谁在干预选基结果？基金AI营销游走“灰色地带”

来源：21世纪经济报道

如何最快提升AI好感度，让AI更偏爱某些基金？

这是许多基金公司关注的话题。随着AI技术普及，投资者开始利用AI选基，“被AI看见并推荐”成为基金营销目标之一。针对这一需求的GEO （生成式引擎优化） 服务应运而生。中国证券报记者关注到，不少服务商推出系列优化业务，且已有大型基金公司试水。

不过，近日，AI大模型“投毒”乱象引发关注。业内人士提示，此类业务也需加强风险防范，避免AI算法偏见与利益输送。

争夺AI“好感度”

近年来，一种新型营销模式正在走红。“SEO”（搜索引擎优化）影响力下降，而“GEO”变得愈发重要。

GEO，即针对生成式人工智能平台进行内容优化，旨在让AI在向用户提供答案时，优先引用或推荐该公司品牌信息。

记者了解到，随着AI选基兴起，针对公募营销需求的“GEO”服务也在推广中。服务商通过向AI投喂语料、帮助基金公司优化宣传资料内容结构等方式，提升其品牌在AI大模型眼中的“能见度”。目前，已有头部基金公司试水这一业务，ETF这类同质化的产品是AI营销的重点领域。

例如，一家金融垂直领域的服务商，打出“让AI永远记住您的品牌”的口号。据其官方介绍，该服务商可根据不同AI大模型推荐分析，制定优化策略，从结构清晰度、语境深度等几个维度优化内容，以适应人工智能模型的处理需求，并能实时追踪基金公司品牌在AI推荐系统中的内容表现，根据AI推荐数据反馈优化内容和策略。

据其展示的对某头部基金公司的服务案例，经过优化后，该公司产品在主流AI问答引擎中的推荐率由8%提升至69%，且在同类型基金中的排名提升至第一位。另一家大型基金 公司 的产品经其优化后，在DeepSeek平台上的推荐率提升了3倍。

不过，从基金公司实际试水情况来看，一家大中型公募机构人士透露，目前头部机构AI投放业务处于探索阶段，尚没有形成规模化的产业链。“市场上有很多供应商专门提供该项业务，双方谈好基金产品后，服务商就会喂语料给AI，短期内确实能看到效果。但投喂AI的时效性有限，一旦投喂停止，营销效果立马减弱。”他表示。

具体业务方面，ETF这类同质化的产品是AI营销的重点领域。上述公募机构人士介绍，目前，公募AI投放以指数基金为主，这类工具型产品相对稳妥。一个针对ETF产品打造的“AI榜单”显示，筛选某一赛道方向，就能看到相关产品在豆包、DeepSeek、元宝、Kimi、千问等主流的国产AI平台的推荐率如何。

ETF“AI榜单” 图片来源：某GEO服务商网站 报价方面，供应商通常按照“产品+平台+时间”组合计算。“初期费用很高，以万元为单位，但后来竞争‘卷’起来了，几百元到几千元都能投放。”该人士表示。

由于用这种方式带货的效果很难量化，因此，业内对这类服务通常以AI平台的“可见度”来衡量。正如上述GEO服务商所说，当用户在各主流AI大模型提出品牌相关问题时，确保品牌成为用户所有问题中的“必选项”，是AI时代下企业的核心要务。

需警惕“信息污染”

在业内人士看来，“AI选基”走红改变了公募基金行业的营销玩法。晨星（中国）基金研究中心总监孙珩表示，行业营销正从流量投放转向AI推荐位“卡位”，通过结构化、高信源、强合规的内容建设抢占模型权重。

虽然AI技术带来了便捷，但是目的性投喂带来的“信息污染”某种程度上 提升了用户的辨别难度 。“一些投资人的信息搜索习惯正从传统渠道不断向AI模型迁移，利用AI模型虽然能够快速了解某类产品，但AI模型搜集的数据基本来源于网络，数据存在真实性、滞后性、局限性等问题，再叠加模型的幻觉问题，鉴别门槛较高。”天相投顾基金评价中心表示。

在投资领域，要兼顾AI选基的便利性与公正性，孙珩认为，关键在于模型可解释、数据可溯源、算法可审计、风险可隔离。例如，通过建立标准化、合规可披露的因子体系，杜绝黑箱决策，确保推荐逻辑透明可验证；同时，严控数据源质量与去重去噪，引入第三方评测与动态回测机制，在提升效率的同时守住客观中立底线，避免算法偏见与利益输送。

未来，如何加强全链条的风险防范，让投资者在享受技术便利的同时利益不受侵害，各参与环节都需要加以规范。

盈米基金表示，规避信息污染需要技术手段和行业协作共同发力。技术层面，关键在于让AI具备“合规审查的能力”；行业协作层面，可以通过建立开放的生态，以便于随时调用权威数据源、接受合规约束，实现输出结果可追溯。

孙珩建议，一是AI模型方应确保AI选基模型底层数据真实可溯源、算法逻辑透明可审计，杜绝算法偏见与利益输送；二是销售机构需建立严格的投资者适当性匹配校验机制，明确AI推荐仅为辅助工具并充分披露局限性；三是监管与第三方机构应强化算法备案、动态回测与合规审计，推动建立统一的AI金融服务标准与问责机制；四是投资者需提升金融素养，理性看待AI工具，避免过度依赖算法决策。