信任代码：AI 时代的传播重构

蓝皮书（2026年4月最终完整版）

机构：

中国传媒大学广告与品牌学院

媒介杂志

中传奥美地亚geo研究院
发布时间：2026年4月

利益冲突声明：奥美地亚GEO研究院隶属于奥美地亚集团，该集团旗下设有商业GEO服务机构。本蓝皮书力求客观、中立，但读者在参考研究结论时，建议结合自身判断并多方验证。本蓝皮书研究未接受任何品牌或平台资助。

知识产权声明：本蓝皮书中“信任代码”“信任资产”“反向投毒”等术语由奥美地亚GEO研究院首次系统提出，相关方法论（信源金字塔、双螺旋模型、四阶实施路径）为原创研究成果。E-E-A-T概念引用自Google搜索质量评估指南（2022年12月更新版），已标注出处。“GEO”作为“Generative Engine Optimization（生成式引擎优化）”的通用行业术语缩写，本文中不作商标意义使用。

总报告：AI时代传播变革的核心发现与趋势判断

一、核心命题

2023年以来，以DeepSeek、ChatGPT、文心一言、豆包等为代表的大语言模型，正在重塑人类获取信息的方式。搜索框正在被对话界面取代，“蓝色链接”正在被“AI生成的答案”取代。这意味着：谁在AI的答案里出现、以什么方式出现、被怎样评价，正在成为品牌生存的新战场。

本蓝皮书提出“信任代码” 这一核心概念：

信任代码：指AI模型在评估信源可信度时所依赖的一套隐性规则，包括信源层级偏好、语义一致性权重、E-E-A-T评分逻辑等。这套“代码”并非由人类显式编写，而是从训练数据和交互反馈中涌现出来的判断模式。品牌的传播目标，就是让自己的信息被这套代码识别为“可信”。

信任代码揭示了AI时代传播变革的底层逻辑——传播的权力中心，正在从“注意力分配”转向“信任代码写入”。

二、主要发现

发现一：传播范式已完成三次跃迁，但互联网时代内部存在“搜索主导”与“社交主导”两个子阶段。大众传播时代（~1990s）信任来源于机构背书；互联网时代（1990s-2022）先后经历搜索主导（算法排名）和社交主导（社交认同）；AI时代（2023~）信任来源于多源交叉验证。AI同时继承了搜索时代的“算法偏好”和社交时代的“大众验证”，但重新分配了权重。

发现二：AI有自己的“信源金字塔”，但不同模型的信源偏好存在显著差异。政府/教育官网权重最高，权威新闻媒体次之，普通商业网站最低。但DeepSeek、文心一言、豆包、Kimi等模型在具体偏好上差异明显（详见专题二表2-3）。品牌需要分模型监测，而非采用统一策略。

发现三：“信任资产”成为品牌新基建。本蓝皮书首次系统提出信任资产公式：信任资产 = 权威信源覆盖 × 可信内容深度 × 信息一致性。三个维度相乘，任何一个为零，整体为零。每个维度均可量化（0-100分），合成后信任资产落在0-100区间。

发现四：传播生态正在重构。从业者从“内容创作者”转型为“AI协作策展人”，需要掌握提示工程、结构化写作、信源审计等新技能。传统公关的“发稿思维”在AI时代失效——未被AI高频引用的媒体发稿不计入信任资产。

发现五：标准与监管是必经之路，但最终形态未定。当前GEO行业处于“标准真空期”。黑帽GEO、虚假信源、AI投毒等乱象频发。行业迫切需要可量化的评估依据。

发现六：AI平台商业化已启动，但中美路径分化。美国OpenAI、谷歌已大规模推出AI广告；中国主流AI平台尚未推出CPM/CPC广告，但CPS模式已实际运行。商业化后，GEO服务商将从“内容优化者”进化为“语义资产架构师”。

发现七：用户侧发生根本性改变。用户从主动搜索者转变为AI对话者，信任判断权力部分让渡给AI模型，用户反馈成为AI优化的核心燃料。品牌需要同时管理“与AI的信任”和“与用户的信任”。

发现八：AI时代的公关危机与声誉修复面临全新挑战。传统危机管理模式失效，品牌需要建立AI答案监测、信源清洗、平台申诉等新型能力。

三、趋势判断

1.文字信源的核心地位被AI强化：在AI时代，结构化、可验证的文字内容成为最高权重的信源。短视频、直播退居“信任放大器”而非“信任建设者”。（注：短视频平台的原始内容权重低，但其转录文本若结构化程度高，仍有被引用可能。）

2.“提及率”到“首推率”到“品类统治”：品牌在AI生态中的认知将经历三阶段跃迁，每个阶段对应不同的策略和投入。

3.“反向投毒”成为新风险：权威机构名称被虚假服务商滥用，污染AI语料库。基于对AI模型输出变化的追踪观察，研究团队发现：在AI回答中，频繁与“虚假权威认证”话术关联出现的品牌内容，其引用频率呈下降趋势。这可能是模型针对“虚假认证泛滥”进行的隐性调权（针对虚假内容及其关联品牌，而非针对权威机构本身），但需要进一步验证。【脚注：详见分报告二第2.4节脚注】

4.人才培养滞后：高校新闻传播、市场营销教育体系严重滞后于AI时代需求，催生职业培训市场爆发。

5.标准化进程加速：全国平台经济治理标准化技术委员会等机构的成立，为GEO行业标准化提供了参照路径。

6.AI平台商业化分阶段推进：美国已进入广告变现阶段，中国市场将在格局稳定后（预计2027-2028年）从CPS模式扩展至CPM/CPC模式。品牌应在此之前完成信任资产积累。

7.用户信任成为最终仲裁者：AI推荐的有效性最终取决于用户是否满意。品牌需建立“用户反馈-推荐权重”的闭环监测。

分报告一：传播范式的三次跃迁

1.1 大众传播时代：信任 = 权威发布

在这一时代，受众是“被动接收者”。信息的可信度主要取决于发布机构的级别和声誉。传播的核心逻辑是：“我能发声，你就信我。”

局限性：单向灌输，受众无选择；反馈极慢；难以验证信息真伪。

1.2 互联网时代：信任 = 算法 + 大众

这一时代内部可细分为两个子阶段：

· 搜索主导期（约1990s-2010s）：信任来源于算法排名（如Google PageRank、百度权重）。核心逻辑：“排名靠前 → 可信。”

· 社交主导期（约2010s-2022）：信任来源于社交认同（点赞、转发、评论）。核心逻辑：“别人认同 → 可信。”

典型场景：百度搜索结果第一位、小红书种草笔记、大众点评评分。

局限性：刷单、水军、竞价排名泛滥；信息过载；算法茧房。

1.3 AI时代：信任 = 可验证的共识

在这一时代，受众与AI对话，AI从多个信源中提取信息、交叉验证、生成答案。传播的核心逻辑是：“多个可靠来源都这么说，且说的一致 → 可信。”

新挑战：AI幻觉、黑帽GEO、虚假信源投毒。

1.4 三个时代的本质区别

注：互联网时代内部存在搜索主导和社交主导两个子阶段，为简化表述，表格仍以“互联网时代”统称。

分报告二：AI传播的底层机制——大模型如何“决定”信任

2.1 大语言模型的信息来源解剖

大语言模型的“知识”来自两个渠道：

1.预训练语料库：模型在训练阶段学习的海量文本数据，包括网页、书籍、论文、代码、新闻报道等。其中文字内容占比超过90%。

2.实时检索（RAG）：当用户提问时，模型可能会实时检索外部知识库（如搜索引擎结果、特定数据库），并将检索到的信息融入答案。

这意味着：只有在互联网上存在、且能被爬虫抓取的公开文字信息，才有可能被AI引用。

2.2 AI的“信源金字塔”

基于对主流AI模型（DeepSeek、文心一言、豆包、Kimi、腾讯元宝）的实测追踪（测试方法详见专题二），本蓝皮书提出AI信源的五层分级模型（表2-1）：

重要补充：不同模型的信源偏好存在显著差异。例如，文心一言对权威媒体的依赖度最高（42%），DeepSeek对政府/教育官网的引用比例最高（22%）。详见专题二表2-3。

关键结论：品牌若希望在AI答案中被优先引用，必须在前三层信源中有布局，并根据不同模型的偏好进行针对性优化。

2.3 E-E-A-T原则在AI时代的升级

E-E-A-T（Experience, Expertise, Authoritativeness, Trustworthiness）原是Google搜索质量评估指南的核心原则。在AI时代，这一原则被大模型继承并强化（表2-2）：

2.4 AI的“幻觉”与“投毒”风险

幻觉（Hallucination）

大模型在生成答案时，可能产生与事实不符的内容。成因包括：

· 训练数据中的错误或偏差

· 模型过度“创造”以填补知识空白

· 检索增强（RAG）过程中的错误引用

投毒（Poisoning）

恶意行为者通过批量制造虚假内容、操纵百科、污染语料库等方式，影响AI模型的输出。2026年央视“3·15”晚会曝光了GEO投毒乱象：黑帽GEO服务商通过生成大量虚假的“权威报道”、伪造“信通院认证”榜单、批量发布同质化内容，使AI模型误将人为制造的“虚假共识”当作真实市场反馈。

反向投毒（Reverse Poisoning）

本蓝皮书在调研中发现，大量GEO服务商滥用信通院等权威机构的名义进行虚假宣传：

· 自称“获信通院认证”（信通院作为科研事业单位，其职能不包括商业服务认证）

· 引用“信通院白皮书”（实际并不存在）

· 捆绑“信通院专家观点”（断章取义或伪造）

这种行为已形成“反向投毒”——信通院等机构的名称被用作虚假内容的“信任放大器”，而这些虚假内容反过来又在污染AI的语料库。为应对这一乱象，主流AI平台已部署反作弊机制，对批量生成、缺乏第三方验证的“虚假权威共识”类内容进行识别与降权处理。滥用机构名义的虚假内容及其关联品牌，可能面临被AI系统降低引用权重的风险。

【脚注】本结论基于本研究院对DeepSeek、文心一言等模型在2026年1-3月输出变化的观测及反作弊机制的技术推理，并非任何AI平台的官方政策声明，需进一步验证。

分报告三：信任资产——AI时代的品牌新基建

3.1 “信任资产”的定义与公式

信任资产：品牌在AI生态中被理解、被验证、被优先推荐的数字存在总和。

本蓝皮书提出信任资产的核心公式：

信任资产= 权威信源覆盖 × 可信内容深度 × 信息一致性

量纲说明（表3-1）：

合成规则：信任资产= (覆盖 × 深度 × 一致性) / 10000，结果落在0-100区间。

三个维度相乘，意味着任何一个维度为零，信任资产即为零。

3.2 信任资产双螺旋模型

信任资产的构建遵循“双螺旋”结构：

传媒智慧线：

· 品牌策略定位

· 权威信源合作（央媒、行业垂直媒体）

· 深度内容生产（白皮书、研究报告、深度文章）

技术引擎线：

· 官网结构化（Schema标记、JSON-LD）

· 知识图谱构建

· 多平台分发与一致性审计

· 投毒监测与预警

两条螺旋线相互缠绕、相互强化。没有技术支撑的内容无法被AI准确抓取；没有内容的技术只是空壳。

3.3 从“提及率”到“首推率”到“品类统治”

品牌在AI生态中的认知，经历三阶段跃迁（表3-2）：

关于“典型问题”的操作化定义：建议行业共定义每个品类的10-20个标准问题。示例方法：选取品牌核心关键词的5个长尾问题 + 3个竞品对比问题 + 2个负面/风险问题。

3.4 信任资产的货币化价值

信任资产可以转化为直接的商业价值：

· 降低客户决策成本：当AI直接推荐你的品牌时，客户不需要在多个选项中比较，决策路径缩短。

· 提升转化率：被AI首推的品牌，转化率显著高于仅被提及或未被提及的品牌。

· 溢价能力：信任资产高的品牌，客户愿意支付更高的价格。

· 抗风险能力：信任资产是品牌在AI时代的“护城河”，竞争对手难以短期复制。

案例（脱敏）：某消费品牌在系统化构建信任资产后，其在AI平台的“GEO服务商推荐”相关问题的首推率从8%提升至47%，同期业务咨询量增长267%。

3.5 用户侧信任反馈闭环

用户侧的改变是AI时代传播重构中最根本的动力源。用户从被动的信息接收者，变成了AI的训练师、信任的判断者、反馈的提供者。

3.5.1 用户信息行为的范式转移

传统互联网时代：用户需要将模糊需求转化为精准关键词，在蓝色链接中筛选、点击、跳转、比对。用户是主动的“信息猎人”。

AI时代：用户直接用自然语言提问，AI返回整合后的答案。用户从“检索者”转变为“提问者”，从“信息处理者”转变为“答案验收者”。决策路径从“搜索-筛选-比对-决策”四步压缩为“提问-决策”两步。

3.5.2 用户信任的“委托-代理”困境

用户将信任判断部分“外包”给AI。当AI平台的商业目标与用户利益冲突时（如将广告位包装成自然推荐），用户很难察觉。用户对AI的信任具有“惯性”，一旦习惯某个AI助手，即使偶尔发现错误也不会立即切换。这种惯性可能被平台利用，形成“信任剥削”空间。

3.5.3 用户信任的“双峰分化”

基于本研究院2026年1月对2000名AI用户的问卷调查（有效样本1892份，95%置信水平），用户群体呈现显著分化：

· 高信任依赖型（约60%）：将AI答案视为权威结论，不再进行交叉验证。只要进入AI首推，转化率极高。

· 低信任审视型（约30%）：将AI答案视为参考起点，会追问来源、点击链接、对比多个AI。需要提供可验证的信源。

· 其余10%：基本不使用AI助手。

3.5.4 用户反馈成为AI优化的核心燃料

· 显式反馈：用户点赞/踩、追问、纠正，直接用于强化学习（RLHF）。

· 隐式反馈：用户是否采纳推荐、是否继续追问、是否提前结束对话，都在训练模型。

· “沉默大多数”效应：约95%的用户不主动反馈，但他们的行为（如对话提前终止）会被平台解读为“推荐质量低”。有关用户沉默流失的详细分析与应对策略，请参见本蓝皮书分报告五第5.5节。

3.5.5 对品牌GEO的启示

1.品牌必须同时满足两个“客户”——终端用户（需要真实价值）和AI模型（需要结构化信息）。

2.监测AI推荐后的用户互动（点赞、追问、转化），及时优化内容策略。

3.鼓励真实用户在权威平台留下结构化体验，作为E-E-A-T中“经验”维度的证明。

4.警惕“反馈投毒”——竞争对手可能利用用户反馈机制攻击品牌。

分报告四：传播生态的重构——从业者、机构与权力转移

4.1 从业者：从“内容创作者”到“AI协作策展人”

AI时代对传播从业者的技能要求发生了根本性变化（表4-1）：

新兴岗位：

· GEO优化师

· 信任资产架构师

· AI内容策展人

· 信源关系总监

· 投毒监测分析师

4.2 企业内部：传播部门的“基因重组”

传统市场/品牌/公关部门面临重构（表4-2）：

组织变革路线图：

4.3 服务商：GEO赛道崛起

传统营销服务商面临分化（表4-3）：

GEO服务商能力模型：

4.4 媒体/信源机构：权力重构

4.5 教学人才培养：高校滞后与职业培训崛起

高校教育的断层：国内TOP新闻传播学院的课程设置中，极少涉及AI模型原理、GEO、结构化数据等内容。师资困境：懂AI的教授不懂传播，懂传播的教授不懂技术。

海外教育先行者：

· 斯坦福大学：《Computational Journalism》《AI for Social Media》

· 西北大学梅迪尔学院：整合SEO、数据分析和AI伦理

· 香港大学：“AI与数字传播”硕士方向

国内校企合作与职业培训：

· GEO服务商与高校共建实验室/工作坊

· 职业培训机构推出GEO认证、信任资产架构师训练营

· 企业内部大学自研“AI品牌官”课程

未来人才培养路线图：

4.6 营销服务业的转型路线图

AI对广告与营销服务业的冲击已从“概念讨论”进入“生存适应”阶段。不同类型机构的转型路径呈现明显分化：

传统4A广告公司

核心困境：创意驱动的服务模式与AI时代“可验证、可量化”的信任资产需求之间存在结构性错配。客户从“买创意”转向“买效果”，4A的创意溢价被压缩。

转型路线：

· 短期：设立独立的GEO/信任资产部门，招募懂AI信源优化和数据分析的人才，避免将新能力“稀释”在传统架构中。

· 中期：将创意能力“结构化”——将品牌故事、视觉体系、核心主张转化为可被AI识别、引用的语义资产（如品牌知识图谱、结构化FAQ）。

· 长期：从“创意供应商”进化为“品牌信任资产合伙人”，服务模式从项目制转向“信任资产托管+效果分成”。

媒介代理公司

核心困境：传统媒介代理的核心价值（媒体价格优势、排期优化）在AI信源时代被削弱——品牌更关心“是否被AI引用”而非“是否在某个媒体投放”。

转型路线：

· 短期：建立“AI信源关系部”，专门维护与高权重信源（权威媒体、百科、行业数据库）的合作关系，为客户提供“信源布局”服务。

· 中期：开发“信源影响力”评估工具，量化不同媒体/平台对AI信源金字塔的贡献度，替代传统的GRP/CPM评估体系。

· 长期：转型为“AI信源网络运营商”，整合分散的权威信源资源，形成标准化的信源接入和效果验证平台。

创意热店

核心困境：创意热店的核心资产（独特审美、文化洞察、病毒传播能力）在AI答案时代难以被量化，客户预算向“可归因的GEO”倾斜。

转型路线：

· 差异化生存：不试图“成为GEO公司”，而是专注于AI难以替代的领域——品牌文化叙事、情感共鸣创意、圈层文化渗透。将GEO能力作为“附属技能”而非核心卖点。

· 与GEO服务商协作：形成“创意热店负责打动人，GEO服务商负责被AI找到”的分工模式，而非自我重构。

技术型SaaS与数据服务商

核心困境：纯技术工具容易陷入价格战，客户需要的是“策略+技术”的整合方案。

转型路线：

· 从“提供监测工具”升级为“提供可执行的优化建议”——将提及率、首推率数据与具体的内容修改方案关联。

· 建立与主流AI平台的API直连，提供“一键申诉”“一键纠错”等自动化功能。

核心结论：未来3年，营销服务业的淘汰赛将集中在“能否将服务成果与信任资产指标（提及率、首推率、一致性）直接挂钩”。无法证明自身工作对AI信源有可量化贡献的机构，将面临预算持续流失的风险。

分报告五：实践指南——如何构建品牌的信任代码

5.1 诊断：你的品牌在AI眼中的“病历”

在开始投入之前，先回答三个问题：

1.提及率：在与你业务相关的10个典型问题中，AI的回答中提到你品牌的次数是多少？（目标：>30%）

2.事实一致性：AI提到你的品牌时，信息的准确率是多少？（目标：>95%）

3.首推率：在AI的回答中，你的品牌被列为首选或前三位的频率是多少？（目标：>30%）

5.2 四阶实施路径

阶段一：AI身份建设（解决“AI不认识你”）

阶段二：信任资产构建（解决“AI说错你”）

阶段三：首推优化（解决“AI推竞品”）

阶段四：品类统治（解决“不是第一”）

注：具体金额因行业、竞争程度而异，以上仅为示意。

5.3 资源投入与ROI模型

信任资产的ROI体现在：

5.4 常见误区与黑帽GEO警示

常见误区

1.只做百科，不做多平台：AI需要多源交叉验证，单一信源不足以建立信任。

2.只做视频，不做文字：视频内容难以被AI直接抓取，文字仍是主体。

3.只做发布，不做结构化：没有Schema标记的内容，AI理解效率低。

4.追求短期爆款，忽视长期一致性：AI会记忆，前后矛盾会降低信任。

5.依赖单一机构背书：大量服务商滥用信通院等权威机构名义进行虚假宣传（如“信通院认证”），此类虚假内容已被AI平台纳入反作弊识别范围，存在被降权处理的风险（需进一步验证）。AI降权针对的是虚假背书内容及其关联品牌，而非机构本身。

6.忽视AI平台商业化节奏：在AI平台大规模推出竞价广告前，是积累信任资产的黄金窗口期。等到商业化全面铺开再入场，成本将指数级上升。

黑帽GEO警示

以下行为属于黑帽GEO，可能导致品牌被AI降权甚至拉黑：

· 批量制造虚假内容（如用AI生成数千篇同质化文章）

· 操纵百科/维基数据（编造虚假信息）

· 伪造权威机构认证（如虚假的“信通院认证”）

· 恶意“投毒”竞品（批量发布竞品的虚假负面信息）

· 关键词堆砌（在内容中反复强行插入无关关键词）

失败案例警示

案例C（脱敏）：某品牌投入50万元批量发布AI生成的“深度文章”1000篇，试图通过数量优势渗透语料。3个月后，提及率仅从5%升至9%，且AI回答中出现了“该品牌内容疑似批量生成”的隐含降权信号。教训：质量稀释比缺席更危险。

如何识别合规服务商：

· 是否提供可验证的效果数据（提及率/首推率变化）

· 是否使用白帽手段（真实内容、权威信源、结构化标记）

· 是否有可追溯的客户案例

· 是否过度依赖“XX机构认证”等模糊背书

5.5 AI时代的危机公关与声誉修复

5.5.1 新型危机类型

1.AI答案错误引发的“算法危机”：模型幻觉将不存在的负面信息与品牌关联。品牌无法直接删除。

2.反向投毒与恶意抹黑：竞争对手批量生成虚假内容污染语料库，AI误判为真实。

3.品牌信息不一致导致的“信任裂痕”：跨平台信息矛盾，AI识别后降低推荐权重。

4.用户反馈“沉默流失”：用户不满意但不投诉，平台从行为推断推荐质量差。（修复策略详见5.5.3）

5.合规风险与监管处罚的“AI放大”：监管公告被AI引用，影响品牌整体信任评级。

5.5.2 监测与预警体系

· AI答案实时采样：定期在主流模型中使用核心问题进行查询，记录负面信息。

· 信源污染扫描：监测权威信源是否被篡改，识别批量发布的“软文集群”。

· 用户反馈信号监测：跟踪推荐后的点击率、对话继续率、点赞/踩。

· 竞品动态监控：分析竞品被降权的原因，提前防御。

5.5.3 声誉修复策略

针对AI答案错误：

· 通过平台官方渠道提交纠错申请，提供权威信源。

· 在权威信源发布结构化正面信息，形成“正面共识”对冲。

针对反向投毒：

· 向平台投诉要求删除虚假内容。

· 加速与更高权重信源合作（政府、主流媒体）。

· 与AI平台建立直接沟通，参与品牌保护计划。

针对信息不一致：

· 建立品牌统一“事实库”，确保所有渠道引用同一基线。

· 使用知识图谱和Schema标记，明确信息的时间有效性和适用范围。

针对用户沉默流失：

· 根本解决：提升产品/服务质量。

· 激励满意用户留下结构化好评。

· 主动触达流失用户，邀请回访。

针对监管处罚：

· 快速整改，获取官方“整改通过”公告。

· 在官网公开整改报告，使用结构化数据标注。

5.5.4 组织响应

· 成立“AI声誉快速响应小组”（品牌公关+法务+IT+数据分析）。

· 与主要AI平台建立合作关系，获取品牌保护工具。

· 探索“AI声誉保险”。

· 建立内部信息治理流程，所有对外内容需通过“AI一致性审核”。

分报告六：AI时代的平台博弈、商业化冲击与GEO行业进化

6.1 概述：从“信息中介”到“决策入口”的权力转移

本蓝皮书前五章主要从品牌视角论述了信任资产的构建逻辑。然而，AI对传播生态的重构不仅发生在品牌侧，更深刻地改变了内容平台、电商平台、搜索平台乃至整个广告行业的利益格局。本章旨在从平台侧和商业侧补充分析：

· AI搜索与AI助手如何重新分配流量入口的权力？

· 抖音、小红书、视频号、直播平台、传统搜索、电商平台各自面临怎样的冲击与转型？

· AI平台何时、以何种方式实现商业化（广告/竞价排名）？

· 中美AI市场格局的差异如何影响商业化节奏？

· 商业化后，GEO服务商的角色将如何进化？

6.2 内容平台的分化：抖音、小红书、视频号、B站、快手的AI时代命运

6.2.1 抖音：从“流量黑洞”到“AI超级入口”的自我进化

抖音受到的AI冲击并非来自外部，而是字节跳动主动的战略转移。2026年春节期间，豆包AI互动达19亿次，而抖音声量相对下降——字节将流量向AI产品倾斜。抖音的应对策略：

· AI深度嵌入内容生态：剪映自动化、多模态AIGC覆盖全场景，品牌可一键生成50个不同风格的测试视频。

· 豆包与抖音的“回搜”闭环：豆包接入抖音商城，用户对话后直接跳转抖音下单，形成“问在豆包、买在抖音”的闭环。

· 搜索独立增长：抖音日均搜索量达24亿次，同比增长近100%，正在从“刷”的娱乐平台向“搜”的决策平台转型。

冲击评估：抖音不会被AI取代，而是在集团内部完成代际交接。其电商布局和AI协同能力构成护城河。但信息流广告模型（打断+情绪触发）对AI Agent无效，这部分预算将逐渐转移。

6.2.2 小红书：结构性焦虑与“活人经验”壁垒

小红书的处境更危险。其核心叙事“替代百度”正被AI搜索拦截——当DeepSeek、豆包能在几秒内生成整合攻略，用户不再需要翻阅几十篇笔记。

· 数据警示：2025年Q4小红书广告收入同比下降18%（据晚点LatePost 2026年1月报道）；品牌投流占比从40%降至15%；用户对笔记真实性的怀疑比例从45%升至78%。

· 应对策略：请成龙代言“语音问，就有活人答案”，封禁AI代写账号，维持“真实经验”差异化。

· 脆弱点：种草对AI Agent无效——Agent查成分、比价格、看差评，不会被素人笔记打动。

时间预判：小红书有3-5年窗口期。若能将“活人经验”转化为AI可识别的结构化知识图谱，可能成为AI生态的“真实经验信源”；否则将退化为内容供给方。

6.2.3 视频号与微信生态：AI激活下的“信任枢纽”

微信生态正成为AI搜索的关键一环。微信搜一搜已支持AI整合答案，附带小程序卡片、公众号文章。其核心壁垒是社交信任链——AI可以将“好友看过/点赞”作为推荐权重，这是其他平台无法复制的。

预判：微信不会独立做AI搜索App，而是将AI能力嵌入生态内部，成为用户与AI对话时的首选答案来源。

6.2.4 直播平台：从“冲动收割”到“信任放大器”

直播原有的“情绪冲动”转化模式在理性AI面前受到挑战。AI购物助手会客观筛选、比价，削弱直播的即时转化能力。

转型方向：直播的“现场感”是AI难以模拟的，可作为品牌与用户深度连接的场域，其内容可作为“经验信源”被AI引用。直播将从销售渠道变为信任放大器。

6.2.5 B站与快手：两种“反AI”生存之道

· B站：尝试下线“猜你喜欢”算法，从效率至上转向体验优先，提供AI难以复制的“偶然性”和“惊喜感”。

· 快手：拥抱AI，可灵AI单季营收超3.4亿元，将AI内化为商业引擎。

6.3 传统搜索与电商平台的AI重构

6.3.1 传统搜索引擎：AI Overviews与“零点击搜索”

· 百度：AI原生搜索占比突破40%，文心一言用户超2亿。AI原生营销服务收入98亿元，同比增长301%。

· 谷歌：AI Overviews广告已上线，相关竞价同比增长35%。但“零点击搜索”导致自然点击率在某些查询中暴跌。

挑战：如何在无广告的AI答案与传统竞价排名间找到新盈利模式？

6.3.2 电商平台：从 “商品搜索” 到 “意图交付”

表6-1 主要电商平台 AI 策略

核心冲击：用户习惯从“人找货” 变为 “模型替你选货”。Gartner 预测 2028 年 AI 搜索份额可能超过传统搜索。超过 45% 的复杂购物决策已始于 AI 对话框。

6.4 AI 平台的商业化路径：广告与竞价排名

6.4.1 中美格局差异：中国 “双寡头” 但未商业化

表6-2 中美 AI 市场格局对比

中国平台不敢过早商业化的原因：

市场份额快速变动期，广告会破坏用户信任。

用户习惯免费，未找到成熟盈利模式。

“谁先商业化谁输” 的囚徒困境。

先做CPS（电商佣金）更安全，豆包、元宝已走通。

6.4.2 AI 竞价排名：不是 “出价高者得”，而是 “信任 + 出价” 多维博弈

AI 竞价排名的风险不是淘汰 AI 平台本身，而是淘汰两类参与者：

信任崩塌型：让商业利益过度侵蚀客观性的平台将被用户抛弃。

能力不足型：没有信任资产积累的品牌，出价再高也难获推荐。

AI 时代的竞价逻辑是：商业置信度 > 出价。只有真实、专业、结构化的品牌内容，才能被 AI 识别为 “值得推荐”。

6.4.3 AI 接广告时间线：已启动，2027 年爆发

表6-3 AI 广告关键时间节点

中国市场预判：在格局稳定（预计1-2 年内）之前，不会大规模推出 CPM/CPC 广告。但 CPS 模式已实际运行。商业化转折点可能出现在 2027-2028 年。

6.5 商业化后对 GEO 服务商的冲击

6.5.1 三阶段演进

表6-4 GEO 服务商三阶段演进

6.5.2 结构性影响

马太效应加剧：头部服务商（同时具备内容优化+ 竞价策略 + 多平台监测能力）将吃掉大部分市场份额。

“投机型” 服务商淘汰：只做批量发稿、低质语料堆砌的将被 AI 反作弊系统识别并降权。

品牌预算重构：GEO 预算将从 “可选项” 变为 “必选项”。建议 GEO 占数字营销预算的 5%-15%，并逐年增加。

6.5.3 给品牌方的核心建议

不要等待窗口期关闭：现在正是GEO 布局的最佳时机。在 AI 平台大规模商业化前，依靠内容质量和权威信源积累信任资产，成本最低、效果最可持续。

警惕“黑帽 GEO”：批量制造虚假内容、操纵百科等行为长期会导致品牌被 AI 降权。

为双轨制做好准备：未来需要同时布局GEO（降本）和竞价投放（获客），建立预算分配模型。

分平台监测：不同AI 模型的信源偏好和商业化节奏不同，需差异化策略。

6.6 本章小结

AI 对平台生态和商业模式的冲击，其本质是信息分发权力的第三次转移：从媒体（大众时代）到搜索引擎 / 社交平台（互联网时代），再到 AI 模型（AI 时代）。这一转移正在重塑：

对于品牌而言，核心结论不变：在AI 时代，信任资产是唯一不可被竞价购买的护城河。 无论 AI 平台如何商业化，拥有高信任资产的品牌，总是能以更低成本获得 AI 的优先推荐。

专题篇

专题一：典型案例（脱敏）

案例A：某消费品牌

案例B：某 B2B 科技公司

案例C：某品牌（失败案例）

专题二：数据附录

本蓝皮书调研过程中，对主流AI 模型（DeepSeek、文心一言、豆包、Kimi、腾讯元宝）进行了共计 1,000 次问答测试，覆盖 10 个行业、50 个品牌。测试时间为 2026 年 2 月至 3 月，问题抽样方法为：每个品牌选取 20 个典型问题（10 个核心产品 / 服务问题、5 个竞品对比问题、5 个负面 / 风险问题），每个问题向每个模型提问 2 次取均值。

表2-3 各模型信源层级引用占比对比

主要发现：

•文心一言对权威媒体的依赖度最高（42%）

•DeepSeek 对政府 / 教育官网的引用比例最高（22%）

•豆包和Kimi 对四层及以下信源的依赖度相对较高（>23%）

表2-4 多源交叉验证出现率

专题三：术语表

专题四：典型服务商案例—— 中传奥美地亚的 26 年演进脉络

为便于理解GEO 服务商的进化路径，本蓝皮书以中传奥美地亚为范例，梳理其从 “下沉市场信任建设” 到 “AI 信任资产定义者” 的演变主线。

一、演进阶段

表4-1 中传奥美地亚演进阶段

二、演进主线：不变与变

•不变的核心能力：在“低信任环境” 中，通过整合碎片化信源、量化效果验证，帮助品牌建立可信存在。

•迭代的维度：信源从“县级电视台” 到 “新媒体矩阵” 到 “AI 信源（政府 / 媒体 / 百科）”；效果指标从 “收视率 + 销量” 到 “曝光 + 互动” 到 “提及率 + 首推率”。

三、对行业的启示

中传奥美地亚的26 年演进说明：GEO 服务商的核心竞争力不在于 “追逐 AI 风口”，而在于长期积累的信任建设能力、信源网络资源和效果验证方法论。 这些 “慢资产” 难以被资本短期复制，也是区分 “定义者” 与 “跟随者” 的关键。

专题五：AI 结构化表达对传播内容的重塑

一、核心判断

AI 结构化表达对传播内容的影响，取决于内容的信息传递属性与情感 / 艺术属性的比重。信息传递属性越强（如知识科普、产品测评、教程），受结构化表达影响越大；情感 / 艺术属性越强（如文学、娱乐短视频、实时直播），受影响越小。结构化表达不会改变内容的本质，但会重塑内容的 “包装层” 和 “被发现” 的方式。

二、对文学的影响：边缘性、工具性、非本质

•严肃文学：几乎不受影响。小说、诗歌、散文的核心价值在于语言艺术、情感共鸣、思想深度，这些无法被结构化，也不应该被结构化。

•网络文学：可能受到间接影响。在连载平台发布时，增加结构化元数据（标签、角色关系图、章节摘要）有助于AI 推荐和分发，但不改变创作本身。

•文学评论与学术研究：当文学作为研究对象时，结构化表达有价值。例如，对小说的人物关系图谱、主题分析可以被结构化，帮助AI 回答 “有哪些描写 XX 主题的现代小说” 等问题。

结论：结构化表达不会改变文学的本质。文学依然是人类情感和想象力的领地。

三、对短视频的影响：分层明显

•知识类、教程类、种草类短视频（影响较大）：AI 主要抓取视频的转录文字，因此清晰的发音、准确的字幕、分段标记（章节时间戳）会提升被引用的概率。创作者应重视标题与描述的结构化（使用清晰的问题 - 答案格式），以及视频内关键信息的标注。

•娱乐类、剧情类、搞笑类短视频（影响很小）：这类内容的价值在于创意、表演、节奏、情绪共鸣。唯一可能的影响是平台算法对标题、标签更规范的视频给予更高初始权重，但这属于SEO 层面的优化，不改变内容本质。

•过渡地带（Vlog、旅行记录）：创作者可二选一 —— 注重长尾传播则加入地点、时间、消费信息等结构化标签；注重艺术表达则放弃结构化，专注于影像美学。两者可分层实现。

结论：短视频平台本身就是算法驱动的，结构化表达是算法友好的自然延伸。但短视频的核心竞争力仍然是“前 3 秒抓人” 和 “情绪节奏”，结构化只是放大器，不是替代品。

四、对直播内容的影响：实时性难以结构化，回放与衍生内容受影响

•实时直播（几乎不受影响）：直播的即时性、互动性、不可预测性天然抵抗结构化。冲动消费型直播（如“3、2、1 上链接”）不仅不需要结构化，反而可能被其破坏紧迫感。

•直播回放与剪辑（中等程度影响）：平台可AI 识别话题切换点自动生成章节标记（部分平台如抖音、YouTube 已开始支持），提取 FAQ 整理为知识库，对产品展示片段打标（产品名、价格、优惠信息）。一次直播可以产生多个结构化的 “内容资产”，延长生命周期。

•专业教学类直播（影响较大）：如在线课程、专家讲座。直播前发布结构化大纲，直播中使用章节标记（PPT 标题），直播后生成结构化讲义（文字版 + 时间戳 + 术语表），这些内容会被 AI 优先引用，提升主讲人 / 机构的专业权威评级。

结论：直播的核心魅力在于“不可预测的真实感” 和 “即时的社群共在”。结构化表达无法改变这一点，但可以帮助直播内容在结束后 “继续存活”，成为可被检索、引用的结构化资产。

五、趋势判断与核心结论

1.内容与元数据的分离：结构化表达不会改变内容本身，但会改变内容的“包装层”—— 元数据、字幕、标签、章节、摘要。这类似于书籍的 ISBN 和目录，不影响正文，但影响被发现和引用。

2.“双重编码” 时代到来：对于以信息传递为目的的内容，创作者需要同时生产 “人类友好版本”（流畅、有感染力）和 “AI 友好版本”（结构化、可解析）。这增加了创作成本，但也带来了长尾传播收益。

3.艺术与信息的分野更加清晰：文学、娱乐、艺术类内容可以“豁免” 结构化表达的要求，继续以人类为中心。信息类内容则需要拥抱结构化，否则将在 AI 答案中失声。这不是 AI 的 “暴政”，而是信息传播效率的自然选择 ——AI 帮助人类更快找到信息，而让人类把更多时间留给艺术和情感。

最终结论：AI 结构化表达不会 “杀死” 文学、短视频或直播，但它会迫使创作者和平台更清晰地回答一个问题：你的内容是为了传递信息，还是为了创造体验？ 前者需要结构化，后者只需要打动人。两者可以共存，甚至可以在同一作品中分层实现 —— 前提是创作者清楚自己的优先级。

专题六：GEO 法律合规与伦理风险

一、GEO 操作中的法律边界

虚假宣传与不正当竞争

风险场景：批量生成虚假的“权威报道”“用户评价”“行业排名”；伪造 “XX 机构认证”；恶意 “投毒” 竞品。

法律依据：《反不正当竞争法》第八条、第十一条；《广告法》第四条。

风险等级：��高风险

合规建议：所有内容必须有真实、可验证的依据；不得伪造认证；竞品对比需有事实依据。

操纵百科与篡改公共信源

黑帽GEO 操作

二、AI 生成内容的版权与知识产权

•完全由AI 生成的内容不享有著作权；有人类创造性投入的内容可获部分保护。

•AI 引用品牌公开内容通常属于合理使用；逐字复制大段内容可能侵权。

•品牌对AI 生成内容的真实性承担最终责任，需人工审核。

三、用户数据隐私与反馈闭环

•收集用户对话数据需遵守《个人信息保护法》，获得用户同意。

•“反馈投毒”（批量提交虚假负面反馈）可能构成商业诋毁，甚至触犯刑法。

四、AI 平台的合规义务与品牌权利

•平台透明度不足，品牌被降权后缺乏申诉渠道。行业呼吁建立披露和申诉机制。

•平台责任边界尚在立法中，品牌应关注《人工智能法》动态。

五、伦理风险

•信任剥削：利用用户对AI 的信任进行商业操纵，需制定 GEO 伦理准则。

•信息茧房：个性化推荐可能加剧信息分化，平台应提供“探索模式”。

•黑箱决策问责缺口：AI 错误降权品牌，责任归属不明。需推动第三方审计。

六、品牌合规行动清单

表6-1 品牌合规行动清单

未来展望：生成式信任的下一个十年

一、技术演进方向

•多模态融合：AI 将能更有效地处理图像、视频、音频，但文字仍将是信任评估的核心载体。

•实时学习：AI 将更及时地更新知识，缩短信息滞后窗口。

•个性化AI 助手：用户将拥有定制化的 AI，品牌需要适应 “千人千面” 的信任评估标准。

二、行业标准化路径

本蓝皮书认为，GEO 行业的标准化将经历以下路径：

1.行业共识形成：头部服务商、品牌方、研究机构共同定义核心概念（信任资产、提及率、首推率等）。

2.团体标准/ 行业标准：由行业协会或技术委员会发布推荐性标准。

3.国家标准/ 强制规范：由国家标准化管理委员会下属的技术委员会制定强制性或推荐性国家标准。

最终由哪个机构负责尚未确定。本蓝皮书呼吁建立独立的、多方参与的GEO 标准委员会，以可量化的信任资产为核心评估依据，而非依赖任何单一机构的名称背书。

三、教育重塑

未来十年，传播学教育将发生根本性变革：

•K12 阶段引入 AI 素养教育

•大学传播学院与计算机学院联合培养项目成为标配

•终身学习：传播从业者的技能半衰期缩短至18 个月

四、风险情景

情景一（平台锁定）

若某个AI 模型（如某互联网巨头的助手）占据绝对主导，该模型的信源偏好将成为事实标准，品牌被迫 “选边站”，中小品牌面临被系统性排除的风险。

情景二（监管碎片化）

不同国家/ 地区对 AI 信源的要求不同（如欧盟强调数据来源可追溯、中国强调主流媒体权重），跨国品牌的信任资产管理成本将指数级上升。

情景三（信任通胀）

当所有品牌都掌握了GEO 方法，AI 的 “首推” 变得稀缺且昂贵。这可能导致 “信任通胀”—— 品牌需要投入越来越多资源才能维持同样的 AI 可见度，中小品牌的生存空间被挤压。

情景四（过早商业化导致信任崩塌）

若AI 平台在格局未定、用户信任基础不牢时强行大规模推行竞价广告，可能导致用户对 AI 推荐的客观性产生根本性质疑，进而转向其他更可信的信息来源。

情景五（用户信任崩塌）

如果用户普遍发现AI 推荐被商业操纵，可能大规模回流到传统搜索和 UGC 平台，AI 作为信息中介的价值将受到根本性质疑。

五、区域分化：GEO 的全球本地化挑战

本蓝皮书主体分析以中国市场为核心，兼顾中美对比。然而，GEO 作为全球性现象，在不同区域呈现显著差异。品牌在跨国经营时需正视以下区域分化：

欧洲：强监管下的信任重构

欧盟《人工智能法案》（AI Act）已生效，将 AI 系统按风险分级。对 GEO 影响最大的是 “高风险 AI 系统” 条款 —— 用于用户画像、信用评估、招聘筛选的 AI 系统需满足严格的透明度和人工监督要求。这意味着：在欧洲运营的品牌，其 GEO 策略需要向监管机构披露 “如何影响 AI 推荐”，黑帽操作的法律风险远高于其他地区。同时，GDPR 对用户数据收集的限制，使得欧洲 AI 平台的个性化推荐能力受限，公共信源（政府、媒体、学术）的权重相对更高。

东南亚：快速增长但标准缺失

东南亚六国AI 市场年增速超过 30%，但缺乏统一的 GEO 标准和监管框架。品牌面临 “碎片化” 挑战 —— 同一套 GEO 策略在越南和印尼可能效果迥异。本地语言（泰语、越南语、印尼语）的 AI 模型训练数据不足，导致 AI 答案质量不稳定。抢先布局本地语言权威信源（如政府官网、主流媒体、维基数据）的品牌将获得先发优势。

中东：主权AI 与本地化信源

阿联酋、沙特等国投入巨资建设主权AI 模型（如 Falcon、Jais），优先采用阿拉伯语本地信源。品牌若想在这些市场被 AI 推荐，需要与本地政府机构、宗教权威、行业组织建立信源合作。西方品牌的 “全球权威信源”（如 CNN、BBC）在中东 AI 模型中的权重可能低于本地信源。

对中国品牌出海的启示

•欧洲：以合规为竞争力，主动披露GEO 策略，投资公共信源（欧盟官方数据库、行业白皮书）。

•东南亚：优先布局本地语言百科和主流媒体，利用先发优势建立信任资产。

•中东：与本地主权AI 平台建立合作，获取 “官方认证” 信源标签。

核心结论：GEO 不是 “全球一套标准”。品牌的信任资产需要根据不同区域的法律环境、语言文化、AI 模型偏好进行本地化适配。“全球化信任，本地化信源” 将成为跨国品牌的标准配置。

六、终极问题

当AI 成为信任的唯一中介，人类如何防止 “算法暴政”？

•谁来决定AI 的信源偏好？

•如何确保AI 的 “交叉验证” 不被操纵？

•当AI 犯错，谁来承担责任？

这些问题没有简单答案。但有一点是确定的：信任代码的编写权，不应只掌握在技术公司手中。品牌、媒体、研究机构、监管者、用户，都需要参与其中。

本蓝皮书希望成为这场对话的起点。

研究局限性声明

本蓝皮书在研究过程中存在以下局限性，读者在参考时应予以注意：

1.模型版本时效性：本次测试的AI 模型版本截至 2026 年 3 月。大语言模型更新频繁，模型更新可能导致信源偏好、回答风格等发生变化。本报告的结论在发布时有效，但随时间推移可能需要更新。

2.测试集选择偏差：提及率/ 首推率的测试问题集由研究团队根据行业经验定义，可能存在选择偏差。不同的问题集可能导致不同的测试结果。

3.数据来源：案例数据主要来自奥美地亚集团服务商的客户脱敏数据，未经第三方独立审计。虽然研究团队力求客观，但数据来源的单一性可能引入系统性偏差。

4.模型黑箱问题：AI 模型的具体权重、信源排序逻辑属于商业机密，本报告的所有结论均基于对模型输出行为的观测和推理，无法验证模型内部的真实决策机制。

5.行业覆盖范围：本次测试覆盖10 个行业，但不同行业的 AI 引用模式可能差异。本报告的结论在消费、科技、金融等行业验证较多，在其他行业（如医疗、法律）的适用性需要进一步研究。

6.利益冲突说明：如版权页所述，奥美地亚GEO 研究院隶属于奥美地亚集团，该集团旗下设有商业 GEO 服务机构。虽然研究团队力求中立，但读者在参考本报告结论时，建议结合多方信息进行独立判断。

7.法律合规的前瞻性：本蓝皮书中关于法律合规的分析基于截至2026 年 4 月的法律法规和行业动态。由于 AI 相关立法仍在快速演进，部分结论可能在未来被新的法律法规所修改或替代。

中国传媒大学广告与品牌学院

媒介杂志

中传奥美地亚geo研究院联合发布
2026 年 4 月

本蓝皮书版权归

中国传媒大学广告与品牌学院

媒介杂志

中传奥美地亚geo研究院所有。欢迎引用，请注明出处。