当前位置：首页 > 资讯列表 >央广网披露：GEO操作触发AI系统永久封禁

央广网披露：GEO操作触发AI系统永久封禁

发布时间：2026-06-18 15:47:41 分类：营销学堂

前几天，央广网曝出一个案例：
一家公司花钱做 GEO，结果被AI大模型亲手判了"虚假信源"。
最讽刺的是，它原本是清白的。
一家 2024 年才成立的国际物流公司,规模不大。
去年下半年,公司负责人注意到一个变化:来询价的客户,越来越多提到自己是"问 AI 推荐的"。——客户不再是搜出来的,是问 AI 问出来的。
负责人也就顺势做了个在今天看再正常不过的决定:花点钱,把自己在 AI 问答里的位置占住。
他联系了一家 GEO 服务商，对方承诺"几十个关键词都能做、保排名前三、多平台展现"，费用每月只要两三千块。
一个月过去，排名只是短暂冒了个头，很快就没了影。
而真正让他没想到的是，服务商在没做任何调研、也没核实任何信息的情况下，批量生成了一大堆品牌内容，里面甚至凭空捏造出"200 多平方米工厂""成立十周年"这种说法。
随着 AI 交叉验证发现这些内容跟企业的真实情况严重对不上，它们逐渐失去可信度，连那家公司原本拿到的展现机会，也跟着一块儿消失了。
同一篇报道里还有第二家。一家搬家公司,被几乎一模一样的话术忽悠,折腾了将近一个月，排名和展现依旧是零。最后，几千块服务费打了水漂，连退款都困难重重。


其实这样的遭遇并不是个案。
当用户获取信息的方式，从搜索引擎慢慢转向 AI 问答，谁的信息能被大模型采信、被它引用，正在成为品牌竞争新的焦点。
围绕这个需求，生成式引擎优化——GEO——飞快地长成了一门新生意。
国信证券预测，到 2030 年，全球 GEO 市场规模有望从今年的 240 亿美元，涨到 1000 亿美元。
千亿赛道，野蛮生长。而这两家企业踩的坑，其实分别对应了眼下这个行业最典型的三种乱：
承诺的乱，价格的乱，和秩序的乱。
我们一条条拆开看——看懂了乱在哪，也就看懂了对的路在哪。


01
承诺乱：不是不能承诺，而是看你承诺了什么

"AI 排名前三""万词上首页""七天见效、无效退款"——这类宣传，几乎成了部分 GEO 服务商的标准话术。
今年总台 3·15 晚会就曝光过一款 GEO 软件，现场演示：围着一个根本不存在的虚构产品，几分钟内自动生成十几篇带夸张参数和虚假评价的推广文章，再把它包装成"行业第一"。
据时代财经等媒体报道，有的机构甚至以一季度 3000 元左右的价格，对外承诺"全行业见效"。


但在业内人士看来，这类承诺本身就有明显的问题。
GEO 的产品专家给记者点破过：
  • 大模型不是传统搜索引擎，它的回答里并不存在一个固定排名。搜索引擎靠的是网页抓取、排序、固定结果呈现；
  • 而大模型的回答，同时受训练语料、实时联网检索结果、用户怎么提问、什么场景、甚至竞品信息有没有变化这一堆因素的影响。
换句话说，AI 给的不是一张固定榜单，而是动态生成的答案。
所谓"保前三"，实际上意味着：
在所有用户、所有问法、所有场景、所有平台、所有时间、所有竞品变化下，都稳定出现——那是无数个场景下的前三，不是一个能被锁定的位置。


那为什么，有些服务商展示的案例里，又确实出现了"排名稳定靠前"？
  • 专家解释：
在一部分低竞争、长尾、场景明确的关键词上，
由于答案空间小、品牌匹配度高、AI 本来又缺少相关信息，专业的 GEO 服务确实能帮品牌稳定进入推荐位。
真正难的，是高价值核心词。
比如"北京装修公司哪家靠谱""预算 10 万以内装修公司推荐"——这类词背后，
有大量用户意图、细分场景和竞品动态，想在所有问法、所有平台、所有时间都稳定前三，优化成本会远远超过收益。
所以你看，排名承诺本身不是问题。
问题在于：承诺的是哪些词、可不可验证、拿什么数据来衡量？
那种不问词的竞争难度、不分场景，张口就是"全行业全平台保前三"的说法，才是真正的危险信号。


02
价格乱：那份上万词的清单，到底买到了什么

跟"承诺乱"并存的，是价格体系的混乱。
同样打 GEO 旗号，报价能差出数倍甚至十几倍，从几千到数万。可服务到底差在哪，光看报价单，普通甲方根本看不出来。
那家搬家公司，就是低价 GEO 的标准样本。
部分机构为了营造一种"优化规模巨大"的感觉，会把一个核心词不断叠加城市、行业这些前后缀，硬拆出成千上万个所谓的关键词，以此来包装服务价值。


但实际上，大模型并不像传统搜索引擎那样依赖关键词堆砌。
大模型更看重的是内容的真实性、完整性，以及有没有得到权威信源的印证。
AI 要不要引用某条信息，不取决于关键词出现了多少次，而取决于这条内容值不值得信任。
可一些低价服务商，既不了解大模型的收录逻辑，也没有权威信源的建设能力，只能靠批量生成同质化内容、机械铺稿来交付。
这些东西最后到底有没有真的进入 AI 的知识体系，品牌方往往无从验证。
结果就是——企业拿到了一份看着挺庞大的关键词清单，却没换来一次真正的 AI 曝光。


03
秩序乱：被污染的不是模型，是模型喝的水

如果说前两种乱，顶多是让企业白花钱，那第三种，是会反噬的。
为了快点出效果，有的机构开始用违规手段：
编造用户测评、虚构专家身份、伪造数据背书，甚至向大模型常用的信息源批量投放不实内容，试图影响 AI 生成的结果。业内通常把这种行为叫"AI 投毒"。
要说清楚的一点是：被污染的并不是模型本身，而是模型在生成答案时所参考的那些信息来源。
这个问题，已经进入了监管视野。
今年 4 月底，中央网信办启动"清朗·整治 AI 应用乱象"专项行动，
把"AI 数据投毒"列为重点整治方向，并明确点名"利用 GEO 技术开展恶意营销"等行为。



而乱象带来的风险，最终往往由品牌方自己承担。
最浅一层，是无效。
  • 一方面，大量低质内容很难被 AI 采信，企业的投入难以转化成真实曝光；
  • 另一方面，违规内容一旦被平台识别，品牌甚至可能面临降权、限制展示，在 AI 渠道里的可见度大幅下降，而修复这一下，往往要好几个月。
最深一层，是法律。
泰和泰律师事务所高级合伙人廖怀学在近期一场讨论里提醒，《互联网广告管理办法》规定，广告主必须对广告内容的真实性负责，
这个责任不会因为委托了第三方就免除——品牌方想用"不知情"来撇清，并不容易。


往更远看，真正被掏空的是信任。
中国社会科学院法学研究所教授姚佳在同一场讨论中指出，大模型给的是整合后的结论，用户觉得它更聪明、也更信任，广告藏进答案里就很难分辨。
廖怀学则担心，长此以往会变成谁更会"投喂"谁就更容易上榜，认真做内容的反被挤出去——劣币驱逐良币。
最后受损的，是用户对 AI 的信任，也是整条新赛道的公信力。


04
正规的 GEO，是一场春种秋收

讲到这里，一个更值得聊的问题其实是：那么，做对的人，到底在做什么？
今年 4 月，近 40 家专业媒体、行业组织、高校和科技企业在北京联合发起了《负责任 GEO 治理倡议》，明确反对"投毒"、反对低质内容污染、反对不正当竞争和侵权。
它的指向其实只有一个：
GEO 不是去操控 AI 的回答，而是用真实、合规的方式，把好内容翻译成 AI 看得懂的知识。
落到实处，合规的 GEO 大致是这么做的。


第一，得有真实的全网存在感
一家企业要是在百科、权威媒体上几乎查无踪迹，大模型短时间内不会凭空信任它。这一步骗不了，只能踏实做。


第二，避开红海核心词，发力长尾关键词
避开挤破头的红海核心词，往竞争小、颗粒度细、场景明确的长尾去发力——这恰恰也是前面专家说的、专业 GEO 真正能稳定见效的地方。


第三，生产AI读得懂的内容
第三，也是最容易被忽略的，生产 AI 真读得懂的内容。大模型读不进华丽的品牌散文，它要的是清晰的小标题、直接答到痛点上、像 FAQ 和参数对比表那样高度结构化的语料。
所以现阶段的 GEO，更像一场春种秋收的"播种"，而不是立竿见影的"收割"。你建立的，是大模型能够长期识别、也信得过的权威性。这件事，没有捷径。


05
真实和结构化，只是一张入场券

得说句实在话：上面那几条，是底线，还谈不上壁垒。
它们能做的，是让一个品牌有资格坐上牌桌——不被 AI 当成可疑信息收回去。而坐上牌桌之后，真正的较量才刚开始。
至少有两层复杂度，藏在"真实结构化"这几个字后面。


一层是，海外和国内，是两套完全不同的规则系统。
出海品牌面对的 AI 生态、用户的提问习惯、什么算可信信源，跟国内几乎是两个世界。把国内那套照搬出海，跟把传统 SEO 硬搬到 AI 上，犯的其实是同一种错。


另一层是，不同平台、不同模型、不同时间点，引用的逻辑都不一样，而且一直在变。
今天好使的结构，模型一更新，下个月可能就不灵了。这不是优化一次就一劳永逸的事，它要的是一张能持续动态调整的"营销地图"。
说到底——让 AI 推荐你一次，靠运气、靠话术，兴许做得到；可让它在不断变化的规则里，稳稳地、持续地、跨着平台推荐你，是另一件完全不同难度的事。
前一件是赌，后一件是工程。


06
最后

再回到开头那家物流公司。
在 AI 时代，排第几是虚的；一个品牌真正的底子，是它的内容到底值不值得被 AI 推荐给用户。
这场迁徙已经开始，没有人能退回老地方。
只是有件事，或许值得今天就想明白——当 AI 开始记住每一个品牌的信用，那条为了省钱而抄的近路，会在哪一天，被它连本带利地，讨回去。