率是多少, 推荐的排名是什么, 内容的相关性有多高, 这些指标它都能掌握。由此构建起了一个叫作“监测”, 接着是“反馈”, 最后是“优化”的正向闭环机制。这让 GEO 的优化效果, 变得可以量化, 也可以追溯过去。

【灵狐GEO能力体系：度量、校验、闭环】

把这个机制落实到具体的执行层面上去, 需要做到三步递进的动作, 第一步是让那些原本看不见的东西变得可以追踪得到, 第二步是要来判定 AI 在理解方面是不是正确的, 第三步是用数据作为一个驱动的力量来进行持续的优化, 灵狐 GEO 这个能力体系, 正是按照这样的逻辑一步一步构建起来的。

一、度量：从 “事后截图” 到 “实时可审计”

GEO的第一道门槛是度量。灵狐GEO监测系统已经和豆包、元宝、千问这些国内主流的大模型完成了对接工作, 它能够实时地追踪到品牌信息在AI生成的回答里的引用率如何, 还要追踪推荐排名是什么样子的, 以及内容的相关性到底高不高, 最后把这些数据通过一个可视化的数据看板的形式给输出出来。

二、校验：AI 引用你，不等于 AI 说对了你

咱们来聊聊这一层, 这一层其实就是专业GEO和初级优化之间的核心区别所在。

灵狐会把情况反馈出来, 会去回答 AI 的理解是不是对的, 逻辑到底通顺不通顺, 它具体要去做两件事情, 第一件事情是基于语义逻辑识别能力, 去校验品牌信息的思维链是否完整, 以及因果逻辑是不是严谨, 因为 AI 在推导得出推荐这个品牌这个结论的时候, 引用了哪些事实的依据, 推理的那些链条是不是完全自洽的, 这些都是直接决定了推荐可信度的因素, 第二件事是要监测品牌定位和核心的价值主张, 在全量的 AI 场景当中传播是不是保持了高度的一致性, 然后据此去定位三类核心的问题, 这些问题包括关键词匹配有偏差, 算法适配存在不足, 还有权威信源出现缺位的情况。

三、闭环：让每一步优化都可回溯

靠着监测弄出来的结果, “监测”加上“反馈”再加上“优化”, 这就成了一个一直在转圈圈的运营闭环, 它从内容是怎么生产出来的、语义结构是怎样的这两块, 还有信源到底是不是真的这些角度, 来不停地对GEO策略进行动态的校正, 这样一来, 让做的每一步调整都能够回去追查到具体的数据指标上去。

【灵狐三步落地路径：能力必须落到动作上】

第一步, 我们要构建那种品牌知识图谱, 以此来帮助把 AI 用来认知的底子打牢。

GEO 这个事儿, 它刚开始的地方根本不是去写什么内容, 而是要去把那个知识图谱的结构化搭建工作给做了, 具体来说, 就是要把产品有哪些参数、服务体系是个什么情况、行业里拿到的各种资质以及那些标杆案例都进行标准化的梳理, 然后把这些东西全部转化成对于那个大模型来说可以识别、也可以信服的专门的知识节点, 这样就能满足让人类可读、同时让 AI 也可以引用这两方面的双重标准。

然后, 咱们得按照用户使用的具体场景来整理那些内容这样子的话, 人工智能在引用的时候效率会更高。咱们不要再用那种单一产品搞出多个版本然后进行重复的、比较粗放的逻辑了, 其核心重点并不是在于把内容的数量给拼凑上去, 而是要追求信息匹配上的那种准确程度。

所以围绕人群、场景、决策阶段这些要素, 把相关的环境嵌入到模型高概率调用的问题场景里去覆盖掉疑问型、推荐型、对比型、评测型这四类来自用户查询意图的情况。

执行第三步, 进行权威信源矩阵方面的重构工作, 同时打造针对人工智能技术的传播生态体系。

摆脱对单一平台算法的依赖现象, 从过去被动适配各项规则的状态之中转出来, 转向主动引领传播逻辑的方向, 搭建起具有跨平台、多层级特征的权威信源协同矩阵, 借助多源交叉验证的方式建立起人工智能领域的信任背书力量, 最终形成具备抵御算法波动能力以及能够维护认知稳定性的护城河效果。

灵狐作为那个标准的核心参编单位, 要把这次标准的正式发布当成一个机会来用, 继续把自己的技术优势和那些服务方面的长处给发挥出来, 在第一个方面, 就是要把这个标准要求完完整整地放回到自己身上那个叫 GEO 的服务体系里去, 好给那些品牌提供出一些既符合规矩又能拿出具体数字说话、还能追根溯源把事说清楚的解决办法来, 在第二个方面, 就是积极地去配合行业协会去把标准和它后面那些实际的操作做法给宣传下去让它真正落地, 然后和产业链上其他的所有方一起手拉手地把一个好的生态环境给建造起来, 以此来帮助中国的 AI 营销这个行业能够朝着规范以及高质量发展的方向去不停地往前走。