每个月都有品牌在问同一个问题：GEO 到底该花多少钱。上海一家消费品牌给出的答案是年费 20 万以上，结果拿到手的是每月七八十篇内容雷同的通稿，投在基本没人看的无名小站——和十年前的新闻源发稿没有区别。更麻烦的是，这笔钱不光没换来曝光，还把品牌送进了 AI 平台反作弊机制的视野。

据 9 月 25 日国内媒体报道，另一家委托机构「冲榜」的消费品牌，被对方用 AI 批量生成了数百篇虚假用户测评，还伪造了一批「行业专家」观点，试图用人工制造的「伪共识」引导大模型引用。短期确实有效，提问时品牌能被提起来。但某头部大模型平台更新反作弊机制后，这批内容的信源 IP 和发布时间异常被批量识别，品牌的引用权重直接断崖式下调。花了 20 万，买到的是一次降权。

铺稿量为什么在 AI 这套体系里失效了

原因说破很朴素：传统搜索引擎靠爬虫抓网页、算链接权重，多发稿确实能提高被收录的概率。但大模型采用 RAG 架构，筛选信息的逻辑是「语义向量理解 + 多源交叉验证」——它不数你发了几篇，它比对几个独立信源说的是否一致。

  • 内容雷同的几十篇通稿，在语义层面就是同一个信源，乘不出「多源」效果
  • 无名小站本身没有权威度，交叉验证时最先被丢弃
  • 发布时间高度集中、信源 IP 异常，反而是最容易被规则抓到的特征

换句话说，这套打法不但无效，还自带「自曝」属性。

有效手段和有害手段，研究早就分好了

普林斯顿大学的 GEO 论文做过一组对照实测，结论到今天仍然好使：在内容里引用可查证的来源，AI 引用率提升 34.4%；加入统计数据提升 32.1%；使用直接引语提升 29.7%。而关键词堆砌几乎无效，甚至有害。

这三件事的共同点是：都在给 AI 提供「可验证的证据」，而不是制造「被提及的声量」。9 月各家平台收紧引用规则之后，这条分界线只会越来越清晰——平台缺的从来不是内容，是敢采信的内容。

交付验收时，先问服务商三个问题

这个案例最值得记住的，不是 20 万这个数字，而是钱花出去之前，没有任何一道关卡拦住它。下次验收 GEO 交付物，可以照着问：

  • 交付的是内容还是引用？ 发稿量、收录量属于过程指标，AI 回答里的提及率和引用率才是结果指标
  • 内容可不可追溯？ 每篇稿子发在哪、署名是谁、首发时间多少，答不上来的信源，平台也会问同样的问题
  • KPI 写的是「篇数」还是「被提次数」？ 合同里只约定每月发稿篇数的，基本可以判定对方还在做传统公关发稿的生意

GEO 不是把线下发稿换个名字就能收年费的生意。AI 平台的反作弊能力还在升级，投入越大、动作越脏的品牌，被清算时跌得越狠。与其花钱买声量，不如把钱花在把内容做「可信」上——数据、来源、引语，这三样便宜，但扛得住核查。