过去三个月，我翻了大概40个企业客户的GEO（生成引擎优化）策略报告。一个数据让我停了很久：其中超过六成的企业，在试图让大模型“记住”自己的品牌时，依旧在用传统SEO那套——堆关键词、铺外链、搞收录。而真正让大模型在回答中主动提及品牌的，不到三成。

这个数字让我有点坐不住。因为从逻辑上看，大模型的运作方式和搜索引擎有本质区别。搜索引擎是检索匹配，你出现在库里，关键词对上，就有机会露脸。但大模型是生成式，它先“理解”问题，再“组织”答案。决定它会不会提到你的，不是你的页面有没有被爬虫抓过，而是你的品牌信息，是否以某种结构化的方式，“嵌入”了它的知识体系。

我管这个叫“品牌知识锚点”。它不是一个页面，不是一个链接，而是大模型对你品牌的“内化认知”。它可能是一段维基百科风格的简介，也可能是一组FAQ，或者是一篇被反复引用、被权威来源验证的深度内容。关键不在于多少人在写你，而在于写了你之后，大模型认不认。

有意思的是，我对比了两组企业案例。一组投入了大概三个月时间，集中精力优化品牌在公开语料库中的“知识密度”，比如让百科词条更完整、让行业白皮书被更多学术数据库收录、让媒体报道中的品牌表述统一。另一组继续做传统的发稿和链接建设。结果呢？前一组在大模型测试问答中的提及率，提升了将近一倍；后一组几乎纹丝不动。

这里有一个比较模糊但值得琢磨的表，我放在下面，不是想证明谁对谁错，只是提供一个观察视角。

当然，这个对比有它的局限性。样本量小，而且大模型版本迭代很快，可能过两个月结论就变了。但我倾向于认为，这个方向值得做GEO的人认真看一眼。

说实话，我之前也信“内容为王”那一套。但现在有点动摇。因为大模型的训练数据，和搜索引擎的索引库，本质上是两回事。搜索引擎索引的是“网页”，而大模型训练的是“语料”。一个品牌如果只在自家官网上堆内容，而不去进入那些被大模型视为“高信任度源头”的语料库——比如维基、权威行业报告、知名媒体的报道库——那它在大模型的世界里，就像一座孤岛。

这就是为什么我觉得“品牌知识锚点”这个概念比“关键词布局”更重要。它不要求你高频更新，但要求你把核心信息提炼得足够精准、足够结构化。我见过一个B2B企业，他们把产品技术白皮书写成了类似“技术标准”的文档，被几个行业知识库收录后，大模型在回答相关技术问题时，几乎每次都会自动引用他们的数据。他们没发过一条外链。

这里还有一个我不确定但值得琢磨的点：大模型对“品牌立场”的偏好。我观察过，有些品牌明明内容很扎实，但大模型在回答中就是绕开它。后来发现，可能是因为该品牌在某个争议性话题上的立场，与主流语料库中的“权威观点”不一致。大模型为了中立性，会主动“遗忘”这类品牌。这听起来有点不公平，但从模型训练的逻辑上看，它只是选择了“风险更低”的答案来源。所以，品牌在做知识锚点优化时，可能还需要考虑语料本身的“共识兼容性”。

当然，这并不意味着传统SEO就没用了。我的看法是，两者是互补的。传统SEO解决的是“用户搜索时能不能看到你”，而GEO解决的是“用户提问时大模型会不会想到你”。对于大多数企业来说，前者的流量天花板已经很明显，后者的增长空间可能才刚刚打开。

我个人的建议是，做GEO的人可以试着把精力分配重新调一调：大概一半放在打造品牌在公开语料库中的知识锚点，三成放在让这些锚点被大模型“嵌入”它的训练逻辑（比如通过高质量引用、权威背书），剩下的两成才是维护已有的内容和链接。但这只是基于我看到的几十个案例的观察，不一定对。我也见过反例，有的企业什么知识锚点都没做，但产品本身是大模型训练数据里的高频词，比如一些国民品牌，自然就被记住了。这种特例说明，品牌自身的“语义权重”也很关键。

还有一个我不能确定的事情是：当大模型通过用户反馈做实时微调时，知识锚点会不会失效？毕竟，如果用户反复纠正大模型关于某个品牌的回答，模型可能会重新调整对该品牌的权重。这是否意味着，除了硬性的语料嵌入，品牌还需要在用户交互层面建立“反馈锚点”？

这个问题我还没想透。也许做GEO的人，最终需要面对的，不只是一个技术问题，而是如何在一个不断自我修正的智能系统里，找到品牌存在的确定性。