GEO灰产调查:批量发稿、虚构资质,品牌正在被“投喂”给AI

当用户开始向 AI 询问“哪个品牌更值得买”,一门围绕 AI 答案排序的新生意迅速升温 。 但近期一篇卧底调查显示, 部分 GEO 服务并没有走向更专业的品牌内容建设, 而是滑向了批量制造信息、虚构背书、投喂 AI 的灰色路径。

📌 从 SEO 到 GEO: 新需求催生新生意

GEO 通常被理解为“生成式引擎优化”,目标是让品牌在豆包、DeepSeek、Kimi、通义千问等 AI 问答或 AI 搜索场景中获得更高曝光。当消费者不再只看搜索结果页, 而是直接相信 AI 给出的推荐名单, 品牌方自然希望自己能被模型“看见”。

问题在于,部分服务商把这件事简单理解成“让网络上出现更多关于客户的正面内容”。调查中提到, 一些从业者的基本打法就是围绕客户批量生成稿件, 再分发到各类可被抓取的平台, 试图提高 AI 引用概率。

🔍 核心乱象: 虚构数据被包装成可信内容

调查材料显示,某些 GEO 稿件会使用难以核验的用户规模、奖项、检测结果、行业排名等表述。例如“服务数百万用户”“获得某协会奖项”“使用后改善率达到某一比例”等内容, 可能并没有公开出处, 甚至相关机构本身也难以查证。

也就是说,当虚假或夸大的内容被大量铺开, 模型可能会把它们当作“已有资料”纳入回答。对用户而言,AI 给出的推荐看似客观, 背后却可能只是被密集投喂后的结果。

💡 自动发稿机放大了信息污染

更值得警惕的是,内容生产已经出现工业化特征。调查中提到, 一些团队借助大模型接口生成文章, 再通过自动化工具分发到多个平台; 在高峰情况下, 单日发稿量可达到上千篇。

• 内容真实性下降:数据、资质、案例可能被随意“丰富”。
• 平台生态受损:大量相似稿件挤占正常内容空间。
• AI 回答被干扰:模型更容易接触到重复且带有倾向性的材料。
• 品牌反噬风险增加:一旦虚假宣传被追溯, 客户也可能承担信任损失。

📊 旧 SEO 方法换壳, 未必适用于 AI 搜索

但 AI 搜索与传统搜索并不完全相同。不同 AI 产品调用的搜索源、生态数据和生成机制存在差异, 单纯依赖传统 SEO 思路, 并不能保证进入 AI 答案。更何况, 如果优化建立在虚构信息之上, 短期可能获得曝光, 长期却会侵蚀品牌可信度。

🚀 行业观察:GEO 不是问题, 造假才是问题

品牌需要适应 AI 入口,这是确定趋势。未来, 企业官网、权威资料页、真实测评、媒体报道、用户口碑和结构化信息, 都可能成为 AI 理解品牌的重要依据。合理的 GEO 应当帮助品牌把真实信息表达清楚, 而不是制造不存在的荣誉和数据。

• 是否要求提供真实可核验的产品、资质和案例材料;
• 是否承诺不使用虚假数据、虚构机构和夸大功效;
• 是否把效果建立在内容质量与信息结构上, 而非单纯发稿数量。