作者：空手 來源：空手

全文約6400字，閱讀約15分鐘，好文值得慢慢品讀。

互聯網帶來信息大爆炸，AI和算法則進一步改變了人類獲取信息的方式。縱觀廣告營銷史上的每一次巨變，幾乎都是由信息革命帶來。

品牌營銷的目標，說到底無非是實現產品和消費者之間和高效連接。要想實現這種連接，一則是需要媒介傳遞產品信息，讓消費者認識、認知并認同品牌；一則是需要渠道鋪貨銷售，方便消費者進行購買。隨著時代的發展，信息傳播正變得比渠道觸達越發重要。

美國西北大學教授、整合營銷傳播之父唐·舒爾茨（Don E. Schultz），就非常強調整合“信息流”的重要。他極力主張消費者溝通就是營銷的全部，認為“存在于消費者頭腦中的信息才是真正的營銷價值所在，因為所有其他的營銷變量，如產品設計、定價、渠道、推廣都能被競爭對手模仿或復制，信息傳播才是企業組織唯一的持續競爭優勢。”[1]

但是，我們現在一天獲取的信息量就相當于莎士比亞時代人一生獲取的信息量，面對海量的信息和用戶，一個根本性課題出現了——如何更高效地連接人和信息？如何幫助特定用戶快速、精準找到他感興趣的信息？

PC時代，信息分發的主流模式是門戶網站和搜索引擎。

門戶網站通過網站編輯的篩選，對信息進行分門別類、整理排序然后推送給用戶；搜索引擎則要靠用戶依據關鍵詞，主動搜尋信息。

到了移動時代，社交網絡和推薦算法成為主流模式。

社交網絡是指用戶通過關注好友、訂閱博主賬號的方式來獲取信息，再通過好友推薦、轉發等行為獲取更多信息；

推薦算法則是指系統通過智能化方式主動發掘用戶興趣，并基于此進行信息推送。算法的出現，帶來了人和信息連接效率的大幅提升，成為各大社交平臺的主流，由此也將帶來品牌營銷的新一輪變革。

為什么貼標簽對品牌意義非凡？首先，標簽是算法的基礎，是大數據時代的基建。

一開始，推薦算法的基本原理是“標簽機制”。算法的一端是人，另一端是信息（內容、商品、其他人），常用算法會尋找人的相似性、內容物的相似性，給每個用戶和每一信息都打上標簽，然后通過數據運算，把擁有相應標簽的信息推送給擁有對應屬性的人。

標簽匹配的人和信息會在系統的推薦下相遇，這就是算法。通俗一點來說，這就是“物以類聚，人以群分”。

隨著機器學習技術的發展，算法也在快速迭代和變化。現在，算法已經可以做到無需理解內容類型或現實語義，就能直接預測用戶行為，即預測用戶對信息的興趣和喜好。

2025年3月30日、4月2日，抖音和視頻號分別公布了自己的短視頻算法機制。抖音主

要基于對用戶觀看內容這一行為的學習，通過神經網絡計算，從而預估用戶接下來的行為動作；視頻號則更強調社交關系鏈的作用，基于好友推薦來篩選優質內容、豐富用戶的信息來源[2]。

但是，為了提高算法的效率，并打破“信息繭房”，標簽依然重要。

一般來說，一條視頻內容從海量信息中被選中推送給用戶，要經過內容池、召回和排序三個環節。首先，一條新發布的視頻要經過初步評估進入內容池；接下來進入召回環節，召回是為了從內容池的海量內容中（百萬量級），快速粗篩出來用戶可能感興趣的候選視頻集（變成幾百量級）。

最后來到排序環節，算法會針對每個特定用戶對候選視頻進行打分，將得分最高的視頻推送給該用戶（即被用戶點贊、評論、分享、關注等目標行為行為概率最大）。排序環節會做分鐘級實時更新，從而更精準預判用戶行為。

由于召回環節需要處理的數據量很大，為了提高運算速度并提高召回率，目前業界通常會采用較為簡單的算法模型，并采用多個簡單算法相疊加的“多路召回策略”，常見如協同過濾、興趣標簽、熱門新聞、最近流行、朋友喜好等，從而推送更多不同類型的視頻給用戶，引導算法打破信息繭房[3]。

而排序環節要算理的內容物較少，這時就可以使用較為復雜的排序模型，以得到精確的排序結果。

以抖音最常用的“雙塔召回模型”（Two-Tower Retrieval Model）為例。雙塔是由用戶塔和內容塔組成，用戶塔學習用戶的興趣偏好，形成用戶特征；內容塔梳理視頻內容信息進行特征提取，形成內容特征，這兩座塔就是在給用戶和內容打上獨特的“數字標簽”[4]。

然后，在深度學習模型中，它們會依據不同內容與用戶之間的距離被編碼成數字空間里的一個個點（向量），這個過程即向量化表征學習。算法由此無需再理解視頻內容的現實語義，只須處理純粹的數字集合，即能預測某個用戶對某個內容的行為。

算法要想完美運作，推薦模型很重要，但它不是算法的全部，推薦系統召回層的策略也很重要，還有一個非常重要的就是推薦模型如何選取并處理用戶和信息的特征，這就是推薦系統的特征工程。

特征就是標簽，其實質是對用戶獲取信息這一過程中相關信息的抽象表達。對于推薦算法來說，用戶的瀏覽歷史、點贊、評等行為數據，用戶的人口統計特征（性別、年齡、收入、城市等），用戶的興趣愛好，用戶的關系數據，以及視頻內容的類型、情緒、具體要素、標題等信息，都需要進行抽象提取，將其轉換成數字標簽，供推薦系統使用。

除了內容物和用戶的標簽以外，特征工程還需要關注用戶行為產生的背景信息，也就是行為發生的具體場景。比如說一個用戶傾向于在上班路上看學習題材內容，下班路上看娛樂類型視頻，午休時在辦公室看看喜劇綜藝，深夜在家看驚悚懸疑劇，這個背景信息對于算法推薦也很重要。

現如今，推薦模型和特征工程越來越趨向于一體化，特征工程本身就是模型的一部分。這些標簽保留了內容和用戶的關鍵特征，摒棄了冗余信息。這些數字標簽的存

在，才更有利于算法的工作。

隨著AI的迅猛發展，越來越多的消費者開始使用AI進行提問、搜索產品，針對AI大模型開展種草和SEO服務正在成為新商業業態。在這一生態下，貼標簽對于品牌營銷正變得愈發重要。這是我想強調的第二點。

眾所周知，消費者在購物之前總要搜集信息，以輔助購買決策，如了解產品功能賣點和基本原理，搜集市場上主要品牌的資料與行情，對比不同品牌產品的性能參數、用戶口碑、性價比等。這件事幾乎人人都要做，尤其是那些價格昂貴、技術復雜的產品，更是會耗費大量時間精力。

從搜集資料、篩選品牌到權衡對比、最終做出決定，這整個決策過程耗時耗力，對消費者來說決策成本極高。

所以，人工智能之父、經濟組合決策管理大師赫伯特·西蒙（Herbert Simon）提出了“有限理性說”和“決策理論”，并因此獲得了1978年諾貝爾經濟學獎。

西蒙認為，要想獲得最優的購買結果，消費者必須詳細研究市面上的所有品牌所有產品，大量搜集并深入分析相關信息。考慮到為此要付出的成本，“滿意即可”才是最理解的購物選擇。

（赫伯特·西蒙）

但是AI的出現，則可以為消費者解決這一困境。在購物之前我們完全可以去問AI，讓AI幫助我們搜集信息、對比產品，甚至直接告訴我們答案。

AI能在極短時間內處理大量數據，進行復雜計算，全面、系統、深刻地分析一件事、一個產品，卻一點也不費我們的事。特別是像汽車、家電、手機、電腦等標準化程度

較高的產品，尤為適合AI來對比性能參數，幫助我們做出最佳購買決策。

另一位諾獎獲得者、以色列裔美國認知心理學家丹尼爾·卡尼曼（Daniel Kahneman）提到，消費者進行決策的基礎是我們大腦中的兩個認知系統：

系統1快思考，是以直覺為主導，自動、快速幫我們做出判斷，以應付日常生活中的簡單任務；

系統2慢思考，則以理性為核心，需要投入時間精力去深度分析，以做出理智的判斷。

（丹尼爾·卡尼曼）

系統1是低能耗的思維活動，但并不靠譜，容易出現認知偏差。當我們遇到復雜問題，系統1的運行遇到阻礙時，系統2才會被激活。系統2很理性，但是運行較為緩慢，且認知消耗較大。系統1和2各有優缺點，而AI卻能結合系統1和2的優點，幫助我們做決策時，既好，又快，還完全不費事。

因此，暢銷書《終極算法》作者、華盛頓大學計算機科學與工程學教授、國際機器學習協會聯合創始人佩德羅·多明戈斯（Pedro Domingos）說了一句名言：“AI是你的系統3”(AI is your System 3)。AI能夠極大地擴展人類的認知能力，并降低我們的決策成本。

（佩德羅·多明戈斯）

越來越多的消費者開始用AI給自己推薦產品，并逐漸依賴AI幫自己做出購買決策。波士頓咨詢集團的一項研究表現，大約28%的消費者經常使用AI大模型來給自己推薦化妝品等[5]。

2025年1月，小紅書推出了一個AI搜索工具“點點”，它參考小紅書上上億人的真實生活經驗和購物心得，給用戶生成涵蓋衣食住行、吃喝玩樂的各種生活答案。

比如你到了一個新的城市，可以直接問“點點”周邊有什么好吃的、好逛的、好玩的，讓它給你推薦餐廳、景點和City Walk路線。你想買什么東西，可以直接讓“點點”來推薦。

我最近剛買了一副運動耳機，買前就是問得“點點”，我告訴它我的需求、使用場景和預算范圍，還有我正在考慮的幾款產品，然后讓“點點”給我對比其產品參數和各自的優缺點，并直接推薦一款。而最終，我買的就是“點點”推薦的那一款。

“AI搜索”遲早會成為人們獲取信息的主流途徑，購買決策的重要工具，這只是一個時間問題。而企業主早晚會意識到，我們正處在一個“AI種草”的新局面，每個品牌都要想辦法去贏得AI的“好感度”——AI如何評價我們的品牌？AI是否會推薦我們？

作為一名營銷人，如果你不關注這個問題，那么你就等著老板拿著DeepSeek的結果來質詢你吧——為什么AI沒有提到我們的品牌？或者說提到的描述點不對。

DeepSeek大火之際，2025年2月，有人問它“上海最好吃的日本拉面”是哪家，在DeepSeek推薦的日式拉面店中，“寸屋拉面”被排在了第1位。嗅到商機的寸屋拉面，于是直接將這一回答打印成海報放在店門口，宣揚自己是被DeepSeek“官方認證”的餐廳[6]。

這種廣告形式或許只是一時浪花，但它足以說明AI生成內容是具備商業價值的，足以影響用戶購買行為。隨著消費者找AI推薦產品和企業用AI進行宣傳的行為一發不可收拾，營銷的格局和玩法終將發生變化。

至少，一種新的營銷行為已經誕生，那就是當消費者問AI時，如何讓AI推薦我的品牌，說我家產品的“好話”。這叫做GEO。

PC互聯網時代，消費者通過Google、百度等搜索引擎了解產品信息，為保證企業品牌被消費者前排搜到，企業會針對關鍵詞進行優化，這在營銷上叫做SEO（Search Engine Optimization搜索引擎優化）。

到了AI時代，企業當然也希望自家品牌能出現在AI回答中排名靠前的位置，這就要針對AI的信息檢索和內容生成進行優化。

2024年6月，來自印度理工學院、普林斯頓大學的一些學者和獨立研究者發表論文《GEO: Generative Engine Optimization（生成引擎優化）》，正式提出了GEO的概念、框架及相關實驗設計[7]。

而且，到目前來說的話，國內外都已經出現了針對不同AI大模型進行生成內容優化的營銷技術公司。

GEO當然是可以做到的，因為AI在回答用戶問題時依然需要調用網絡數據。但是GEO的原理自與傳統SEO不同。經典的SEO方法，是在內容中加入更多來自查詢的關鍵詞，通過關鍵詞密度、網頁結構、標題標簽優化，以及PageRank和超鏈接權重等手段影響網頁權重，獲得更高的排名。

但關鍵詞堆砌在GEO中是失效的，因為用戶在使用AI搜索時是使用自然語言提問，因此AI普通采用新的搜索引擎架構，通過混合檢索和重排序的方式為大模型提供相關的、并足夠完備的知識，而且AI會更加注重內容與用戶問題的語義相關性，從而生成更可靠的問答結果。另外不要忘了，AI搜索不光有檢索，還有生成這個步驟。

因此，要想做好GEO的話，企業需要做到兩點：

一是內容庫構建。

因為生成式AI的答案質量高度依賴其訓練數據，而不同大模型引用的網絡信息不同，這就會導致用戶拿同樣的問題去問不同AI，也會得到不一樣的結果。

所以品牌方必須站在一個更加宏觀、整體的視角去看待自己在全網的文本內容，提高自身信源的數量與質量，獲得AI的“信任”，提高被AI調用的權重與概率。

內容庫要做到全面系統、豐富多樣、持續更新，涵蓋BGC、PGC、UGC等。

企業既要做好自身的內容建設，如企業官網、產品參數庫、案例發布、行業白皮書等；

又要做好權威媒體報道、學術論文建設等三方內容，這些結構化數據的內容權重更高；

還要做好用戶內容矩陣，如社媒帖子、用戶評測、打分等。

此外，還要及時跟進新聞報道、最新產品、價格和技術發布等動態內容，便于AI實時爬取。

內容庫還應符合EEAT原則，這是Google算法用于評估網頁內容的四個標準，包括了實際經驗（Experience）、專業性（Expertise）、權威性（Authoritativeness）、可信度（Trustworthiness）等。

符合EEAT原則的內容更容易獲得搜索引擎的高排名，到了AI時代，這一法則依然有效，因為AI也會通過去噪、去重等技術清洗數據，將低質量內容過濾掉，確保內容錄入的準確性與時效性。

二是內容庫中要有更加結構化的標簽建設，確保品牌被正確認知。

生成式AI的原理是基于互聯網上的大規模語言文本，在既定的輸入下去預測下一個最有可能出現的詞進行輸出。因此，品牌建設不僅要打造消費者愛看的內容，還要打造給AI“愛看”的內容。

這就是說，品牌要想辦法在自己所有傳播內容中植入更有清晰、鮮明、一致的標簽，構建自己的品牌話語權，這才有可能影響AI涉及自身的內容生成。

如果自己在全網的傳播內容中，什么方向都有，很容易造成AI大模型的混淆和誤判。

比如有一個蘇格蘭威士忌品牌Ballantine，主要面向大眾市場進行銷售，但是Meta 的AI大模型Llama卻將其歸類為頂級高端品牌。為此Ballantine的品牌代理商專門為其制作了大量突出平民化特質的內容，以期通過社交平臺重塑AI認識[8]。

所以在GEO的時代，企業內容營銷不能僅靠關鍵詞，而是要轉向內容庫建設，并在不同的內容中打造統一的品牌標簽，想辦法去爭奪AI大模型的“好感度”和“認知優先權”。

說到底，不管是對于人腦還是電腦來說，處理信息的過程都是一個從具體內容抽象出關鍵特征，提煉標簽的過程。標簽提取是人類認知信息的本質，也是人類大腦的工作原理。

我們對外在世界的認知，并不是像攝像頭一樣原樣照搬。當我們看到一樣事物，大腦就會對接收到的客觀信息進行處理，先是分解，然后抽象提純，最后簡化出來關鍵特征。我們選擇簡單的信息去記憶這個復雜的世界，這就是人類在過去幾百萬年間進化出來的生存之道。

外部世界復雜多變，海量信息包羅萬象，我們必須迅速從中提取關鍵以做出判斷，這對人類的生存繁衍至關重要。而且大腦還是人類消耗能量最多的器官之一，所以大腦也會偷懶，追求簡化刻在人類的骨子里。

而我們簡化的工具就是貼標簽，貼標簽是人類認知事物的方式和習慣性動作。

比如當我們認識一個新朋友時，我們可能會被告知一大堆信息，比如姓名、職業和職位、履歷、興趣愛好等，我們還會主動獲得很多信息，比如性別、大致年齡、身高、長相、著裝風格等。

其實我們很難一下子記住這么多信息，能記住的往往是這個人身上的某個重要標簽，比如學霸、富婆、奶爸、大咖、貓奴、E人、J人、00后、非主流、顯眼包、二代、中年油膩、花心射手、大廠996、985、海歸、鉆石王老五等等。這些標簽都是我們基于這個人的特征提取而來，它們構成了我們對一個人的“第一印象”。

因為很多標簽往往帶有某種感情色彩和價值判斷，所以當我們給其他人和物貼標簽時，也反映了我們自身的好惡和立場。反過來，標簽也會在潛意識之中影響我們的認知，隱型站隊。比如在一些社會事件中，當事人被冠以“寶馬男”“路虎女”等稱謂，僅僅是這樣一個詞 語就能深深地改變我們的認知，影響我們對這個人的看法。

因此，在日常生活中我們必須意識到要避免被標簽左右自己的判斷，但在品牌營銷中，我們也應該認識到標簽對于影響消費者觀念的重要作用。

參考資料

[1] 唐·舒爾茨 海蒂·舒爾茨《整合營銷傳播》，清華大學出版社，2013-6；

[2] 《一圖讀懂視頻號算法推薦》，來源：微信公眾號“微信珊瑚安全”，2025-04-02；

[3] 王喆《深度學習推薦系統》，電子工業出版社，2020-03-01；

[4] 《從零開始了解推薦系統》，來源：抖音安全與信任中心，https://95152.douyin.com/article/15358；

[5] 《沒想到，我輕松干預了 DeepSeek 的搜索結果》，來源：微信公眾號“極客公園”，作者：蘇子華，2025-02-27；

[6] 《用DeepSeek打廣告，比大眾點評還好用？》，來源：微信公眾號“4A廣告門”，作者：廣告測量員K，2025-02-27；

[7] 《老板沉迷DeepSeek的背后，藏著一個真需求》，來源：微信公眾號“甲子光年”，作者：王博，2025-02-24；

[8] 《為什么品牌商開始爭奪AI的“好感度”？》，來源：微信公眾號“麻省理工科技評論APP”，作者：Lee、Mulligan，2025-02-20；

THE END.