詳解「真·GEO」：本質(zhì)、實(shí)現(xiàn)路徑、歸因邏輯｜對話Pallas AI

深響持續(xù)關(guān)注AI營銷：

GEO亂象｜廣告4A的AI躍進(jìn)｜詳解千問豆包元寶的營銷長跑｜AI營銷的陰暗面 ｜戛納AI大討論｜AI TVC｜百度AI營銷｜優(yōu)酷AI營銷 ｜ 快手AI營銷｜阿里媽媽AI落地｜微軟AI營銷｜專訪X（Twitter）｜專訪鈦動

??深響原創(chuàng) · 作者｜劉亞瀾

AI營銷正經(jīng)歷冰火兩重天。

一邊是“養(yǎng)龍蝦”不斷破圈，A2A（Agent to Agent）營銷走上舞臺；另一邊則是警鐘敲響，央視315曝光GEO亂象，惡意“投毒”AI大模型，干擾AI的判斷，使其輸出帶有商業(yè)傾向甚至虛假的信息。顯然，在真實(shí)的AI營銷和大眾認(rèn)知甚至行業(yè)認(rèn)知之間存在著巨大的信息差。

最近，我們訪談到Pallas AI創(chuàng)始人Ethan，他在阿里有10年算法經(jīng)驗(yàn)，也是前螞蟻Ling大模型首席架構(gòu)師，其創(chuàng)立的Pallas AI是市場上首款提供標(biāo)準(zhǔn)化產(chǎn)品的 GEO AI Agent，并已獲得兩筆投資，累計融資超千萬人民幣。

“你想投毒會變得越來越困難。如果AI能在秒級閱讀幾千篇文章，你需要投多少稿件才能影響它的判斷？AI會越來越聰明，所以這種惡意競爭的商業(yè)模式無法成立。”Ethan告訴「深響」：“在 AI 時代，惡意競爭的性價比極低。企業(yè)唯一能做的就是踏踏實(shí)實(shí)地做好自己的事情。”

圍繞GEO與AI營銷，我們核心討論了以下關(guān)鍵問題：

• GEO與SEO的核心區(qū)別、GEO的實(shí)現(xiàn)路徑、GEO的歸因邏輯
• “全民養(yǎng)蝦”對品牌意味著哪些機(jī)會？A2A營銷又是什么？
• 直面AI營銷的種種挑戰(zhàn)，廣告主可以做哪些準(zhǔn)備？

GEO的誤區(qū)思考：什么才是真正的GEO？

雖然現(xiàn)在GEO被黑灰產(chǎn)搞得污名化，但Ethan并沒有回避這個詞。他希望客戶和行業(yè)能由此真正思考到底什么是GEO。

他認(rèn)為，GEO并不是在AI里排名和露出的問題，而是如何讓AI理解你。GEO是幫助企業(yè)在內(nèi)容輸出端，專門面向 AI 再做一次營銷，把企業(yè)的內(nèi)容，用 AI 能聽懂、能深度理解的邏輯重新整合一遍，確保 AI 獲取到足夠完整、準(zhǔn)確的信息，進(jìn)而向用戶做出有效推薦。

“大家對GEO最大的誤解是混淆了GEO和SEO。兩者的核心區(qū)別不在于優(yōu)化的平臺，而在于指標(biāo)衡量方式。大家還是會把可見性、排名、首推率、推薦率這些當(dāng)成重要指標(biāo)。但GEO 真正的最終指標(biāo)可能是多樣性覆蓋率（Diversity Coverage）以及轉(zhuǎn)化效果。”

在 SEO 時代，排名第一還是第五是決定生死的“最終指標(biāo)”。但在 GEO 時代，用戶 Prompt（提問）是極度個性化且長尾的，平均長度達(dá)到 23-27 個詞，這意味著以前那種“守住幾個核心關(guān)鍵詞”的邏輯徹底失效了。AI 時代沒有所謂的“熱門 Prompt”，企業(yè)需要關(guān)注的是：在無數(shù)個長尾、碎片化的用戶意圖場景下，你的品牌是否都能通過真實(shí)的“證據(jù)”出現(xiàn)在 AI 的答案里——這也就是多樣性覆蓋。

Pallas AI營銷圖譜示意

目前的GEO行業(yè)，大致有兩種路線，一種是“博弈”，研究模型的偏好，試圖“黑”進(jìn)推薦算法，找到AI的推薦規(guī)律；另一種則是 Pallas AI堅(jiān)持的“共建”。

找規(guī)律的方法在短期內(nèi)可能見效，但壁壘極低。隨著模型智能度的飛速提升，尤其是上下文（Context）窗口突破千萬級甚至上億級別時，AI 能夠拉回全行業(yè)的所有信息，所謂的“排名規(guī)則”將不復(fù)存在。Ethan認(rèn)為，GEO 不應(yīng)是去“黑”模型的偏好，而是通過補(bǔ)齊內(nèi)容的“供給差異”，與模型實(shí)現(xiàn)共建。

“模型為什么要搜索？是為了找到更實(shí)時、準(zhǔn)確的信息來提升回復(fù)質(zhì)量。這可能才是模型最本質(zhì)、第一性需要的東西。”Ethan告訴「深響」：“那我們就要找到內(nèi)容的供給差異（Gap），實(shí)時補(bǔ)充企業(yè)迭代的信息，提升模型回復(fù)的準(zhǔn)確性。”

具體而言，Pallas AI通過五個基本步驟來實(shí)現(xiàn)：

• 背景調(diào)查：明確營銷實(shí)體是品牌還是產(chǎn)品線還是單一產(chǎn)品，并通過Agent對行業(yè)、競品、用戶畫像做深度研究；
• 營銷定向：為企業(yè)建立圖譜，找準(zhǔn)用戶、場景、意圖；
• 分析監(jiān)控：明確定向范圍后初步執(zhí)行，并觸發(fā)監(jiān)控從而獲取數(shù)據(jù)反饋；
• 生成策略：基于數(shù)據(jù)發(fā)現(xiàn)優(yōu)化機(jī)會點(diǎn)，包括內(nèi)容缺口，信息缺失點(diǎn)等；
• 內(nèi)容生成：結(jié)合機(jī)會點(diǎn)需求，圍繞客戶背景調(diào)查及知識庫和全網(wǎng)評測信息來生成大綱、尋找證據(jù)（Evidence）并進(jìn)行真實(shí)性校驗(yàn)，最后發(fā)布并完成閉環(huán)。

以上的流程，是一個完整的GEO周期。這也是所謂“野生服務(wù)商”很難具備的系統(tǒng)性能力。它們看上去復(fù)雜，但在Pallas AI中，基本一天內(nèi)就可以完成。

AI營銷的FOMO與真·浪潮

其實(shí)現(xiàn)在AI營銷的痛點(diǎn)并非技術(shù)，而是使用者的畏難情緒和彌漫在行業(yè)里的焦慮感。

就拿最近火熱的“全民養(yǎng)蝦”來說，從初創(chuàng)團(tuán)隊(duì)到大廠高管，似乎人人都在“養(yǎng)蝦”，這種熱潮迅速演變成了一種新型的 FOMO（Fear of Missing Out錯失恐懼）：如果我還沒弄明白龍蝦是什么，是不是就要被 AI 時代拋棄了？如果我的品牌還沒做AI營銷，是不是就要錯過下一個抖音、下一個小紅書了？

在Ethan看來，這種情緒需要降溫。他建議廣告主關(guān)注龍蝦的普及率：“當(dāng)前養(yǎng)龍蝦的還是AI圈、互聯(lián)網(wǎng)圈，沒有「全民」，雖然范圍在一點(diǎn)點(diǎn)地擴(kuò)大，但這還是一個逐漸滲透的過程。這個速度對比2023年底ChatGPT達(dá)到1億DAU，我覺得還是差很遠(yuǎn)的。”

但不焦慮的同時，我們也需要弄清背后的營銷趨勢。“龍蝦未必只是它表現(xiàn)出來的樣子，它實(shí)際上是用戶交互的入口。”Ethan指出，當(dāng)交互入口從 ChatGPT、豆包等公共平臺轉(zhuǎn)移到用戶“自己的龍蝦”上時，流量的分發(fā)權(quán)也隨之位移。因?yàn)椤白约旱凝埼r”擁有用戶更多的私有上下文（Context），用戶對它的信任度遠(yuǎn)超通用大模型。

對于廣告主而言，這種趨勢背后的商業(yè)邏輯確實(shí)不同以往。落到具體的營銷范式上，這就是A2A營銷的前奏。

在去年年底，A2A 聽起來還很遙遠(yuǎn)，但隨著個人與企業(yè)間協(xié)議層的實(shí)驗(yàn)展開，這種形態(tài)正在加速落地。想象一個場景：你需要買一條 1 米 93 的人穿的長褲。在傳統(tǒng)電商時代，你需要反復(fù)搜索、比價、看評論；但在 A2A 時代，你的 Agent 會直接帶著需求去詢問多家品牌方的 Agent。

由此，歸因的邏輯也會不一樣：過去，人是第一行動者，點(diǎn)擊、瀏覽、下單，構(gòu)成了一條完整的用戶行為歸因路徑。這條路線定義了搜索、推薦系統(tǒng)時代的商業(yè)模式；而在AI的語境下，AI 是內(nèi)容的第一閱讀者和決策參與者。未來 AI 會幫用戶比價、詢價，甚至通過協(xié)議（如 Instant Checkout 或 ACP）直接拉起支付鏈路。當(dāng)訂單是由 AI 調(diào)起時，我們自然也需要一套全新的歸因體系。

多維度歸因

面對這樣的變化趨勢，廣告主可以做的準(zhǔn)備主要是認(rèn)知層面和內(nèi)容層面。認(rèn)知上，保持好奇、保持對AI營銷動態(tài)的關(guān)注，甚至可以進(jìn)行一些實(shí)驗(yàn)；而內(nèi)容上的準(zhǔn)備更緊迫一些——品牌們必須抓緊積累自己的AI內(nèi)容資產(chǎn)，即AI可以看懂的、結(jié)構(gòu)化的內(nèi)容。

Ethan談到在業(yè)務(wù)中發(fā)現(xiàn)很多品牌的內(nèi)容非常零散、沒有任何圖譜結(jié)構(gòu)。“大家的品牌信息、產(chǎn)品信息、用戶信息都分散在各處，還有大量的PDF、PPT、視頻，缺乏結(jié)構(gòu)化整理。而這個數(shù)據(jù)信息的結(jié)構(gòu)化管理便是企業(yè)接下來的核心壁壘之一。你需要從品牌形象到細(xì)分 SKU，再到適配場景和競品優(yōu)劣，建立一套完整的管理體系。”

說嚴(yán)重一點(diǎn)，未來用戶的 Agent（如龍蝦）直接對接企業(yè)的 Agent時，如果數(shù)據(jù)不能從營銷人員的腦子里搬出來，變成 Agent 可讀的持久化數(shù)據(jù)單元，品牌就無法接住未來的 A2A 流量。

更多細(xì)節(jié)思考在「深響」整理后的部分訪談實(shí)錄中：

GEO的誤區(qū)

深響：現(xiàn)在市場上對GEO行業(yè)誤解很多，您覺得最需要澄清的有哪些？

Ethan：最大的誤解還是混淆了GEO和SEO。兩者的核心區(qū)別不在于優(yōu)化的平臺，而在于指標(biāo)衡量方式。大家還是會把可見性、排名、首推率、推薦率這些當(dāng)成重要指標(biāo)。

在 SEO 時代，排名第一還是第五是“最終指標(biāo)”；但在 GEO 時代，排名只是一個非常“中間的指標(biāo)”。它只能證明 AI 能夠理解并曝光你的產(chǎn)品，但遠(yuǎn)沒有結(jié)束。

深響：如果排名不是最終指標(biāo)，那 GEO 真正的最終指標(biāo)是什么？

Ethan：我認(rèn)為可能是多樣性覆蓋率（Diversity Coverage）以及轉(zhuǎn)化歸因。

在搜索引擎時代，其實(shí)大部分企業(yè)不需要做太多關(guān)鍵詞，只要圍繞搜索量級跟搜索熱度，把核心關(guān)鍵詞或者說用戶關(guān)注的一些關(guān)鍵詞做好就可以了。而且你可以比較單次、獨(dú)立地拿出這些信息，這些也能投SEM。

但在 AI 時代，用戶 Prompt 是極度個性化且長尾的（平均 23-27 個詞），不存在所謂的“熱門 Prompt”。因此，企業(yè)需要關(guān)注：面向AI營銷的時候，你的覆蓋率是否在持續(xù)提升？你是否挖掘到了用戶潛在的真實(shí)意圖？你通過什么樣的證據(jù)在補(bǔ)充用戶意圖？我們買的不是一個可見性，而是 AI 渠道帶來的實(shí)際營收效果。

這很大程度上也是引導(dǎo)市場的一個過程。AI平臺已經(jīng)在做很多事情了，比如商品卡，千問幫我買、豆包的商品鏈接，這些東西都在嘗試提升用戶的效率。那對于GEO廠商，其實(shí)應(yīng)該把這些事情聯(lián)動起來給企業(yè)出一些歸因方式，讓企業(yè)看到自己在GEO上的投入是否帶來了營收效果。

深響：但畢竟廣告主也需要匯報，我們看到挺多用截圖去當(dāng)結(jié)案的。現(xiàn)在的 GEO 歸因進(jìn)展如何？

Ethan：我們的進(jìn)展是，Agent 已經(jīng)能監(jiān)測到商品維度的曝光信息，并匯總到店鋪層面，通過連接銷量數(shù)據(jù)來觀察相關(guān)性。

AI營銷歸因現(xiàn)在還不完整主要挑戰(zhàn)在于行為主體的改變：

傳統(tǒng)時代： 人是第一行動者，點(diǎn)擊、瀏覽、下單，構(gòu)成了一條完整的用戶行為歸因路徑。這條路線定義了搜索、推薦系統(tǒng)時代的商業(yè)模式，我覺得是非常合理的。

AI 時代： AI 是內(nèi)容的第一閱讀者和決策參與者。未來 AI 會直接幫用戶比價、詢價，甚至通過協(xié)議（如 Instant Checkout 或 ACP）直接拉起支付鏈路。當(dāng)訂單是由 AI 調(diào)起時，我們需要一套全新的歸因體系。

目前海外有一些比較清晰的路線，比如在海外我們可以連接企業(yè)客戶網(wǎng)站的CDN，包括他們跟AI交互的一些接口信息，我們?nèi)ケO(jiān)聽這些接口是不是被AI調(diào)用了。這種情況下我們可以連接后續(xù)的AI行為去看最終營收與AI的關(guān)聯(lián)度有多大。

深響：為什么很多 GEO 公司選擇從海外市場試水，而不是國內(nèi)？

Ethan：我覺得大家可能有兩個核心關(guān)注點(diǎn)。

1. 標(biāo)準(zhǔn)化：如果大家很關(guān)注海外市場，大概率是希望做標(biāo)準(zhǔn)化產(chǎn)品，而非重人力的服務(wù)方案。
2. 公域體系差異：海外跟國內(nèi)有一個最大的區(qū)別，就是海外的網(wǎng)站體系（Website），或者企業(yè)的公域體系還活得很好。海外擁有成熟的網(wǎng)站體系，企業(yè)在自家官網(wǎng)維護(hù) FAQ 和文章，AI 就能讀取，試錯成本極低。而國內(nèi)幾乎不看網(wǎng)站了，內(nèi)容多散落在各類三方媒體平臺上，企業(yè)需要通過各種中介發(fā)稿，成本和門檻更高。

深響：能否詳細(xì)拆解一個完整的GEO客戶服務(wù)流程，從初始達(dá)成合作到最終效果監(jiān)測與迭代，一個完整的周期是怎樣的？

Ethan：我們將整個流程簡化為五步：

1. 背景調(diào)查：明確營銷實(shí)體（品牌還是具體 SKU），通過 Agent 對行業(yè)、競品、用戶畫像做深度研究Research。
2. 營銷定向（圖譜建立）：給企業(yè)做營銷定向，繪制營銷圖譜。明確優(yōu)化目標(biāo)之后，找到目標(biāo)用戶，理解這些目標(biāo)用戶會在什么場景使用產(chǎn)品、對產(chǎn)品有哪些疑問、產(chǎn)生哪些意圖……我們交付的不是幾個 Prompt，而是幾十條路徑，每條路徑下掛載幾十個示例 Prompt，追求多樣性覆蓋。
3. 分析監(jiān)控：設(shè)定完整的基準(zhǔn)線，讓企業(yè)選擇定向范圍以及目標(biāo)地域、語言，然后去做、去觸發(fā)我們的整個監(jiān)控。觸發(fā)監(jiān)控后，我們可以直接讓企業(yè)在5-10 分鐘后迅速看到第一次數(shù)據(jù)反饋，產(chǎn)出原始回復(fù)明細(xì)和匯總數(shù)據(jù)。你就能看到AI平臺當(dāng)下是怎么反饋問題的、你在平臺的位置如何（可見度、排名、平均位置、好感度、商品卡露出等等）。我們甚至支持企業(yè)客戶自定義所需要的指標(biāo)。
4. 生成策略：基于上一部的真實(shí)數(shù)據(jù)發(fā)現(xiàn)“內(nèi)容機(jī)會點(diǎn)”。比如 AI 在推薦護(hù)眼電視時推錯了型號，策略就是補(bǔ)充該型號護(hù)眼功能的強(qiáng)證據(jù)。
5. 內(nèi)容生成（Agent 協(xié)作）：我們把自己的內(nèi)容變成一個“子 Agent” ，它圍繞客戶背景調(diào)查及知識庫和全網(wǎng)評測信息來生成大綱、尋找證據(jù)（Evidence）并進(jìn)行真實(shí)性校驗(yàn)，最后發(fā)布并完成閉環(huán)。閉環(huán)后我們會把數(shù)據(jù)指標(biāo)細(xì)粒度再對齊，比如這篇內(nèi)容有沒有被AI引用、被AI引用到的情況下產(chǎn)生了什么樣的品牌可見性或者品牌定位的差異性或者效果提升，圍繞這些提升效果我們再怎樣生成策略、持續(xù)推進(jìn)。

這以上的流程，是一個完整周期。基本上一天內(nèi)，是可以完成一個直接閉環(huán)的。當(dāng)然我們的Agent用起來，確實(shí)也有一些學(xué)習(xí)成本，一些營銷人員對Agent還不是很了解，大家可以通過把問題拋給Agent來解決。我們做了很多優(yōu)化，也有一些培訓(xùn)，客戶不用擔(dān)心這些會燒credits。

深響：市場上有些GEO公司主要研究模型偏好、投其所好，你們的思路似乎不太一樣？

Ethan：確實(shí)很多團(tuán)隊(duì)都在看搜索引擎的ranking（排名）是怎么去做的，用過去的思路來看AI模型。我覺得這種思路是“博弈”。博弈在短期內(nèi)會有收益，有結(jié)果，但我非常不看好。

模型智能度正在飛速提升，當(dāng) AI 連復(fù)雜的數(shù)學(xué)公式和長文本都能深度理解時，所謂的理解模型的“內(nèi)容偏好”的差異（比如99 分與 100 分的差距）會變得微乎其微。 搜索引擎時代，SEO去研究排名規(guī)則有用，是因?yàn)橐?guī)則不會頻繁變化。

更重要的是，下一個時代，當(dāng)模型的上下文（Context）突破千萬甚至上億 Token 時，排名（Ranking）將不再重要，你能把這個行業(yè)的全部信息都拉回來。博弈者的壁壘會隨著模型迭代而消解。 這時候你的優(yōu)勢又是什么呢？

我們在思考——模型為什么要搜索？為什么不能直接回復(fù)結(jié)果？因?yàn)樗阉魇菫榱苏业礁鼘?shí)時、更多方、更準(zhǔn)確的信息來提升模型本身回復(fù)的準(zhǔn)確性。這可能才是模型最本質(zhì)、第一性需要的東西。那么我們做GEO怎么去擴(kuò)大模型這方面的優(yōu)勢？

我們的思路是共建：模型搜索是為了獲取更實(shí)時、準(zhǔn)確的信息。那我們就要找到內(nèi)容的“供給差異（Gap）”，實(shí)時補(bǔ)充企業(yè)迭代的信息，提升模型回復(fù)的準(zhǔn)確性。這種生態(tài)共建模式在中長期是可持續(xù)的，因?yàn)槟Ｐ陀肋h(yuǎn)需要這樣的實(shí)時信息去回答用戶源源不斷的個性化的問題。

我們唯一關(guān)注的是渠道偏好，模型在哪些地方能看見內(nèi)容、在哪些地方看不見內(nèi)容，它的渠道偏好對我們來說就是0和1的區(qū)別。

直面AI營銷的挑戰(zhàn)

深響：品牌主現(xiàn)在應(yīng)該如何積累自己的 AI 內(nèi)容資產(chǎn)？

Ethan：這是一個特別好的問題，也是我們發(fā)現(xiàn)的痛點(diǎn)。現(xiàn)在很多企業(yè)客戶，他們的內(nèi)容是非常零散、沒有任何圖譜結(jié)構(gòu)的。大家的品牌信息、產(chǎn)品信息、用戶信息都分散在各處，還有大量的PDF、PPT、視頻，缺乏結(jié)構(gòu)化整理。而這個數(shù)據(jù)信息的結(jié)構(gòu)化管理確實(shí)是企業(yè)接下來的核心壁壘之一。你需要從品牌形象到細(xì)分 SKU，再到適配場景和競品優(yōu)劣，建立一套完整的管理體系。

這個結(jié)構(gòu)其實(shí)以前就有，在營銷人員的腦子里——我的產(chǎn)品線什么樣、行業(yè)線怎么樣、產(chǎn)品直接怎么聯(lián)動、節(jié)點(diǎn)營銷什么組合拳，這些是有的，只是沒有被梳理好。

未來商業(yè)模式會變成：用戶的 Agent（如龍蝦）直接對接企業(yè)的 Agent。如果你的數(shù)據(jù)不能從營銷人員的腦子里搬出來，變成 Agent 可讀的持久化數(shù)據(jù)單元，你就無法接住未來的 A2A 流量。

深響：這是對內(nèi)容結(jié)構(gòu)的要求。那么具體到內(nèi)容本身呢？我們需要讓內(nèi)容更像“論文”來讓AI更容易讀懂嗎？

Ethan：我覺得至少文學(xué)性的語言包括可能偏向于營銷性的語言會減少，但它到底是不是一篇論文，我覺得也沒專業(yè)到那種程度。它的專業(yè)度在于你的信息可信、你是不是有一些引證單元，如果說這個引證單元有“論文”的結(jié)構(gòu)的話，那你確實(shí)是可以保持這樣的結(jié)構(gòu)，讓 AI 更可信一些。

深響：營銷內(nèi)容往往需要夸張（比如“遙遙領(lǐng)先”），這與 AI 要求的真實(shí)性是否沖突？

Ethan： 我們需要把“實(shí)”的論據(jù)（Evidence）與“虛”的調(diào)性（Slogan/Tone）拆分開。 AI 作為一個“新銷售”，你不能只告訴它“遙遙領(lǐng)先”，它理解不了這種調(diào)性。你需要告訴它準(zhǔn)確的參數(shù)和場景適配度，同時明確告知它品牌的價值觀。

在生成內(nèi)容時，我們會區(qū)分“主觀表達(dá)”與“客觀證據(jù)”。如果只是通過簡單的 Prompt 堆砌營銷辭令，那是在制造“垃圾語料”，AI 的判斷力遠(yuǎn)超個體用戶，這種低質(zhì)污染在未來沒有商業(yè)性價比。

深響：如何應(yīng)對競品的 AI 惡意差評或污染？

Ethan： 你想投毒會變得越來越困難。如果AI能在秒級閱讀幾千篇文章，你需要投多少稿件才能影響它的判斷？AI會越來越聰明，所以這種惡意競爭的商業(yè)模式無法成立。

在 AI 時代，黑別人的性價比極低。我們很期待AI時代，大家的博弈手段失效了，以前的很多負(fù)向競爭/惡意競爭失效，這時候企業(yè)唯一能做的就是踏踏實(shí)實(shí)地做好自己的事情。

深響：品牌方該如何判斷 AI 營銷服務(wù)商的水平？

Ethan：很難直接判斷，水平太參差不齊了。我不建議 KA 企業(yè)找外部服務(wù)商做獨(dú)立的 GEO，因?yàn)檫@應(yīng)該是一個內(nèi)部轉(zhuǎn)崗組建團(tuán)隊(duì)、與現(xiàn)有營銷銜接的過程。 對于非 KA 企業(yè)，建議使用標(biāo)準(zhǔn)化的 Agent 工具。服務(wù)商的消耗太高且結(jié)果難量化，容易導(dǎo)致企業(yè)在 FOMO 和“被割韭菜”的挫敗感中死循環(huán)。

現(xiàn)在大家把GEO做為戰(zhàn)略預(yù)算，它的營銷占比當(dāng)前不會太大，但會持續(xù)增加。所以企業(yè)還是先有認(rèn)知，低成本地在這個事情上做積累和探索比較好。

深響：從營銷服務(wù)商轉(zhuǎn)型而來的AI營銷公司會積累了很多過去的營銷數(shù)據(jù)、用戶洞察，他們的Agent會有更多的“經(jīng)驗(yàn)”嗎？

Ethan：營銷公司積累的數(shù)據(jù)大多是營銷行為數(shù)據(jù)。這個數(shù)據(jù)是可以拿來訓(xùn)練的，比如什么情況下操作點(diǎn)擊、曝光，它的競價大概多少，圍繞這些可以做競價bidding模型、操盤手策略。

在Pallas AI當(dāng)前的視角上，我們只做數(shù)據(jù)積累，沒有做任何訓(xùn)練，因?yàn)槲覀冋J(rèn)為我們幫企業(yè)去理解的更多的是企業(yè)的營銷內(nèi)容數(shù)據(jù)，包括用戶的內(nèi)容數(shù)據(jù)。這些數(shù)據(jù)不需要去訓(xùn)練。如果Agent公司宣稱這方面是有壁壘、宣稱自己在訓(xùn)練模型的，通常是面向投資人不得不做的一件事。

你可以這樣想，如果你拿到了部分局部數(shù)據(jù)進(jìn)行訓(xùn)練，而ChatGPT又更新了版本，你覺得誰厲害？當(dāng)前Agent公司從模型的維度去建立壁壘、構(gòu)建閉環(huán)，我覺得是不太存在的。

我們的閉環(huán)在于，客戶在我們這里用GEO時，它的使用效率和反饋效率以及他持續(xù)使用時可能會產(chǎn)生的遷移成本。這是我們應(yīng)用層公司應(yīng)該去考慮的壁壘。

深響：大多數(shù) Agent 平臺賣 Credit（積分），基于 Token 消耗的“計量收費(fèi)”。Pallas AI也是。但大家可能會質(zhì)疑這種模式可能并不希望你的任務(wù)一次性高效完成，因?yàn)椤皬U話越多，積分扣得越快”，讓你不斷地生成、不斷地分發(fā)，消耗大量積分。還有另一種模式是RaaS按結(jié)果付費(fèi)，您怎么看這兩種商業(yè)模式？AI營銷服務(wù)的利潤空間應(yīng)該從何而來？

Ethan：我其實(shí)挺不看好按結(jié)果付費(fèi)的。在目前的狀態(tài)下，所有的按結(jié)果付費(fèi)，它都不是真正的結(jié)果，而是個中間值。或者說，我給客戶畫個餅，告訴他這是結(jié)果，然后按餅付費(fèi)。

我們從性價比角度、客戶真實(shí)的視角來看，我們的商業(yè)模式跟Manus還是高度相似的，我們把它變成一種基礎(chǔ)設(shè)施，就像電力一樣，客戶交的是電費(fèi)。我們希望以高性比的方式融入客戶的企業(yè)。這樣對企業(yè)來講也是有最高ROI的。

從龍蝦到A2A營銷

深響：最近熱度很高的“全民養(yǎng)蝦”對AI營銷有什么影響？

Ethan：“龍蝦”未必只是它表現(xiàn)出來的樣子，它實(shí)際上是用戶交互的入口層。它是“全民私人顧問”在用戶端的具體落地。如果把這種形態(tài)定義為未來趨勢，那么用戶的核心交互場景將從 ChatGPT、豆包等 AI 平臺，轉(zhuǎn)移到“自己的龍蝦”上，用戶會更相信龍蝦，因?yàn)樽约旱凝埼r會擁有自己更多的上下文信息（Context）。

這個時候廣告主的營銷動作或者說入口的曝光方式會變成通過龍蝦對他們產(chǎn)品和品牌的理解，再去給用戶做相應(yīng)的篩選。

深響：Agent to Agent。

Ethan：對，在去年11、12月，我們就在講A2A經(jīng)濟(jì)，但那時候覺得很遠(yuǎn)，尤其是個人到企業(yè)之間的這種A2A，需要很多商業(yè)協(xié)議和規(guī)范才能真正落地。當(dāng)然現(xiàn)在純個人之間的A2A其實(shí)已經(jīng)在交互了，個人與企業(yè)之間的A2A也不會特別遠(yuǎn)了，我們正在做一些跟龍蝦相關(guān)的協(xié)議層的一些實(shí)驗(yàn)。

深響：您覺得廣告主圍繞A2A，現(xiàn)在可以關(guān)注？基于這些關(guān)注點(diǎn)能做些什么？

Ethan：我覺得大家不要過度FOMO。在FOMO情緒下做的選擇大概率是錯的。我建議大家可以關(guān)注龍蝦的普及率，這是一個很重要的指標(biāo)，當(dāng)前養(yǎng)龍蝦的還是AI圈、互聯(lián)網(wǎng)圈，沒有“全民”，雖然范圍在一點(diǎn)點(diǎn)地擴(kuò)大，但這還是一個逐漸滲透的過程。這個速度對比2023年底ChatGPT達(dá)到1億DAU，我覺得還是差很遠(yuǎn)的。

具體來說，廣告主還可以關(guān)注入口遷移的商業(yè)邏輯。為什么龍蝦讓大家很FOMO，因?yàn)榇蠹野l(fā)現(xiàn)這次入口的遷移會真正帶來跟之前很不一樣的商業(yè)邏輯。廣告主現(xiàn)在可以做的是降低自己的FOMO情緒后做一些A2A的實(shí)驗(yàn)去理解這個事情。

深響：最后談?wù)剬?A2A 營銷未來的走向判斷？

Ethan： A2A 是商業(yè)模式提效的最終命題。它能解決用戶極度個性化的需求（比如幫 1 米 93 的我買到合適的長褲子）。目前的難點(diǎn)在于協(xié)議與監(jiān)管（支付、內(nèi)容、法務(wù)協(xié)議）。

我們接下來的形態(tài)可能會直接給企業(yè)建立一個MCP，這個MCP可以跟多個Agent連接起來。我們比較堅(jiān)定的是去做面向企業(yè)端的產(chǎn)品，當(dāng)下是GEO的Agent，之后可能是Agent Builder。