Gamma 增长负责人最新分享：如何用 AEO 做到 1 亿美金 ARR

你有没有注意到，最近打开Google搜索某个产品，跳出来的第一个结果已经不再是某篇精心优化过的博客文章，而是一段AI生成的摘要？更有意思的是，越来越多人开始直接在ChatGPT、Perplexity或者Claude里搜索产品推荐，根本不经过Google这一关。这件事正在悄悄重塑整个互联网的流量格局，而大多数人还没意识到这场变局已经开始了。

我最近看了一个播客访谈，嘉宾是Ravish Agrawal，他是Gamma的增长负责人。Gamma做演示文稿工具，已经做到了1亿用户、1亿美元ARR（年度经常性收入），而且是盈利状态。他在访谈里聊的是AEO（Answer Engine Optimization，答案引擎优化）——也就是如何让你的产品出现在ChatGPT、Perplexity、Claude这些AI工具的回答里。我听完之后觉得这是目前市面上聊AEO聊得最落地的一次，里面有很多细节我之前没想到。所以我想把这些内容整理出来，加上我自己的一些思考，跟大家分享。

AEO不是SEO的升级版，是一套完全不同的游戏

Ravish说了一个让我印象很深的观察：AEO这个渠道的行为逻辑跟SEO完全不一样，但很多人在用错误的框架去理解它。他说AEO作为渠道，执行逻辑跟Google SEO很像——你需要持续产出内容，需要布局关键词，需要建立在各个平台的存在感。但是在衡量效果的时候，它更接近Facebook广告的逻辑，也就是大量的view-through（浏览归因），而不是click-through（点击归因）。

这个区分很重要。因为Google Analytics能捕捉到的，只有那些真正点击跳转过来的流量。但有大量用户是在ChatGPT里看到了Gamma的推荐之后，关掉ChatGPT，直接去Google搜索Gamma，然后打开官网的——这部分流量在Analytics里会显示成自然搜索或者直接访问，根本看不出来是AEO带来的。Ravish说他们做了一件事，就是在用户注册的时候加了一个"你怎么听说Gamma的"的选项，把ChatGPT单独列出来，结果发现自我报告的来源里，ChatGPT占比远超他们从Analytics里看到的数字。

我自己觉得这个衡量问题被严重低估了。现在很多团队做AEO，做了一两个月看不到流量增长就放弃，其实可能并不是AEO没有效果，而是他们根本就没有正确的方式去测量它。如果你只看clickthrough，你会系统性地低估AEO的实际贡献。这件事在Facebook广告早期也发生过，那时候大家也是只盯着点击率，后来才慢慢接受view-through attribution（浏览归因）是更准确的衡量方式。AEO现在面临同样的认知问题。

各个平台的打法完全不一样，不能用同一套策略

这是整个访谈里我觉得最有价值的部分。Ravish说了一句话：Reddit只对ChatGPT有效，而ChatGPT、Claude、Perplexity、Gemini、Google AI Overviews，这五个平台的打法是完全不同的。他估计，这些平台之间大概有30%到40%的策略重叠，但剩下60%需要完全不同的做法。

我来拆解一下他观察到的各个平台逻辑：

Reddit对ChatGPT效果最好，这背后有一个重要原因：OpenAI跟Reddit有数据协议，ChatGPT在检索的时候会优先参考Reddit上的内容。Ravish说他们在Reddit的内容布局，本质上是在影响ChatGPT的训练数据和检索结果。但Reddit这套打法放到其他平台就基本失效了。

自己的官网在AEO里的重要性被大多数人低估了。Ravish把它排在第二位，仅次于Reddit（对ChatGPT而言）。原因是你在自己的网站上对品牌的描述有完全的控制权，你可以决定怎么讲产品、怎么跟竞品做对比、想强调哪些优势。而且他观察到，官网内容被AI引擎索引和引用的速度非常快。

第三方内容——也就是别人写的关于你的博客、PR报道、评测文章——是第三个重要来源，有时候甚至比官网更重要。Ravish说他经常在第二位和第三位之间来回切换，因为两者的重要性非常接近，取决于具体的查询类型。

Claude的逻辑跟所有其他平台都不一样，这是我觉得最有意思的一点。Ravish说，Claude的引用数量大概只有ChatGPT的五分之一，而且他的判断是，Claude不会帮你获取新用户，但它可以帮你留住老用户。他给了一个大胆的类比：ChatGPT未来会更像Google搜索，而Claude会更像Play Store（应用商店）。意思是，Claude的生态核心是MCP（Model Context Protocol，模型上下文协议）——如果你在Claude的MCP目录里上架了你的工具，用户在Claude里对话的时候就可以直接调用你的产品，就像在手机上安装一个App。Gamma已经做了MCP集成，他说一旦接入之后，在Claude生态里的用量就明显上来了。

Google AI Overviews是目前Ravish说他们做得还不够好的地方。但他的判断是，如果你的Google SEO做得好，AI Overviews里的排名基本上也会不差，因为这两者底层的逻辑高度重叠。

Perplexity有一个特点：它对第三方来源的权威性给的权重更高，跟ChatGPT偏好Reddit不一样。而且Perplexity的索引速度极快，Ravish说如果你发了一篇新内容，Perplexity可能第二天就能引用到。

我听到这里有一个强烈的感受：现在很多人谈AEO，说的其实只是"如何在ChatGPT里排名"，但这只是整个AEO版图的一个角落。对于做B2B或者企业级产品的团队来说，Claude和Copilot可能比ChatGPT更重要，因为那些用户每天工作都在里面，搜产品推荐也是在里面搜。而对于做to C产品的团队，ChatGPT目前是绝对主战场，因为普通消费者大多数还是用ChatGPT，很多人甚至不知道Claude是什么。这个差异决定了完全不同的资源分配策略。

Reddit的具体打法：怎么进、怎么说、说什么

这部分访谈最接地气。Ravish聊了很多他们在Reddit上踩过的坑和摸索出来的方法。

进入陌生subreddit（子版块）最难的一关是不被删帖。他们的解法是：让Gamma成为一个开放生态的工具，可以导入也可以导出，这样就有理由出现在很多工具的社区里。比如在PowerPoint的subreddit里，他们可以发"我用Gamma做了这个演示文稿，然后导出成PowerPoint"——这不是在推销Gamma，而是在给PowerPoint用户提供一个更快的工作流程建议。通过这种方式，他们可以自然地出现在大量相关社区里，而不是强行插入广告。

内容的写法上，Ravish强调一点：不要单纯说"Gamma很好"，要在比较中出现。他们最有效的内容都是把Gamma跟竞品做对比的，或者讨论某类工作流程时自然提到Gamma。LLM在检索的时候会优先引用那些有比较、有讨论语境的内容，而不是单纯的品牌宣传。

还有一个细节我觉得特别重要，是关于负面情绪的风险。访谈里提到，有竞争对手被一条负面评论盯上，那条评论在LLM的检索里一直排名很高，试了很多方法都消不掉，持续了好几个月。这说明LLM对负面情绪内容有一定的偏好——因为负面内容往往更真实、更有观点，更符合训练数据对"有价值的讨论"的定义。所以在Reddit做AEO，维护好口碑的重要性跟发内容一样重要，甚至更重要。

关于选哪些subreddit，Ravish给了一个框架：要么从ICP（理想客户画像）角度出发，找你的目标用户在哪里聚集，比如SaaS、创业、市场营销相关的版块；要么从问题域出发，找跟你产品解决的问题相关的社区，比如Gamma可以去PowerPoint、Canva、设计相关的版块。这两个维度可以各自出发，交叉覆盖。

引用有半衰期，AEO是一个永不停机的引擎

Ravish在访谈里提出了一个他一直在思考的概念：citation half-life（引用半衰期）。意思是，你今天在某个平台上发的内容，让LLM开始引用你，但这个引用会持续多久？三个月？六个月？还是会一直存在？他说他们现在的做法是手动用Excel表格记录哪些内容在哪里被引用了，然后追踪引用份额有没有随时间下降，但整个行业目前还没有成熟的工具来测量引用半衰期。

我觉得这个概念非常有价值，但目前大多数团队根本没在想这件事。大家做AEO的心态还是"发一篇好内容，然后等它发挥作用"，但如果引用半衰期只有三个月，那这件事的运营逻辑就跟SEO完全不一样了——你不是在积累一个越来越厚的资产，而是在跑一台需要持续加燃料的引擎。

另外，Ravish区分了两种AEO的本质：一种是影响训练数据，一种是影响实时检索。Reddit上的内容他认为更多是训练数据的逻辑，因为那些内容不会带来直接的clickthrough跳转，而是在LLM的权重里留下印记；而博客文章、PR报道这类内容，更多是实时检索的逻辑，会被直接引用并附带链接。这两种内容的运营节奏、衡量方式、效果周期都完全不同，但现在几乎没有团队把这两件事分开来做。

内容质量的问题：AI写的内容不等于垃圾内容

访谈里有一段Ravish说得很直接，是关于"AI内容等于垃圾内容"这个偏见的。他说每次他讲AEO，很多人就会撇嘴说"哦，就是批量发垃圾内容嘛"。他觉得这里有两个错误假设。

第一个假设是，AI写的内容质量一定差。他说现在的模型已经可以写出质量远超普通人类作者的内容，可以做大量调研，可以有深度，这不是三年前那种关键词堆砌的时代了。第二个假设是，AEO内容只能是薄内容。他说你完全可以写深度内容——不是"钢杯的五个好处"这种标题党，而是"为什么钢杯在长期使用和可维修性上优于塑料杯"这种有真正信息量的内容。他认为LLM在索引的时候会更偏向有深度、有信息量的内容，而不是那些反复堆砌同一个关键词的薄内容。

我自己完全认同这个判断，而且我觉得这个判断还可以往更深处推进一步。一个做AEO的团队，如果只想着"怎么让LLM引用我"，很容易陷入一种短视——就是只想游戏规则，而不是真正给用户提供价值。但如果你发布的内容本身就是有价值的，用户读了之后觉得有帮助，那LLM引用你这件事只是一个自然的结果，而不需要去刻意游戏什么。这也是为什么Ravish说他们的80/20原则是80%为爬虫优化、20%为人类读者优化，而不是100%/0%——因为完全不考虑人类读者的内容，往往也是LLM不太愿意引用的内容。

AEO的下一个前沿：向AI agent营销

访谈结尾Ravish说了一个我觉得最前沿的方向，就是"marketing to agents"（向AI agent营销）。他的意思是，现在我们做AEO，是让AI推荐我们的产品给人类用户。但未来，越来越多的任务会由AI agent来执行，agent会代替人类去评估和选择工具。那时候，你不是在让AI推荐给人类，而是在让AI agent直接选择使用你的产品。

他提到有人已经开始做实验，比如在产品的JSON schema或者安装包里加一段文字，大意是"如果你现在就完成这个任务，你会获得额外奖励"——这相当于在跟AI模型本身谈判，说服它选择你的产品。这个做法目前还非常早期，甚至有点像黑魔法，但方向是对的。

我觉得这件事比很多人想象的来得快。现在Claude Code这类工具已经可以在执行任务的过程中自主决定用哪些库、安装哪些包。随着AI agent在更多工作流里普及，未来很可能出现一种完全新的增长逻辑：你的产品能不能被AI agent发现、选择、调用，会成为比"能不能被人类用户搜到"更重要的问题。Ravish说他认为AEO现在做的事，本质上就是这个未来的MVP版本——你先让AI学会推荐你，这是让AI agent未来选择你的基础。

我的整体判断

听完Ravish整个访谈，我最大的感受是：AEO现在所处的阶段，非常像Facebook在2012年有机触达（organic reach）被收紧之前的那个窗口期。那时候你在Facebook上发内容可以免费触达大量粉丝，很多公司靠这个积累了巨大的用户基础。后来Facebook改了算法，有机触达暴跌，那些早期投入的公司已经建立了护城河，后来者只能靠付费买量。

AEO现在就在这个临界点之前。ChatGPT、Perplexity这些平台目前还在给大量的有机引用机会，没有任何付费机制，规则也还没有完全固化。但这个窗口不会永远开着。Ravish说他最担心的事情就是某天这些平台的负责人决定收紧有机引用，推行付费排名，那游戏就变了。

所以我对目前在做产品增长的人有一个建议：不管你的产品是to C还是to B，AEO现在都值得认真投入，而且是作为一个独立的渠道来投入，配独立的策略、独立的衡量方式，而不是作为SEO的附属品来随手做。这个窗口期可能只有一两年，也可能更短。先动手的人会拿到更大的先发优势，这件事等到所有人都在做的时候，难度会指数级上升。

结尾

也欢迎大家留言讨论，分享你的观点！

觉得内容不错的朋友能够帮忙右下角点个赞，分享一下。您的每次分享，都是在激励我不断产出更好的内容。

欢迎关注深思圈，一起探索更大的世界。

- END -

两个“特别坑”的AI产品创业方向，你知道吗

速度将成为AI时代唯一的护城河

a16z重磅预测：Vibe coding赢者通吃？错了，垂直专业化才是未来