全文字数： 4100 字一字不差
预计阅读时间：约 20 分钟
最后更新：2025年9月24日
本章目录
-
前言：我们都在与“黑箱”共舞
-
第一章：审问的开始 - 模拟一次完整的“搜索意图链路”
-
第二章：深挖一步 - AI如何区分“固有知识”与“实时检索”？
-
第三章：交叉验证 - AI如何确认一个品牌的可信度？
-
第四章：最后的证据 - AI如何找到“展会信息”？
-
第五章：AI的“口供” - 它是如何挑选和使用信息源的？
-
第六章：GEO的第一性原理总结——AI的“信任算法”
-
第七章：行动蓝图——如何真正开始你的GEO战略
-
结语：成为AI“认知网络”中的一个可信节点
审问AI：我如何让GPT“招供”了GEO的底层逻辑
前言：我们都在与“黑箱”共舞
你好，我是果叔。最近，关于GEO（生成式引擎优化）的讨论甚嚣尘上。我们似乎都默认了一个前提：未来的SEO会进化为GEO(也称AIO)，就是想办法让AI在它的回答中引用我们。但一个更本质的问题是：AI是如何决定引用谁的？
这个决策过程，对我们大多数人来说，是一个巨大的“黑箱”。我们都在与这个黑箱共舞，却不清楚它的舞步和规则。
今天，我通过与ChatGPT进行了非常多轮的测试与探讨、想要亲自揭开这个黑箱，毕竟焦虑和恐惧，总是源于未知。
我将扮演一个不断追问的“侦探”，通过一系列精心设计的问题，层层深入，迫使AI“招供”出它进行信息检索、判断、验证的底层逻辑。这篇文章，就是这次审问的完整笔录与深度复盘。当然，本次测试仅针对传统的“商业调查”型搜索意图的逻辑，之后我还会陆续进行购买交易意图，信息意图，甚至包括导航意图进行测试。（这里默认你理解搜索者意图这个概念，不懂自己补课，此处不展开解释了）
本次测试采用ChatGPT Plus 套餐的GPT5 Thinking 完成，结果仅对该模型负责。
第一章：审问的开始 - 模拟一次完整的“搜索意图链路”
我的审问，从模拟一次最真实的用户搜索旅程开始。我设计的提问路径，并非随心所欲，而是精准地复刻了一个用户从产生模糊兴趣到聚焦具体需求的完整“搜索意图链路”：从一个宽泛的行业大品类词（“玩具”），逐步收窄到一个细分品类词（“毛绒玩具”），最终将落脚到一个具体的品牌词。
我的第一个问题，就是这个链路的起点：
> “让你帮我提出 100 个 玩具相关的品牌，你能想到哪些？”
AI迅速给出了一个长长的列表，包含了LEGO、Mattel、Hasbro等众所周知的国际大厂。这符合预期。
然后，我开始收紧范围，进入我的真实目标领域：
> “那如果我把需求变更为毛绒玩具品牌，请你重新搜索，并给我一个清单，也是 100 个。”
此时，AI的回答出现了第一次有趣的“犹豫”。它只给出了大约24个品牌，并坦诚地告诉我，“要凑到 100 个，需要进一步大量检索”，因为它需要去挖掘那些规模更小、更地域性的品牌。
第二章：深挖一步 - AI如何区分“固有知识”与“实时检索”？
AI的“犹豫”，正是我要的突破口。我立刻追问，它是如何区分哪些信息是它“本来就知道的”，哪些是它“需要去查的”。
> “其中哪些是你固有信息提供的，哪些是你通过实时检索了解到的？ 请你列出来”
AI的回答，完美地印证了GEO领域的一个核心概念：Grounded vs. Ungrounded Queries。
- 固有知识 (Ungrounded):
AI将LEGO、Mattel这类“常识性”的、长期稳定不变的品牌，归类为它的“固有知识”。这些信息来自于它庞大的、静态的预训练数据库。对于这类查询，AI倾向于直接从“内存”中回答，我们很难影响。
- 实时检索 (Grounded):
AI将Pop Mart（泡泡玛特）、Squishmallows这类近年爆火的新兴品牌、潮玩IP，归类为需要“实时检索”才能确认的信息。这意味着，对于这些查询，AI会启动RAG（检索增强生成）机制，去实时地搜索网络，寻找最新、最权威的信息源。
第三章：交叉验证 - AI如何确认一个品牌的可信度？
在AI努力凑出100个毛绒玩具品牌的列表中，我发现了一个我自己有在做顾问的一个品牌（后文简称“品牌X”）。这是测试AI信息验证能力的绝佳靶子。于是我针对这个品牌进行继续追问，并顺便检验我的GEO效果。
ps题外话: 虽说我作为顾问的这个项目在GEO和SEO做的都不算差了，在Nich 领域的核心词Google 排名基本上都是Top1-3 的水平，但是反映在GEO带来营收这个事情上并不是那么令人愉悦，大概也就是SEO带来营收的零头的零头的零头的水平。具体可以看下：劝你别太在意GEO：它是SEO 的未来，但你得先活着抵达未来【项目数据为证】, 因此在我看来，如果你觉得搞不定SEO，指望靠GEO救命的，我劝你还是省省～
> “那么你怎么确认‘品牌X’是一个可信的品牌？你会通过什么其他渠道的信息去交叉验证？”
AI的回答，几乎完美地复刻了一个专业市场分析师的尽职调查流程。它列出了一个多维度的信息验证矩阵：
- 官方信号：
检查品牌官网的专业度、产品线、售后政策。
- 用户信号：
在Reddit、独立博客、YouTube/TikTok上寻找真实的用户评价和开箱视频。
- 第三方信誉信号：
查询ScamAdviser、Trustpilot等网站，看是否有负面举报。
- 行业信号：
在第三方品牌排行榜、行业媒体报道中，寻找对该品牌的提及。
- 社交媒体信号：
检查其Facebook、Instagram等社媒账号的活跃度和用户互动情况。
第四章：最后的证据 - AI如何找到“展会信息”？
在AI提到的所有“行业信号”中，GPT认为参加线下展会是一个极强的可信度证明。我决定发起最后的追问，考验AI挖掘深度、结构化信息的能力。
> “那么你是否能找到‘品牌X’参加展会的相关信息？”
AI成功了。它精准地找到了“品牌X”参加2025年纽伦堡国际玩具展的新闻稿，并提取出了展会名称、时间、展位号等所有关键信息。
这个案例揭示了GEO的另一个关键点：AI极度偏爱“结构化”和“实体化”的信息。新闻稿（Press Release）之所以是极佳的信源，正是因为它是一种高度结构化的内容格式（包含时间、地点、事件、参与方等明确的“实体”）。
第五章：AI的“口供” - 它是如何挑选和使用信息源的？
到了最关键的环节，我发起了最后的诘问。我让AI完整地“招供”了它在回答我所有问题时，实际检索并引用过的全部信息源，同时进行分类，之后我让它解释了它挑选这些信息来源的决策逻辑。（太长了不截图了）
这份“口供”，为我们揭示了AI的信息源选择，并非随机，而是遵循一个清晰的、基于“广度×深度×口碑×风控”四根支柱的决策模型。
1. 行业资讯/分析报道 (如 Reuters): 用途：获取时效性强的动态信息，为趋势判断提供“权威背书”。
2. 榜单/目录 (如 Toynk, Wikipedia List): 用途：作为“种子集合”，快速扩展候选名单，构建“市场全景图”。
3. 官方品牌网站: 用途：权威的一手来源，用于确认品牌“实体”的存在性和核心信息。
4. 百科知识类 (Wikipedia 词条): 用途：用于快速补齐“背景档案”，查证历史与归属。
5. 第三方测评/榜单文章: 用途：获取消费者视角和“真实使用”的线索，作为“软信号”。
6. 用户社区/不加修饰的反馈 (Reddit): 用途：寻找非官方的“吐槽”与“好评”，识别争议点和风险点。
7. 信誉/风控信号 (ScamAdviser): 用途：对网站进行自动化的“技术体检”，判断风险等级。
8. 社交媒体在场性 (Facebook): 用途：检视品牌是否有持续的、真实的运营痕迹。
9. 展会与新闻稿: 用途：验证品牌是否进入行业视野，获得线下曝光。
第六章：GEO的第一性原理总结——AI的“信任算法”
经过这次漫长的审问，我们可以将GEO的底层逻辑，提炼为四条清晰的第一性原理。这，就是AI用以判断信任与否的“算法”：
- 原理一：聚焦实时检索 (Grounded Queries)。
AI的信任始于对新鲜、动态信息的需求。你的机会在于成为它“实时检索”时的最佳答案，而不是挑战它“固有”的知识。
- 原理二：构建多源交叉验证 (Multi-source Validation)。
AI像一个谨慎的侦探，信任来自多个不同类型（媒体、社区、官网、目录等）独立信源的共同佐证。单一渠道的声音是无力的。
- 原理三：拥抱结构化与实体化 (Structured & Entity-based)。
AI偏爱“喂到嘴边”的、结构清晰的数据。将你的品牌事实转化为机器可读的实体和事件。
- 原理四：渗透高权重信息源 (Penetrate Trusted Sources)。
AI有其偏爱的“老师”（维基百科, Reddit, 权威媒体）。你的目标是成为这些“老师”课堂上的“优秀案例”。
第七章：行动蓝图——如何真正开始你的GEO战略
理解了原理，下一步就是行动。以下这张“作战地图”，将AI偏爱的9大信息源，与我们作为独立开发者可以采取的具体行动，一一对应。
AI的信息源类型
你对应的GEO优化行动
1. 行业资讯/分析报道
定期发布新闻稿(PR)，行业媒体外链，网站博客发布数据和洞察报告。
2. 榜单/目录
积极寻求被行业网站（如G2, Capterra）收录外链；创作“BestXX”类博客，榜单插入型外链
3. 官方品牌网站
持续优化站内信息（On-Page SEO），发布高质量博客，打造“主题权威”。
4. 百科知识类 (Wikipedia)
创造一个真正有价值、值得被引用的“可链接资产”，长期目标是获得维基百科的自然引用。
5. 第三方测评/榜单文章
开展外展活动（Outreach），与评测博主建立联系
6. 用户社区/反馈 (Reddit)
在相关社群提供真实价值，回答问题，参与讨论，自然地建立品牌声誉。
7. 信誉/风控信号
确保网站技术健康与爬虫&AI 可见性，（建立清晰的“关于我们”和联系页面。
8. 社交媒体在场性
保持核心社媒渠道的持续运营和用户互动，发布有价值的内容。
9. 展会与新闻稿
积极参与行业活动并发布新闻稿，将品牌“实体化”，创造结构化信息。
结语：成为AI“认知网络”中的一个可信节点
这有意思的“审问”，也算是我运用脑子里浅薄的一点认知进行知识探索的一次小实践。之所以有这种探知欲，也是源自骨子里那股较真吧。遥想十多年前在我还曾担任“老师”这种职业时，就对拿一些模棱两可概念忽悠学生的同行非常不耻。行业和职业也许会变，但我还是那个我。
最后有没有发现，我列的行动清单里面几乎所有执行项，都和我们做SEO的执行策略高度吻合呢？唯一有区别的，也就是在优化目的上有所区别，SEO是想办法让我们的“网页”排在搜索结果的前面。未来，我们做GEO，是想办法让我们的“品牌”和“产品”，成为AI庞大认知网络中的一个高权重的、被广泛交叉验证的、信息结构清晰的“可信节点”。这方面可能和传统的站外优化（Off-Page SEO）有更多的重合，毕竟品牌声誉和品牌能见度的打造本身也是SEO目的的一部分。
这是一场关乎品牌声誉、公共关系和数据战略的、更宏大的系统工程。而这场工程的起点，正如我们今天所做的，是回归第一性原理，去深刻地理解我们正在与之共舞的、那个“黑箱”的思考方式。
下一期我会再次尝试研究大家最关心的“交易型”搜索意图，来看看AI怎么解这个问题。
最后，还是要文末恰个饭：其实这个网站不止有Claude Code哈，还有很多神秘彩蛋，有兴趣的同学欢迎探索，言至于此。https://code.yoretea.com
觉得果叔的分析有启发？点个「👍」，「转发”给更多需要的朋友吧！
关注我的公众号，与我一同构建你的增长体系。
🌌 未来的SEO与 GEO，你不是在为搜索引擎优化，你是在为整个互联网的集体智慧，贡献一个清晰、可信的知识节点。