ChatGPT在搜索前就”内定”了推荐品牌：33倍差距揭示GEO的真正战场

2026年8月14日，Search Engine Journal发表了一篇可能重塑GEO行业认知的研究报告。研究者Suganthan Mohanadasan分析了60段ChatGPT对话记录，发现了一个令所有品牌营销人不安的事实：ChatGPT在执行网页搜索之前，就已经在自己生成的搜索查询中写入了品牌名称。被写入查询的品牌，最终出现在答案中的概率为68.9%；而仅被抓取但从未被点名的品牌，这个概率只有2.1%。两者相差33倍。

一、ChatGPT的”候选名单”从何而来

研究者让ChatGPT回答”best AI note taking app 2026″，用户输入中没有任何品牌名。但在抓取任何网页之前，ChatGPT自行构造的搜索字符串是：

“best AI note taking apps 2026 official pricing features Granola Notion AI Otter Fireflies Fathom Mem Limitless”

七个品牌名，全部来自模型自身，而非搜索结果。随后ChatGPT逐一执行了针对这些品牌官网的定向搜索（site:granola.ai、site:otter.ai等），整个过程不是在寻找候选者，而是在验证一张已经存在的名单。

为排除”先搜到再写入”的可能，研究者对27段对话的首条用户消息和首条搜索查询按时间排序——在结果返回之前，21段对话的首条查询已包含用户从未输入的品牌名。覆盖13个品类的测试中，11个品类出现了同样的现象，从语言学习App到扫地机器人，从会计软件到电动SUV，无一例外。

二、33倍差距的真正含义

研究者将品牌分为两组进行统计：被ChatGPT写入自身查询的119个品牌样本，和仅在搜索过程中被抓取但从未被点名的515个品牌样本。结果如下：

• 写入查询组：68.9%最终出现在答案中
• 仅被抓取组：2.1%最终出现在答案中
• 差距：约33倍

更值得关注的是，在86个案例中，品牌获得了推荐，但其网站在整段对话中从未被抓取过。这意味着品牌提及不需要爬取，模型可以直接基于训练数据中的认知完成推荐。

这组数据对当前GEO行业的冲击是直接的：市面上大量被包装为”GEO”的服务，本质上做的是检索层优化——让网页更容易被AI爬虫抓取、让结构化数据更完整。这些工作对应的是2.1%那一列。而68.9%那一列的胜负，在任何检索发生之前就已经决定了。

三、进入名单之后，还有第二道筛选

如果说进入ChatGPT的查询名单是”入场券”，那么拿到引用才是”胜出”。研究者基于57段对话构建了标注数据集，涵盖3554个被检索页面，其中仅110个获得引用，引用率3.1%。ChatGPT平均阅读约600个页面来撰写一个答案，最终引用约30个。

三个因素决定了谁能从3.1%中脱颖而出：

位置是硬指标。 ChatGPT按域名分组结果，页面在组内的排名几乎决定了一切：组内第1位引用率5.2%，第2位4.6%，第3位降至2.4%，第6位及以后仅0.3%。排在前两位之外，被引用的概率已接近四舍五入误差。

同一域名堆砌页面反而有害。 当一个域名在同一组中出现5个页面时，单页引用率降至1.9%；6个及以上页面时为1.7%。两个高度匹配的页面是最佳状态，超过6个页面就是在和自己竞争。

相关性是入场资格而非选择标准。 获得引用的页面在文本匹配度上位于候选池的前5%，但仅有20%的情况下它是唯一最佳匹配。这意味着内容需要在相关性达标的基础上，通过清晰的事实陈述、前置的核心论点和可验证的数据来赢得引用。

四、复旦C-B-A指数：从学术层面验证同一结论

2026年8月10日，复旦大学传播与国家治理研究中心发布《AI时代品牌健康度与管理创新报告》，基于全球200个品牌样本验证，首次提出AI品牌健康度指数（AI-BHI）及C-B-A三层架构：

• C层（资产健康度），权重2：衡量企业公开数字资产的完整性、一致性与可验证性
• B层（机制健康度），权重3：评估内容结构与AI信息处理逻辑的适配度
• A层（表现健康度），权重5：考核品牌在AI终端的实际呈现效果

复旦团队的回归分析证实，C、B、A三层之间存在自下而上的严格因果传导关系——下层质量直接约束上层表现的提升空间。张志安教授将其概括为：”下层是上层的天花板，没有准确输入就没有正确输出。”

这与SEJ研究的发现形成了跨洋呼应。C层和B层的建设——数字资产的完整性、内容结构与AI逻辑的适配度——决定了品牌能否进入ChatGPT的候选名单（68.9%那一列）；A层的表现——在AI终端的实际呈现——则对应了第二道筛选（3.1%的引用率）。跳过C层和B层直接做A层优化，等于在地基不稳的地面上装修。

五、942亿市场背后的认知差

IDC数据显示，2026年中国GEO市场规模预计达到942亿元，同比增长169.7%；全球市场规模约220亿美元，年复合增长率122%。CNNIC数据显示中国生成式AI用户规模已突破5.5亿，67%的企业营销负责人已将”AI可见度”列为年度KPI。

但市场的高速增长与企业的认知准备之间存在显著落差。SEJ研究揭示的核心矛盾是：大多数GEO投入集中在技术检索层（对应2.1%的概率），而决定品牌能否被AI”内定”的认知资产层（对应68.9%的概率）——即被广泛报道、评测、对比和列入榜单——却往往被归为”品牌公关”的传统预算，与GEO预算割裂管理。

研究者建议品牌做一个简单测试：在ChatGPT中连续五次提问你所在品类的”最佳”问题，记录每次查询中出现的品牌名。五次都出现的，是ChatGPT认知中你的真正竞品；时有时无的，是可争夺的中间地带；如果你的品牌从未出现，答案已经很明确——这不是技术问题。

六、给品牌的两条行动线

第一条线：进入品类词汇表。 如果ChatGPT没有将你的品牌与品类建立关联，Schema标记、页面速度、llms.txt文件都无法解决问题。建立这种关联的方式是缓慢而扎实的：在开放网络上被报道、被评测、被对比、被讨论，直到这种关联存在于训练数据中。数字PR、品类定义内容、评测平台占位、分析师覆盖、买家阅读的榜单——这些不是GEO的辅助手段，而是GEO的主战场。

第二条线：赢得引用。 一旦进入名单，技术优化才有意义。每个搜索意图对应一个高度匹配的页面，核心论点前置，事实和数据以纯HTML文本呈现，避免大量近似页面互相竞争。复旦指数中B层的内容结构适配度，解决的正是这一层的问题。

GEO不是SEO的换皮，它是两场完全不同的博弈。第一场博弈发生在模型的参数里，决定你是否存在；第二场博弈发生在检索结果的排序里，决定你是否被引用。用第二场的战术打第一场的战争，是当前行业最大的资源错配。

---

凤扬AI~企业AI品牌可见度研究员编写