3·15曝光“GEO乱象”后，接下来品牌营销要怎么做？

全球数字广告市场即将迎来一场由大模型和生成式人工智能驱动的深刻变革，新营销范式正在快速形成中。

文｜郭全中

ID | BMR2004

2026年3月15日，央视“3·15”晚会曝光了AI大模型的“投毒”现象直指违规企业伙同GEO公司，通过软件定向对AI大模型投放虚假信息，最终让AI模型的推荐结果内夹带私货，实现商业目的。

GEO（生成式引擎优化技术）本质上是围绕 AI 搜索和生成式引擎展开的一种“可见度优化”，目标是让内容更容易被AI平台提及、引用或推荐。“3·15”晚会反映出，当下已然形成一种以对话式交互为核心、依托大语言模型实现“意图理解与对话式推荐”的新型数字广告范式——GEM（生成式引擎营销）。

“3·15”曝光的GEO乱象不仅揭示了技术被滥用的风险，也将GEM这一“品牌营销新战场”推向舆论前沿。

01

GEM本质上是一种全新的营销哲学

所谓GEM，是一种根植于生成式人工智能和大语言模型技术，以对话式交互为核心，深度融合用户意图、语境理解与动态内容生成的新型数字广告范式。它的诞生，标志着广告行业正经历一场从“关键词匹配”和“用户画像推测”到“意图理解与对话式推荐”的底层逻辑重写。

这一变革的时代大背景，是以ChatGPT为代表的AI应用正迅速成为新一代“信息源+意图入口”，用户在AI助手中完成从“提问”到“决策”的全过程，这使得品牌的“广告投放位”首次出现在了自然语言对话的语境之中。

从本质上讲，GEM是技术演进、商业模式探索与用户需求变化共同作用的结果。在技术方面，大语言模型强大的自然语言理解能力和生成能力，能够深度理解用户的复杂、多轮对话，并生成高度相关、个性化的内容，进而更好地实现广告与用户需求的精准匹配和原生融入；在商业模式方面，大模型公司算力成本高昂，亟须拓展新收入来源，广告作为一种成熟的流量变现模式，最容易成功。在用户需求方面，GEM秉持的“广告即答案”理念能够很好地满足用户即时、精准、无干扰的信息服务需求，广告从“干扰性的噪音”转变为“直接解决问题的、有价值的服务”，能够显著提升用户体验。

基于上述原因，GEM既是全新的广告形式，也是全新的营销哲学，试图在商业价值与用户体验之间建立起共生共赢的关系。

GEM的核心特征可以概括为三大支柱：深度意图驱动、原生内容渗透和多轮对话互动。这三大特征共同构成了GEM与传统广告模式的本质区别，并定义了其独特的价值主张。

第一，深度意图驱动是GEM最根本的特征。传统搜索引擎广告依赖于用户输入的明确关键词来匹配广告，而社交媒体广告则基于对用户历史行为数据的分析来“猜测”其潜在兴趣。相比之下，GEM能够直接解析用户在多轮对话中所表达的明确、复杂甚至隐含的意图。例如，当用户询问“计划一次为期5天的香港家庭旅行，有两个孩子，预算有限”，GEM不仅能识别出“香港旅行”这个核心意图，还能理解“家庭”“孩子”“预算有限”等关键约束条件。这种基于完整对话脉络的深度情境理解，使得广告匹配不再是简单的关键词触发，而是对用户真实需求的精准响应，其精准度远超基于用户画像的推测式投放。

第二，原生内容渗透。GEM的广告不再是独立于内容之外的横幅广告、弹窗广告或链接，而是以一种原生、有价值的内容形式，无缝地融入AI的对话回复中。OpenAI内部将这种理念称为“意图导向的变现”，核心是将广告转化为“对话式推荐”，而非生硬地插入广告链接。例如，在回答完关于红酒的问题后，AI可能还会自然地推荐某个品牌的特定系列，并解释其为何适合用户的口感。

第三，多轮对话互动。GEM的价值不仅在于单次推荐的精准度，更在于其支持多轮对话的上下文理解能力；用户的决策过程往往是复杂和动态的，GEM能够伴随用户的整个决策旅程。

02

GEM的有效落地与实现

OpenAI的GEM核心逻辑是“需求驱动、场景适配”，秉持“有用”而非“打扰”的原则，只有在用户明确表达或隐含表现出某种消费、推荐或行动需求时，广告才会被激活。“意图匹配”模式能够将广告从“干扰项”转变为“补充信息”，从而显著提升用户接受度。该体系将用户需求大致分为两类，并针对不同场景进行适配。

第一，针对搜索类需求直接触发广告。当用户的对话内容类似于传统搜索引擎的查询时，系统会直接触发广告。如当用户直接询问“睫毛膏推荐”“香港酒店选择”或“2025年新款AI眼镜推荐”时，用户的商业意图非常明确，系统可以把付费推广内容自然融入AI生成的专业建议中，如来自丝芙兰的美妆产品、香港合作旅行社的住宿套餐或特定品牌的AI眼镜广告等。

第二，针对行动类需求，以“辅助资源”形式提供一站式解决方案。当用户请求AI帮助其完成某项任务或制订计划时，广告可以以“辅助资源”的形式出现。如当用户提出“制定一个月度健身计划”或“设计一个周末聚餐的菜单”时，AI在提供核心建议（如训练动作、菜谱）之后，可以在回答的底部推荐相关的付费服务或产品，包括健身APP的会员订阅、生鲜电商的食材套餐链接等。该类广告能为用户提供从“计划”到“执行”的一站式解决方案，将广告自身内嵌为服务的一部分。

可以看出，OpenAI通过精细化的场景划分和需求识别，试图实现商业价值和提升用户体验的良性循环。广告触发与用户的目标紧密相连，更容易被用户所接受。

在广告展示时机上，OpenAI采用了“次级交互触发”策略，遵循“三不原则”的核心设计哲学，最大限度降低广告对核心对话体验的侵入感。该策略能够较好实现OpenAI在商业化与用户体验之间寻求平衡的目标，避免用户在对话中感受到强烈的商业推广压力。

首先，“次级交互触发”策略的核心思想是将广告的展示延迟到对话的第二阶段或更深入的交互之后。

其次，“三不原则”确保广告的非侵入性。一是不打扰基础交互。广告仅在特定场景下，且对话进行到一定深度后才被触发。如在代码生成、文档总结等专业性较强的场景中，广告会自动隐藏，以确保用户的专注度不受干扰。二是不隐瞒广告属性。所有付费内容都会被清晰地标注为“Sponsored”（赞助）或“Ad”（广告），与AI生成的核心内容进行明确区隔。这种透明化操作避免模糊信息误导用户，守住用户信任的底线。三是不偏离用户需求。广告的内容必须与当前对话的主题和用户的意图高度相关。例如，在讨论烹饪墨西哥晚餐时，广告应该是相关食材或厨具的赞助。高相关性是确保广告被视为“补充信息”而非“干扰项”的关键。

在广告的具体展示位置和形式上，为了维护AI回答的客观性和用户的信任感，OpenAI采取了审慎和明确的设计，以确保广告内容与AI生成的核心回答之间界限分明。根据OpenAI官方发布的示例截图和相关报道，广告将以独立的、带有清晰标识的模块形式，出现在ChatGPT生成答案的底部，并严格遵守以下两项原则：

第一，独立模块与视觉区隔。

第二，明确“赞助”标签。所有广告模块都会被明确、清晰地标注为“Sponsored”（赞助）或类似的字样。

除了目前测试的静态展示形式，OpenAI还透露了未来探索更具交互性的广告形式的计划。

此外，GEM在广告内容生成方面，实现了从“预设素材库匹配”到“基于对话语境动态生成”的飞跃。传统在线广告的内容通常是预先制作好的静态素材（如文案、图片、视频），广告投放则是根据用户标签或关键词，实现用户需求与内容的匹配。GEM利用大语言模型强大的生成能力，根据用户对话的实时语境，动态地、即时地创造出全新的、独一无二的广告内容。这种动态生成的关键在于对对话上下文的深度理解。大模型分析用户的完整问题、背景信息、情绪甚至隐含需求。例如，当不同的用户都询问“推荐一款跑鞋”时，传统在线广告会展示相同的跑鞋广告，但GEM会根据他们对话中的细微差别，生成截然不同的推荐内容。对于在对话中提到自己是马拉松选手的用户，AI生成的广告可能会强调某款跑鞋的耐久性、轻量化和专业支撑技术；而对于提到自己是跑步新手的用户，广告则可能侧重于舒适性、性价比和易上手的特点。

这种动态生成能力，也对广告商提出了新的要求。广告商需要向OpenAI提供更为详尽的产品信息、品牌调性、目标用户画像等“养料”，以供大语言模型在生成广告时调用。这催生了一种新的广告技术领域，即生成式引擎优化（GEO），其核心目标是让品牌和产品能够被大模型更好地“理解”和“引用”。广告商需要思考如何构建自己的“品牌知识库”，以便在大语言模型生成相关推荐时，自己的品牌能够被优先、准确地提及。这标志着广告优化的战场，正从传统的搜索引擎结果页（SERP），转移到AI生成的对话内容中。

第二，GEM正在推动广告迈向一个极致化的“一人千面”的新纪元。传统的程序化广告和推荐系统，基于用户的历史行为数据（如浏览、点击、购买记录）进行用户画像，再将用户划入不同的“人群包”或“细分受众”，其本质是在相对粗粒度的群体层面上实现个性化，能实现“1000个人看到1000种不同的广告”。但是同一个用户在不同时间、不同场景、不同心境下，其需求和偏好也可能大相径庭，GEM则使得真正意义上的“一人千面”成为可能。它基于用户当前的、实时的对话内容来理解其即时意图。AI能够实时分析用户输入的背景、情绪等，进而构建出动态的、高度情境化的用户模型。即使是同一个用户，在询问“如何准备周末的烧烤派对”和“如何制定减脂期的饮食计划”时，看到的都只是与当前对话的语境高度契合的广告内容。

GEM演进的本质是广告的个性化逻辑从“基于用户是谁”转变为“基于用户此刻想做什么”。该转变不仅能显著提升广告效果，而且能极大地改善用户体验。用户感受从之前的“被追踪”和“被标签化”转变为“被理解”和“被服务”。这种从“流量逻辑”向“兴趣逻辑”和“需求逻辑”的转变，是GEM在个性化方面带来的本质变革。

第三，多模态广告内容的生成潜力。OpenAI的模型已经具备强大的图像生成和理解能力，并正在向视频、音频等领域拓展，未来的广告内容可以是动态生成的、与用户对话内容高度相关的多模态内容。例如，当用户询问某款化妆品的使用方法时，AI可以生成简短的、由虚拟人演示的化妆教程视频。多模态的广告内容能够更直观、生动地展示产品，并丰富用户的感官体验，将广告从单纯的信息传递升级为内容消费，更具吸引力和说服力。

03

GEM带来的营销范式变革

广告代理商亟须转型为“AI营销的战略顾问”。一是传统营销模式下广告代理商的核心价值是创意策划、媒介购买和数据分析，GEM时代AI能够实时生成高度个性化的广告内容，严重削弱了传统创意团队的作用；二是媒介购买模式将从购买关键词或广告位，转变为影响AI模型的推荐逻辑。这就要求广告代理商必须从“创意和媒介的执行者”转型为“AI营销的战略顾问”，关键要学会与AI系统有机协作，优化品牌信息以使其更容易被大模型“理解和推荐”，以及利用AI提供的深度用户洞察来制定更精准的营销策略。

其次，催生新的职业与服务商。GEM将催生一系列全新的职业和服务商，其中，最需要关注的新职业可能是“模型优化师”或“AI营销工程师”，他们的主要职责是帮助品牌主优化其在AI模型中的“可见度”和“推荐权重”。这些从业人员需要深入理解大模型的工作原理，研究并构建高质量品牌知识库，通过结构化数据向AI“喂养”品牌信息，并通过A/B测试来优化AI生成的广告文案。另外，专门提供GEO服务的公司将成为连接品牌主和AI平台之间的新桥梁，帮助品牌在AI时代的新营销战场上获得竞争优势。

在消费者行为方面，它重塑了消费者决策路径。GEM将把传统的“认知—兴趣—考虑—购买”消费者决策路径升级为动态、非线性和高度个性化的“智能购物顾问”，深度参与其决策的每一个环节，从根本上重塑消费者的决策路径。具体来说，消费者可以随时向AI咨询，从“有什么推荐”到“哪个更好”，再到“在哪里买最便宜”。这就要求品牌需要重新思考如何与消费者建立连接，关键是如何成为AI在回答用户咨询时愿意推荐的“首选品牌”。

其次，对于中小企业而言，GEM带来的机遇是产品或服务能否被AI推荐，更多取决于其与用户需求的匹配度和口碑，不再是广告预算金额。但挑战是中小企业需要学习新营销范式和GEO策略，需要新的技能和投入。未来，与AI平台“对话”能力会成为中小企业营销成败的关键。

GEM的未来发展，基本上取决于用户的接受度。在初期，用户可能会对AI中的广告感到新奇，甚至因为其高度的相关性而乐于接受。然而，随着时间的推移，用户可能会对广告产生“审美疲劳”，甚至反感。因此，如何持续优化广告的相关性和用户体验，避免过度商业化，将是GEM面临的长期挑战。用户接受度的动态变化，将直接影响GEM广告业务的规模和盈利能力。

（作者郭全中系中央民族大学新闻与传播学院教授、博士生导师，互联网平台企业发展与治理研究中心主任）