GEO 研究与发现
从真实 AI 观测与行业数据中，持续发现品牌、商品与推荐场景的新变化。
最新研究
共 7 篇 · 按发布时间排序品类领导者占57%AI声音份额：挑战者的机会在长尾
Bazaarvoice与Profound联合研究显示，五个品类中品类领导者平均占据约57%的AI产品推荐份额，技术品类高达83%，家居低至30%。挑战者在多数品类拿到14%—49%份额，主要靠长尾与细分问题。这一分布说明AI推荐并非赢家通吃，但数据口径有限，需谨慎解读。
AI引用可以买到吗：实测研究与GEO行业底线
结合多份AI搜索信源实测研究与国内首套GEO行业团体标准，本文拆解AI引用的可操作空间与平台差异，明确行业合规底线，为品牌方与GEO从业者提供三类可执行的自查建议。
GEO采购趋严：从买发稿转向采购可验收全链路
近期五粮液、三棵树先后发布GEO相关采购公告，前者将GEO纳入AI营销整体服务包，后者明确Query级数据验收要求、排除纯软文服务商。两份文件显示GEO采购正从单一发稿转向可验收全链路，本文分析趋势并给出自查建议。
内容优化只解释2.8%：AI引用的门槛在检索
多项实证研究显示，页面属性合计仅解释2.8%的引用变异，而检索环节解释32%。被引用与品牌被提及是两件事，重合度不足一半。GEO之家认为，AI可见性的竞争重心正从内容质量转向检索准入与信源结构，品牌方应重新校准优化投入。
AI答案开始卖广告位，自然引用还剩多少空间
ChatGPT广告扩至89国，Google在AI回答中加内联链接与官方入口。平台一边标注广告、一边强化引用来源。品牌方需要重新判断：AI答案里的可见位置，哪些是买来的，哪些仍是自然引用争取来的。
团标落地后，品牌方挑选GEO服务商的三个判断维度
五项GEO团体标准落地，服务商被分为六类、不做跨类型排名，并要求附「不可承诺事项清单」。团标解决的是采购参照系问题，不是效果担保。品牌方应先用分类体系锁定服务商类型，再用不可承诺清单筛掉过度承诺者，最后用统一测量口径约定验收方式。
被 AI 提到 ≠ 被 AI 引用：为何不给「可见度总分」
品牌在 AI 答案里被提到，和被真正引用，是两件事。Semrush 的月度测量显示，平均不到一半的 Top100 提及品牌同时进入 Top100 被引域名。把两者压成一个总分，会掩盖样本量、平台差异与口径问题。本文说明 GEO之家为何不设总分，并给出三条品牌方自查问题。
研究方法与数据口径
GEO 的问题不是「AI 有没有提到我」这么简单，而是「在什么条件下、被哪个模型、以什么理由提到」。 所以我们的研究围绕三件事展开：可复现的题面、可追溯的原文、可比对的口径。
一、题面从哪来
题面按消费者真实选购时会问的问题组织，分三类：品牌发现（不点名品牌）、品牌认知（点名品牌）、 购买推荐（带预算或使用场景）。不点名品牌的题才用于衡量「自然被想到」的比率。
同一期内所有题面对所有被测对象一致，题面版本会随结果一起记录，改版前后的结果不混在一起比较。
二、模型与调用
每个平台使用该平台官方 API 调用，保留模型名、调用时间、题面与原始回答。 不同平台的回答分开统计：模型不同、知识来源不同，直接平均没有意义。
单题单条
一次调用对应一条观测记录，可单独追溯，不做拼接摘要。
失败也记录
调用失败、回答为空都留痕，但不计入有效样本分母。
三、质检与有效样本
原始回答先经过机器质检，再按规则进入统计：无法判定、答非所问、明显拒答的样本会被标记而不是直接删掉。 有效样本 = 成功拿到回答且通过质检的样本。
有效样本不足 5 条时不给结论性判断，页面上直接写「样本不足」。
四、能得出与不能得出的结论
可以说的
- 在这一批题面、这几个模型、这个时间点，品牌被提及/被推荐的比例是多少。
- 同一个问题下，不同商品被识别的差异是什么。
- 行动前后两次同口径复测，指标发生了什么变化。
不能说的
- 不能承诺「优化后一定会被 AI 推荐」——模型行为会变，我们不能替模型做保证。
- 不能把模型 API 的回答等同于消费者 App 里的真实结果。
- 不能把一次指标变化直接归因为某次运营动作。
- 不能用一次采样推断市场整体份额。
五、想看真实数据
行业级监测结果、问题资产与知识内容都在已有页面里，数据来自自有系统的实际调用， 收录数量与有效观测数量分开统计。
行业报告与客户案例在审核完成前不对外发布；目前页面上的示例报告都标注了「演示数据」， 不作为真实客户结论使用。