当前位置:首页 > 商业资讯

卢鑫:从搜索增长到AI认知,企业如何获得新的被选择机会

2026-11-19 14:18:45wishes商业资讯12

用户获取信息和作出消费、采购决策的方式正在发生变化。过去,人们往往通过搜索引擎查找网页,再自行比较产品和服务;现在,越来越多用户开始直接向AI提问,并参考模型整理后的信息和建议。对企业而言,竞争因此不再只是“能否出现在搜索结果中”,还包括“能否被AI准确识别、理解并纳入相关答案”。

虎博科技CEO卢鑫长期从事搜索增长、用户运营和人工智能商业应用。二十多年来,她经历了PC互联网、移动互联网和大模型应用等不同阶段,并将多年积累的搜索与增长经验应用于GEO,即生成式引擎优化服务。

一、穿越三次信息入口变革

2002年,卢鑫开始从事独立站、海外电商和SEO相关工作。2007年,她参与阿里巴巴早期SEO体系建设及搜索相关业务,随后加入大众点评,负责用户增长工作,经历了移动互联网快速发展的阶段。

在大众点评工作期间,卢鑫参与移动端用户增长,积累了搜索优化、用户运营和产品增长经验。此后,她开始连续创业,并将业务实践拓展至海外市场,继续探索SEO、SEM、社交媒体和用户增长之间的协同关系。

这些经历让卢鑫持续关注一个问题:当用户使用的信息入口发生变化,企业如何重新进入用户的决策过程。

随着AI大模型和AI搜索应用不断发展,用户获取信息的方式正在发生变化。面对产品选择或服务商筛选问题,用户不一定会先搜索某个具体品牌,而可能直接向AI询问“有哪些产品值得选择”“哪家公司更适合我的需求”。AI则会综合官网、行业媒体、专业平台及其他信息来源,对企业的业务能力和适用场景进行判断,并形成相应回答。

卢鑫认为,企业需要适应的并不是某个平台的短期变化,而是用户决策方式的改变。

二、当AI开始参与用户决策

在传统搜索环境中,企业争取的是网页排名和用户点击。用户通过多个网页获取信息,再自行完成比较和判断。

随着AI大模型应用不断深入,用户获取信息和比较方案的过程正在发生变化。用户可以直接向AI询问某个行业有哪些品牌、不同方案应如何选择,或哪家公司更符合自身需求,AI则会结合已有信息进行归纳、比较并形成回答。

这意味着,企业竞争从流量入口进一步进入答案入口。

在《GEO不是你想的那样》中,卢鑫提出了“答案权”概念。传统搜索时代,企业主要通过网页排名和用户点击争取市场关注;进入AI大模型和AI搜索阶段后,企业还需要让自身的品牌信息、产品能力和服务事实,成为AI组织答案时可以识别、参考和引用的依据。

“答案权”并不等于品牌名称偶尔出现在某次回答中。更重要的是,当用户提出相关问题时,AI能否准确说明企业是谁、适合哪些客户、能够解决什么问题,以及这些判断是否有清晰、可靠的信息来源支撑。

三、从品牌曝光走向信息可信

不少企业开展AI搜索优化时,仍习惯沿用传统内容营销的方法,通过增加文章、重复品牌名称和扩大内容发布范围,期待品牌获得更多AI提及。

但品牌出现在AI回答中,只是被识别的起点,并不意味着已经进入真正的推荐场景。当用户开始比较产品和服务时,AI还需要了解企业的适用客户、产品条件、交付能力、服务范围和风险边界,才能形成更有依据的判断。

如果官网、销售资料和外部页面对企业的描述不一致,AI可能混淆企业主体、引用过期信息,或者无法准确判断产品适合哪些场景。对企业而言,GEO首先需要解决的是品牌信息如何准确表达和持续维护,其次才是传播范围和获客效果。

因此,企业需要整理的不只是宣传口号,还包括产品参数、服务范围、应用场景、资质案例、客户问题和业务边界。当这些信息更加清晰、完整并保持一致,AI才更容易形成稳定的品牌认知。

四、让品牌信息沉淀为可使用的答案资产

传统内容往往更关注表达是否完整、传播范围是否广泛。进入AI搜索阶段后,企业还需要考虑内容能否被AI准确识别、拆解,并在用户提出相关问题时作为回答依据。

卢鑫提出“AI答案积木法”,主张将企业信息拆分为问题、标准答案、判断标准、适用场景、常见误区、风险边界和FAQ等相互关联的内容模块。这样做不是简单压缩文字,而是把分散的产品资料和业务经验,重新组织为更贴近用户决策过程的信息结构。

例如,工业企业不能只介绍“技术先进、经验丰富”,还需要说明产品参数、适用工况、质检流程、交付周期和售后能力;软件企业也不能只罗列产品功能,还应说明适用团队、部署方式、系统兼容性和项目实施条件。

对企业而言,这些信息一方面帮助客户理解和比较,另一方面也为AI识别品牌、判断场景和组织推荐提供依据。企业需要建设的,不只是内容库,而是一套围绕真实客户问题形成、能够持续更新的答案资产。

五、官网夯实品牌信任底座

围绕品牌信息如何获得持续、稳定的支持,卢鑫提出了GEO双轮信任引擎。

第一轮是官网信任源建设。企业需要在官网中清晰呈现品牌定位、产品服务、适用场景、资质案例和业务边界,使官网成为相对稳定、能够持续更新的GF事实来源。

第二轮是外部品牌信号建设。企业还需要借助行业媒体、专业平台、合作伙伴及其他可信渠道,从行业背景、应用场景和客户实践等角度,为品牌核心信息提供外部印证。

两轮建设并不是在不同平台重复同一段内容,而是承担不同的信息功能:官网负责准确说明企业是谁、提供什么以及适合哪些客户;外部信源则补充行业语境、应用依据和第三方支持。

当官网与外部信源能够保持核心事实一致,AI才更容易形成清晰、稳定的品牌认知。

虎博科技将这一方法应用于品牌诊断、问题库建设、官网内容、外部信源和AI可见性监测等环节,持续发现信息缺口、表述冲突和AI理解偏差,并根据监测结果调整后续内容与信源策略。

六、让外部信源形成多维支持

在AI环境中,企业官网是品牌说明的基础,但单一GF来源并不一定能够覆盖用户的全部问题。行业媒体、专业平台、合作伙伴和客户实践,可以从不同角度补充品牌认知,为企业的产品能力和服务范围提供更多背景信息。

外部信源建设不是在不同平台重复同一段宣传,而是根据用户问题安排不同的信息内容。官网可以说明企业主体、产品和服务;行业内容可以解释应用场景和专业背景;客户案例可以呈现项目过程与交付经验;技术资料和资质文件则可以补充产品依据与能力证明。

对于金融、医疗、工业和出海等信息复杂度较高的行业,外部信源还需要与企业内部的事实审核和版本管理配合,避免新旧资料混用、产品范围被扩大解释,或业务边界表达不清。

GEO并不要求所有渠道使用完全相同的文字,而是要求不同来源在核心事实、品牌主体和业务边界上保持一致,并让每类信息在对应场景中发挥清晰的支持作用。

七、技术能力最终要在真实业务中验证

虎博科技专注于AI搜索营销优化服务的技术研发与商业落地,已形成由TigerBot、四层递进GEO模型、AAES和自研AI可见性监测平台组成的技术与方法体系。

TigerBot已完成国家备案,可用于自然语言理解、用户问题分析和品牌信息组织;四层递进GEO模型用于分析品牌在AI环境中的不同呈现阶段;AAES即AI答案采纳资格分,用于项目内部的基线诊断和阶段比较,不属于国家认证或第三方行业标准;自研AI可见性监测平台则用于观察品牌在目标AI平台中的提及、引用、推荐位置和信息准确性。

这些能力并不能直接决定第三方AI平台生成什么内容,其作用是帮助项目团队更有效地分析用户问题、整理品牌信息、发现内容缺口,并按照相对稳定的条件复测阶段变化。项目执行过程中,企业业务团队仍需参与事实确认,确保产品、案例、资质和服务范围等信息真实、准确、有效。

目前,虎博科技的项目实践覆盖AI创业、金融、B2B工业、新能源和出海品牌等领域。不同项目的重点并不相同:有的需要重新梳理产品定位,有的需要统一多业务线信息,有的则需要根据目标市场重新组织产品表达和外部信源。

2026年,虎博科技GEO解决方案通过中国信息通信研究院生成式引擎优化服务可信专项评测。相关评测涉及服务制度、客户材料审核、优化方式、服务效果和持续发展等环节,为企业了解其服务规范与交付机制提供了第三方评测依据。

八、让真实能力进入AI决策场景

从搜索引擎到移动互联网,再到AI大模型,卢鑫长期关注的始终是用户如何获取信息,以及企业如何进入用户的判断过程。

当AI参与产品比较和服务筛选,企业需要提前整理产品能力、应用场景、客户案例和服务边界,让这些真实信息能够被准确读取、理解和调用。

GEO所要解决的,正是这一信息转换问题:将分散在官网、产品资料、媒体报道和业务团队中的内容,整理为结构清晰、来源明确、便于AI理解的品牌知识。

对虎博科技而言,GEO不是一次短期传播,而是一项连接技术研发、品牌信息和企业增长的长期服务。通过问题诊断、知识建设、官网与外部信源协同以及持续监测,企业可以逐步建立面向AI决策场景的信息基础,让真实业务能力在新的信息入口中获得被发现和被选择的机会。

结语

从搜索增长到AI认知,卢鑫经历的不只是技术工具的更替,也见证了用户获取信息和作出决策方式的持续变化。

今天,企业需要争取的已经不只是被看见,而是让真实的产品、能力和服务,在新的AI信息入口中被准确理解、验证和选择。

当企业能够清楚说明自身定位、适用客户和解决的问题,并为这些判断提供稳定、可靠的事实依据,品牌才更有机会进入AI组织答案的过程。

这也是卢鑫和虎博科技持续探索的方向:将企业真实业务沉淀为可理解、可验证、可持续维护的品牌信息资产,帮助企业在AI大模型逐步参与商业决策的时代,获得新的被发现和被选择机会。