文 | 增长黑盒 Growthbox
打开豆包，或者你常用的任何一个 AI，问一句：国内主流的 WMS 仓储管理系统，能推荐几家吗？
你会得到一段结构清晰的回答，里面并列站着三四个品牌。有的被夸了一句功能全面，有的被加了半句更适合中小企业，还有的被提醒成本偏高。
这几个名字，是怎么被选出来的？
如果你是其中一家的市场负责人，大概率答不上来。如果你不在这几家里，更答不上来，你甚至不知道自己差在哪一步。
这是因为，虽然 GEO（生成式引擎优化，即优化品牌在 AI 搜索里的可见度/形象） 被炒得沸沸扬扬，但许多人还没有建立深入的认知，没有把它作为系统性工作看待；另一方面，市场变化太快了，市面上关于 GEO 的理论、洞察、案例，都在随着 AI 的进化而不断改变，平台模糊的商业化政策更增加了不确定性。
为了帮助大家拨开 GEO 行业的迷雾、跟上 AI 发展的节奏，我们决定亲自去看一遍市场数据。
过去一段时间，增长黑盒联合 AI 可见度监测平台 Emergine，采集并分析了约 5000 条真实的 AI 搜索对话，用中文问题跑过豆包、DeepSeek、通义千问，英文问题跑过 ChatGPT、Gemini，覆盖 10 个行业，全部开启实时联网。然后把每一条回答拆开，逐条标注：它在哪个阶段开始提品牌名，提了谁，引用了哪些页面，怎么评价的......
拆完之后，所有发现可以归到四个问题下面，我们会逐步展开：
一、AI 什么时候开始提你的名字？ - 比大多数人以为的早得多
二、AI 到底在读谁的内容？ -这是中外差异最大的一章
三、被提到之后，AI 会怎么说你？ - 不可能一直说好话
四、名单里能站几个人？- 你的位置一定有人抢
当然，我们也会给出六个落地重点，和五条趋势判断。（如果大家想看更加深入的 GEO 分享，可以提前预约这场视频号直播！）
一、AI 什么时候开始提你的名字？
想买台笔记本电脑的人，不会一上来就搜某个具体型号。
他会先问办公笔记本电脑有哪些不同价位？怎么选性价比高的。等到他开始问市面上有哪些值得推荐的笔记本品牌、排名如何，这台电脑其实已经挑得差不多了。
B2B 也是同一条路径。一个要换仓储系统的运营负责人，先问的是如何选择适合我们业务的 WMS？有哪些关键功能和评估标准，之后才是有哪些适合我们业务的 WMS 推荐。
这两段路，行业里习惯叫了解阶段和选型阶段。了解阶段也就是营销漏斗的上游，下文简称 「上游问题」。过去的默认假设是：只有后半程值得投预算，前半程是科普，离成交太远。
AI 搜索把这条线打乱了。
我们统计了全部了解阶段的回答，中文模型里有 50.2% 已经出现了本行业的具体品牌名，英文模型 49.8%。在全球，在买家还没开始挑品牌的时候，AI 已经在替他做 「种草」 了。
不过，如果我们把每个话题的热度也算进去，两个市场会有显著差异。这里的话题热度要先说明一句：AI 平台不公开每个问题被问过多少次，我们用的是替代指标 「每个问题背后对应一簇真实搜索引擎搜索词」，用它们的真实月搜索量计算。
总体上，越是热度高的话题，两个市场的 AI 都更愿意点名，其中海外的抬升更陡。模型之间的差距比市场之间还大。
按话题热度加权之后，ChatGPT 的上游带品牌率是 84.1%，几乎问必带；Gemini 只有 65.7%。需求越大的上游话题，ChatGPT 越会顺手点名。中国这边三个模型加权后反而挨得很近，从 58.2% 到 68.0%。
对出海品牌来说这里有一个很明确的位置：ChatGPT 的上游问题，是目前所有 AI 入口里品牌曝光密度最高的地方。
把上游问题再拆一层，会发现有人问的是 「这是什么」，即名词解释、类型介绍；有人问的是 「我该怎么办」，即怎么选、怎么用、要注意什么。后面这一类，我们叫它 「带路型问题」。同样是了解阶段，AI 对这两类的态度完全不同。
带路型问题在哪个市场都高，原因不难理解：用户问的是我该怎么办，AI 一旦进入带路模式，就必须给出具体对象，否则它没法回答。
真正拉开差距的是 「是什么」 这一类，且英文是中文的近三倍。
同样是了解阶段的问题，换个行业，结果能差出十倍。
在不同行业的上游问题里，AI 会点出具体品牌名的比例差异很大。如下图所示，接近 100% 就是几乎问必带，20% 出头就是基本只讲概念。
那如果你正好在垫底那一档呢？也先别急着放弃上游内容。它的机会只是换了一种形式。
我们把了解阶段里没有点名任何品牌的回答单独拎出来看，中文模型 509 条，英文模型 251 条。
图中，前两行说的是 AI 有没有读你、读了几页，第三行说的是读到的那几页有没有干货。
AI 一个品牌名都没提，仍有七成以上的回答引用了企业官网页面。 不点名，不等于没被读到——而且只要被引了，链接就挂在回答下面，页面上那些 AI 三言两语讲不完的东西 （完整步骤、参数表、案例、需要下载的资料） 就是用户点进来的理由。
垫底那一档也是一样。制造业、体育与户外、信息科技这三个上游最不带品牌的行业，未点名回答里的企业官网引用率仍在七成上下。机会只是从被点名换成了被引用。
差距出在第三行。海外被引到的官网页面里，84.7% 真正写了完整步骤、参数或案例；中国只有 47.7%，超过一半引到的是介绍性页面。再加上海外平均每条回答给出 5.04 条引用、中国 3.46 条——引用位更多，单个引用位也更实。
但中国那个 47.7% 反过来读是另一回事：AI 想引用点有分量的东西，一半的时候找不到。位置还空着。
第一个问题有答案了：AI 提你名字的时间，比大多数人以为的早得多。但它凭什么提这几个名字、凭什么引这几个页面？
二、AI 到底在读谁的内容？
要判断一个 AI 会不会推荐你，最直接的办法不是看它说了什么，是看它读了什么。
每一条开了联网的 AI 回答背后，都挂着一串引用链接 - AI 就是从那里认识你的。我们把这些链接逐条归类，分成两堆。
一堆是企业官网：公司正式运营、用来卖产品或服务的站点。不限于品牌自己，上下游厂商、服务商的官网同样算数。另一堆是它之外的一切：短视频与社交、行业媒体、社区问答、百科、评测网站等等。
我们发现，国内国外 AI 模型的信息偏好正好互为镜像。
如果你觉得这是被中小品牌拉低的平均数，更显著的差异在下面。
我们只看各行业 AI 最常提到的那些头部品牌，它们被提到的时候，AI 手里的依据有多少来自企业官网？
中国落在 16% 到 41% 之间，海外落在 61% 到 85% 之间。两个区间完全不重叠。
也就是说在中国，即便是行业第一名被提到的时候，AI 手里的依据也大半不是企业方发布的。
这两种取信方式，我们把它们叫做 「查证型 AI」和 「打听型 AI」。
海外的 AI 是个查证者。想知道一个产品支持哪些集成、定价怎么分档、有没有某项认证，它会去读公司正式挂出来的页面，不一定是你的，也可能是你的供应商、你的集成伙伴，但一定是企业方自己发布的东西。
中国的 AI 是个打听者。同一件事，它会先看行业媒体怎么写、百科怎么记、短视频里怎么讲。企业方自己的说法，只是众多说法之一。
一个去查说明书，一个去问群众意见。
这一点在语气上也看得出来。中文模型的回答更像一份购买指南，包含首选哪个、避哪些坑、分预算怎么挑、分场景怎么选；英文模型则更像一张对照表，侧重于 best for 谁、优势劣势各是什么、最后一句往往是取决于你的场景。
海外这套逻辑对品牌方相对友好，因为它奖励把话说清楚的人。 十个行业无一例外都在六成以上，越是需要精确信息的赛道越高：金融 85%、制造业 83%、信息科技 80%。所以出海做 GEO，第一战场毫无争议是官网：把解释页、规格页、FAQ、对比页做齐，做成 AI 容易抽取的结构。
但官网是主战场这句话，有两个容易被忽略的边界。
一个是归属。AI 认的是企业方发布，你的页面写得清楚，它就从你这儿取信息；写得含糊，它会转头去读同行或上下游的页面，答案里出现的名字也就换成了别人。
另一个特别针对 B2B 行业：官网之外还有一批 「守门人」。
比如，做企业软件和科技产品的，AI 会额外信任一批独立的第三方。这几个平台单看占比都不高，但加在一起就很可观了。同时它们的位置很特殊：官网决定 AI 怎么描述你，这几个平台决定 AI 会不会想起你。
进不了 G2、Gartner、Capterra、TechRadar 的收录和评分，官网做得再漂亮，也难进 AI 的推荐池。守门人和官网不是先后关系，是并列的必做项。
如果你做的是工业设备、企业软件、云服务，看到短视频三个字的第一反应大概是：那是 to C 的事，跟我没关系。
但数据出乎意料，在用户量最大的豆包上，抖音是多数行业的第一大引用来源。消费电子 66%、体育与户外 45%，这两个不意外。意外的是后面三个：制造业 26%，企业服务 22%，信息科技 18%。
三个纯 B2B 的行业，两成上下的 AI 引用来自短视频。
所以发散一下：你的买家里有多少人用豆包，短视频对你就有多重要。
但这条发现还有一层更实际的含义，容易被漏掉。
AI 引用一条短视频，引的不是画面，是能从里面抽出来的文字，包括标题、字幕、口播中提到的参数、步骤、对比结论。品宣式的 KOL 视频因此在 AI 面前基本是空的：情绪拉满，可抽取的信息点为零。
能被 AI 引用的短视频，得是信息型的：参数对比、避坑清单、选型方法。这和大多数品牌现在投短视频的方式，基本是两回事。
读到这里，很容易得出一个错误结论：既然中国的 AI 只有三成引用来自企业官网这一类，预算是不是该全挪去第三方？
不能。官网在中国的价值确实不在被大量直接引用，但它管着另外两件事。
一是事实口径的源头。 你的参数、认证、案例、定价，官网是唯一的权威原始出处。第三方内容绝大多数是从这里二次引用或改写出去的。官网说不清楚，外面就会以讹传讹——而 AI 读到的恰恰是外面那些。
二是第三方的素材来源。 媒体要写你、百科要收你、榜单要排你，都得有可引的官方依据。官网越清晰、越结构化，被第三方采用的概率越高，进而被 AI 采信的概率越高。
所以在中国，官网是 「地基」，第三方是 「放大器」。只做官网会撞天花板，只投第三方会丢掉事实口径的控制权，因而两者是先后与配合，不是二选一。
三、被提到之后，AI 会怎么评价你？
在选型阶段，买家已经圈定了产品类别、AI 正在逐个点评品牌的时候，品牌方最担心的事情，是 AI 提了自己之后紧跟一句 「不过，同类里还有更合适的」。
我们把海外市场全部 4,657 条品牌点评逐条拆开，专门数了这句话出现过多少次。
中国 AI 入口小到忽略不计，而海外 AI 入口一次都没有。
我们可以松口气了吗？别急，AI 不说别家更好，不代表它对你没意见，它只是换了个说法。
它会在夸完你之后补半句：功能有限仅适合中小团队价格偏高售后有争议。这半句不一定是贬低，但它实实在在削弱了推荐的力度。
我们把这类表述统称为 「但是句」。
品牌每被点评 100 次，中国市场约有 8 次，海外约 6.5 次。当我们跟之前一样把每个话题的热度也算进去，两个市场也立刻有了差异 - 中国从 7.9% 升到 17.4%，海外从 6.5% 降到 3.0%。
越是热度高的话题，中国的 AI 越会给品牌加限定语；海外恰好相反，话题越热，它反而越倾向于把几家平铺列出来，不加评价。
这张表里有两件事值得分析一下。
第一件是共同点。 两个市场超过一半的但是，都是直接点出你的某个具体短板——功能不够、生态太薄、集成太少、上手太慢。而不如换别家这一类，在中国只占所有但是的 8.9%，在海外是 0。
这条把大多数品牌的对冲思路打反了。你要防的不是 AI 推荐竞品，是 AI 反复说你的同一个毛病。 写十篇竞品对比，不如把 AI 最常点到的那一两个弱项，在官网 FAQ、规格页、场景化案例里正面讲清楚。因为 AI 在读的是关于你的描述，不是你和谁的对比。
第二件是差异。 海外的嫌你贵占到 24.5%，是中国 9.1% 的两倍多。
定价不透明、按量计费会涨、企业版只写联系我们，在海外 AI 眼里，这些全是缺点，而且会被原样写进回答。一个含糊的 pricing 页面，在海外是要扣分的。 这一条国内团队最容易漏，因为在中国市场，价格模糊几乎是行业惯例。
先看总量。除了信息科技和制造业，中国几乎每一个行业都比海外爱挑刺。
但更值得看的是排序。
中国排在最前面的四个是酒店与旅游、体育与户外、教育培训，以及企业服务，除了企业服务，全是花钱买体验的品类。海外把制造业那行放到一边之后，排在最前面的是企业服务、物流、信息科技，清一色是 B2B 采购。
海外的 AI 只对难换的东西挑刺；中国的 AI 连买双跑鞋都要提醒你两句。
这条其实是第二章那个查证 vs 打听的延伸。查证型 AI 关心的是规格和事实，只有在企业软件、物流方案这类需要核对参数的场合，它才会多说几句风险和成本。打听型 AI 关心的是口碑和体验，而口碑这东西，恰恰在酒店、跑鞋、耳机这类品类里最多、也最杂。
对品牌方的含义很直接：做国内 B2C 的，别以为 AI 只在 B2B 领域挑剔，你所在的品类可能才是重灾区。唯一在两个市场都排前列的是企业服务 （中国 22.3%、海外 10.9%）。这个品类不管在哪边，AI 都要替买家把话说全。
不过在计较被怎么说之前，还有件更基本的事没算过：那句话里，本来就不止你一个名字。
四、AI 推荐名单里能站几个人？
做 GEO 的人，脑子里的目标画面大多是同一个：买家问 AI 哪家好，AI 说出你的名字。
但 AI 几乎从不这么答。它会一口气念出三四个名字，你只是其中之一。买家扫过那一段，最后停在谁身上，是另一件事。而且买家越接近下单，这份名单还越长：了解阶段三个上下，到了选型阶段涨到四个。中外几乎一致。
也就是说，绝大多数时候你不是一个人被推荐的，而是和另外三家一起被摆在同一段里。我们把这件事叫做 「同框稀释」。
在中国，每个行业排第一的那个品牌，平均出现在近三成的对话里；海外的第一名是两成四。把前三名放在一起看，中国也明显高过海外。
平均看下来，中国的头部品牌比海外的头部品牌更难绕开。对腰部品牌来说，两边的处境因此不太一样：在中国，你要挤的是一个更被头部占住的位置；在海外，连榜首也只有两成四，前排松动得多。
因此，别在哪家好这类大问题上硬碰头部，去切限定条件更具体的小问题——先在小池子里成为被 AI 提到的那一个，再往上扩。出海的版本更直白，就是去占 best X for Y 这类带明确场景的问法。
而中国的头部之所以更集中，大概率和第二章那个分野有关：打听型 AI 依赖第三方内容，而第三方内容天然向头部聚拢——媒体愿意写头部，榜单愿意排头部，短视频也更爱讲头部。海外的查证型 AI 读的是各家自己的官网，长尾品牌至少还有一份自己的页面可被读到。
机制到这里讲完了。剩下最实际的一个问题：这些到底该怎么落到动作上。
五、那到底该怎么做 GEO？
六个步骤，中外的框架是一样的，顺序也一样。差别全在每一步具体怎么落地。
六步是通用框架，但每一步的具体参数是分行业的，比如你该盯哪几个渠道、AI 在你这行偏好什么内容格式、你的对标是谁，十个行业各不相同。
六、未来 GEO 的发展趋势是什么？
AI 反复引用的，是可被抽取、带佐证的东西，包括榜单、对比、选型指南、参数与认证，而不是泛泛的软文。在那批没有点名品牌的回答里，海外被引用的企业官网页绝大多数都带完整步骤、参数或案例；中国这个比例只有一半上下。
所以内容策略会从多发转向发得深、发得结构化。一篇参数扎实、结构清晰的对比页，胜过十篇同质化的品牌稿。 单纯堆量的边际收益，只会越来越低。
对中国品牌来说，只有一半这件事反而是好消息：位置还空着。
AI 更信可溯源的权威事实。而官网、官方号、任何你能自己拍板改一个字的东西，是唯一能百分之百掌控口径的资产。
相比之下，硬广和纯品宣式的 KOL 内容在 AI 面前会持续贬值，它既难被当成可信信源，也没法保证口径一致。
注意这里说的是纯品宣式。第二章说过的那种讲参数、讲避坑、讲选型的短视频，仍然是 AI 会读、也会引用的东西。贬值的不是渠道，是内容形态。
预算会更多地从买曝光转向做能被 AI 采信的内容 + 赢得第三方背书。
AI 直接给品牌下负面判断其实并不频繁。但一旦出现，形态高度集中：超过一半是直接点出你的具体短板，海外还有近四分之一是嫌你贵，而不如换别家几乎不出现。更要紧的是，中国的这类表述按话题热度加权后会翻倍 （7.9% → 17.4%），需求越大的话题，AI 越爱加限定语。
AI 正在从列链接的目录，变成给建议的顾问。 而顾问是会评价的。
所以 GEO 的下一个战场不再只是露不露脸，而是露脸的时候被怎么说。品牌需要像做公关一样，盯住高热话题下 AI 对自己的说法，为被反复点到的短板、适用边界和价格质疑提前备好内容。
有人会问：等模型再迭代几年，中外是不是就趋同了？
我们的判断是不会。这两套逻辑背后，是各自的内容生态、平台格局和用户习惯——它们短期内不会靠拢，只会各自加深。
所以一套全球统一的 GEO 策略行不通。出海品牌必须做两套内容基建：海外一套机器可读的官网答案库加守门人平台，中国一套事实实体锚定加全域第三方分发。把国内打法照搬到海外、或者反过来，都会两头落空。
模型只会越来越多、越来越碎。
在这种格局下，唯一能跨模型稳定被引、并且被说对的，往往不是某一篇内容，而是关于你的结构化实体事实，百科词条、维基数据、Schema 标记、知识图谱里那个确定的你。
谁把自己的实体信息做得越清晰、越一致、越机器可读，谁就越容易在任何一个模型里被准确调用。实体，会成为 GEO 时代的硬通货。