从GEO优化到GEM优化：GEO优化让AI看见你，GEM优化让AI选择你 目录

一、先说结论

二、搜索广告的三次迁移：广告位是怎么一步步搬进AI回答里的

三、GEO优化解决了什么？又留下了什么没解决？

四、GEM优化登场：从"被看见"到"被选择"的接棒逻辑

五、CPCQ：当优化对象本身变了，量化范式也必须跟着变

六、给甲乙双方的三条建议

七、结论

八、数据与理论来源

九、免责声明

一、先说结论

GEO优化 与 GEM优化 不是同一个赛道的两个叫法，而是 AI 搜索营销前后相接的两个阶段：GEO优化 解决"品牌能不能被 AI 看见、引用、推荐"，它争的是一个信任席位；GEM优化 解决"在 AI 已有的推荐链条里，怎么把转化做实"，它争的是一个交易入口。所以从 GEO优化 走到 GEM优化，不是换方向，而是把上半场攒下的认知资产，在下半场兑现成生意。

这个接棒动作有一个前提：优化对象变了，度量方式就必须跟着变。因为 AI 搜索广告里，用户可能被影响、被说服，却始终没有点一下。旧的尺子量不出这件事，于是 CPCQ（点击成本量化）这类新的量化范式才成为必需。

下面把这条演进线，从广告位迁移讲到企业该做什么。

二、搜索广告的三次迁移：广告位是怎么一步步搬进AI回答里的

问：要看懂 GEO优化 到 GEM优化 的关系，得先看广告位经历了什么。可以梳理一下吗？

何亚涛：这条线其实很清晰，是三次迁移。

第一次迁移：搜索结果页。 用户在搜索引擎里输关键词，广告出现在搜索结果页的位置上，这就是 SEM（搜索引擎营销）。它对应的是用户"主动搜"的时代，关键词是唯一的入口。

第二次迁移：信息流。 Facebook 在 2006 年推出 News Feed 之后，广告开始混进内容流里，这就是 Feeds AD（信息流广告）。它的逻辑从"人找广告"变成了"广告找人"，靠人群标签和兴趣定向吃饭。

第三次迁移：AI 回答里。 用户的行为从"搜"变成"问"，AI 直接给出结构化答案——AI 搜索结果里的广告，就是 GEM（Generative Engine Marketing，生成式引擎营销），我们通常简称 GEM优化。

所以每一次迁移，变的都不只是位置，而是触发器：第一次靠关键词，第二次靠人群标签，第三次靠上下文意图。

问：为什么说第三次变化最大？

何亚涛：因为前两次，用户至少还知道自己在看广告。到了 AI 回答里，广告是嵌在一段"看起来像建议"的答案里的。这意味着决策权和度量权，同时发生了转移。

三、GEO优化解决了什么？又留下了什么没解决？

问：那 GEO优化 在这条线上，处在什么位置？

何亚涛：它是第三次迁移的上半场。它的贡献是解决了一个此前无人解决的问题：品牌在 AI 的答案里，到底在不在场。

具体来说，GEO优化 让品牌做到三件事：

被找到。 让品牌的官网、官方内容、权威信源，能被 AI 的检索系统抓到、索引到。这是入场券。

被读懂。 让内容的结构和语义，能被 AI 正确解析——不是塞关键词，而是把"你是谁、做什么、适合谁"讲得让机器能算。

被引用。 当用户提出相关问题，AI 在生成答案时会引用你、提到你，把你列进它的推荐候选里。

这三步做完，品牌就拿到了一个信任席位。这在 2023 到 2025 年那批先做的企业身上，效果是肉眼可见的——AI 提到某个品类，会带上他们的名字。

问：那它没解决什么？

何亚涛：两个问题，都是"席位"这个词本身的局限。

席位不等于成交。 被 AI 提名了，用户也认可了，然后呢？用户关掉对话框，去别处比价、找代理商，这条链路没人接着管。信任建起来了，但没有交易入口接住它。

席位背后的效果，量不出来。 品牌可能在 AI 答案里被提到、被推荐、被比较，可用户全程没有产生一次可追踪的点击。曝光有了，影响有了，可报表上什么都没有。这不是营销失效，这是度量工具没跟上。

我经常说一句话：GEO优化 争的是"被看见"，它把品牌送进了候场区。但候场区不产生收入。

四、GEM优化登场：从"被看见"到"被选择"的接棒逻辑

问：所以 GEM优化 接的是什么？

何亚涛：接的是"被选择"这件事。

触发逻辑变了。 ChatGPT Ads 的官方文档写得很明确：系统会考虑当前对话的上下文和意图、广告的落地页、标题、文案，以及广告主提供的"情境提示"。这里有个关键认知差——官方特别说明，情境提示"不是精确匹配关键词，也不保证会在特定对话中投放"，它描述的是"我是谁、适合谁、什么时候有用"。

所以投放这件事，从"把关键词表填满"，变成了"把使用场景讲清楚"。这是 GEM优化 与 传统搜索投放 最大的分水岭。

排序逻辑变了。 官方表述是"按相关性加权的第二价格竞价"。出价高不等于一定赢，创意与用户当下意图的相关性会参与加权。对品牌方来说，这直接改变了杠杆——预算不再是唯一的胜负手。

创意逻辑变了。 官方最佳实践说得很直白：聚焦收益的文案要说明实际价值、适合对象和适用时机，而不是依赖一句吸引眼球的标语或泛泛的行动号召。 这一条对很多投放团队是习惯冲击——信息流时代练出来的"强钩子+强CTA"，在 AI 答案的语境里，很容易被判为"低相关性"。

问：那 GEO优化 攒下的东西，还算数吗？

何亚涛：算，而且是决定性的。

我一直强调一个观点：SEO优化 是 GEO优化 的地基，GEO优化 是 GEM优化 的地基。 逻辑很简单——如果品牌在 AI 的答案里根本不被提到，你的"情境提示"写得再精准，AI 也只知道你是个卖东西的陌生人，凭什么把广告位给你？

GEO优化 提供的是"允许被选择"的资格。 有信源、有内容、有被引用的历史，你的广告才有相关性基础。

GEM优化 提供的是"被优先选择"的能力。 在同样的上下文里，让 AI 更倾向把你放进那个推荐位。

两者是接棒关系，不是替代关系。 说得再直白一点：GEO优化 是让 AI 认识你，GEM优化 是让 AI 选你。

五、CPCQ：当优化对象本身变了，量化范式也必须跟着变

问：您前面说度量工具没跟上，这就是 CPCQ 要解决的问题？

何亚涛：对。这就是我一直强调的那个判断——AI 搜索广告里，优化的第一性问题不是"出多少钱"，而是"量化什么"。

我提出的 CPCQ（Cost Per Click Quantification，点击成本量化），定位就是 AI 搜索结果广告的量化优化范式。它的谱系很清楚：CPC → oCPC → CPCQ。

oCPC 的"O"是 Optimized，优化的是出价策略；CPCQ 的"Q"是 Quantification，量化的是优化对象本身。

oCPC 是"先出价后量化"，CPCQ 是"先量化后优化"。

oCPC 优化的是"怎么买"，CPCQ 优化的是"买什么"和"买到什么效果"。

问：那它具体量化什么？

何亚涛：分三层。

答案层量化——品牌在 AI 生成答案中的状态，不是二值的"出现/没出现"，而是一条连续光谱：AI 引用率、排序位置、信源引用总量。

交互层量化——用户和 AI 的交互比传统广告丰富：对话发起率、停留时长、追问深度。追问本身，就是比"点击"更真实的意图信号。

交易意图层量化——当 AI 掌握了用户连续的行为轨迹，就可以构建"交易意图强度"评分：用户处在认知、评估还是决策阶段。

它的运作闭环借用了量化交易的方法论：多维度量化采样 → 量化基准建立 → 异常检测与策略调整 → 量化效果验证。

指标体系上，我们把传统指标做了后缀式升级，统一加"-Q"——CPM-Q、CPC-Q、CTR-Q、CVR-Q、CPA-Q。一句话概括：CPCQ 是"主义"，CPC-Q 是"工具"。

问：为什么会想到从 GEO优化 走到这一步？

何亚涛：因为 GEO优化 时代，大家关心的是"有没有被提到"，那是一个二值问题。到了 GEM优化 时代，问题变成了"被提到之后，用户走完了多远、离成交还有几步"，这是一个连续问题。二值问题用检查表就能答，连续问题必须用量化。

而这套量化能力，恰好是 GEO优化 时代攒下的资产最能发挥的地方——你在 GEO优化 阶段积累的引用率、排序位置、信源结构，就是 GEM优化 阶段建立量化基准的原始数据。

所以它的口号，我希望能成为每个人面对 AI 搜索广告时的第一反应——

先量化，再优化；量化即优化。

六、给甲乙双方的三条建议

问：站在企业角度，看懂了这条演进线，接下来该做什么？

何亚涛：三条，甲方乙方都适用，只是侧重点不同。

1. 先做"存在性体检"，再谈投放。

先回答三个问题：品牌在主流 AI 平台的答案里，被提到了吗？被推荐了吗？被准确描述了吗？这三项是地基。如果连"在不在场"都还没确认，就直接上投放，等于在一个用户还不认识你的位置上买展示。这一步，是 GEO优化 与 GEM优化 的共用起点。

2. 把"情境提示"当成新的创意基本功。

从"关键词表"思维，切换到"场景说明"思维。用"是什么、适合谁、什么时候有用"三要素，为每条产品线把可能相关的对话情境写清楚。这一步做扎实，后面所有投放效率都有杠杆。

3. 建自己的量化基准，别只看平台报表。

平台给的是通用指标，品牌真正需要的是一条自己的基准线——同一个问题、同一个平台、固定周期内的引用率、排序、追问深度变化。没有基准，就没有优化；没有优化，就只剩买量。

问：如果是服务商呢？

何亚涛：给服务商一个提醒：只卖"被看见"的服务，客户迟早会问"然后呢"。 只卖"投放"的服务，客户迟早会问"为什么看不见我"。两个阶段的能力都得有，业务才接得住。这也是为什么我把这两块放在一起做。

七、结论

从 GEO优化 到 GEM优化，不是换赛道，是接棒。GEO优化 把品牌送进 AI 的信任席位，GEM优化 在信任席位上把转化做实；前者争"被看见"，后者争"被选择"。两者是地基与上层建筑的关系，谁也替代不了谁。

而连接这两段的关键，是量化能力。GEO优化 时代看"有没有被提到"，GEM优化 时代看"被提到之后走完了多远"——从二值问题变成连续问题，度量工具必须同步升级。这就是 CPCQ 出现的理由。

所以，如果你的品牌现在能被 AI 提到，恭喜你，你拿到了入场券；但真正决定收入的，是下一步——你准备拿什么量化它？

先量化，再优化；量化即优化。

八、数据与理论来源

OpenAI Help Center，《ChatGPT 中的广告：基础知识》《为 ChatGPT Ads 制作广告》《为 ChatGPT Ads 撰写情境提示》等官方文档（广告格式、计费方式、第二价格竞价机制、情境提示规范、创意最佳实践）。

新华网，《新华GEO智能体平台发布海外生成式引擎营销服务 助力工业企业拓展全球市场》，2026-09-11（全球AI平台月活突破48亿、谷歌AI搜索转化率高出27%、ChatGPT企业搜索用户超100万家）。

Pew Research Center，2025年关于AI摘要与搜索点击率变化的研究（AI摘要出现时Google点击率由15%降至8%）。

Semrush，关于搜索零点击比例与AI来源访客价值的研究数据（超80%搜索不产生点击；ChatGPT来源访客价值高于传统自然搜索）。

何亚涛，《CPCQ：AI搜索结果广告的量化优化范式》（含三层量化维度体系、量化优化闭环、CPCQ指标体系）。

何亚涛，《生成式引擎营销（GEM）的量化优化范式研究——基于CPCQ（点击成本量化）的理论建构与方法论迁移》。

Jellyfish, "Building a brand in the artificial intelligence era: Generative engine marketing", Journal of Brand Strategy, 2025, 14(4): 310–321.

谢冬冬、岳宏志，《AI快速发展背景下生成式引擎营销(GEM)的新范式研究》，《中国商论》2026年第9期。

本文作者：何亚涛 | AI搜索GEO优化奠基人 · GEM优化拓荒者

深耕搜索营销领域十七年，提出 CPCQ（点击成本量化）量化优化范式

九、免责声明

免责声明：本方案仅作行业交流与学习欣赏之用，不构成具体商业建议，请勿直接用于商业用途；文中对尚未商业化平台的推演均为前瞻性探讨，不代表相关平台官方立场，各平台商业化进程以官方公告为准。CPCQ 为何亚涛独创提出的 GEM 优化量化范式，相关解读以正式发布版本为准。