当前位置: 首页 > news >正文

氧气科技亮相GDMS全球数字营销峰会,分享AI搜索时代GEO新观

2025年9月16日,全球数字营销领域的年度盛会——GDMS(Global Digital Marketing Summit)在上海国家会展中心盛大举行。作为品牌数字化转型的风向标,本届峰会汇聚来自全球的CEO、CMO、CDO及营销领域高管,共同探讨AI驱动下的营销新格局。氧气科技首席AI专家、中国广告协会学术与教育委员会副主任、《Manus极简入门》作者董浩宇博士应邀出席,并发表《品牌如何在AI搜索被看见?GEO:品牌新的流量红利》主题演讲,为与会嘉宾带来一场前瞻且深具实操价值的思维盛宴。

一、AI搜索时代,品牌传播面临范式变革

随着ChatGPT、DeepSeek、Kimi、豆包、通义千问、元宝等大模型的迅速崛起,信息获取方式正从传统的“关键词搜索”跃迁至“自然语言问答”,从“链接列表”走向“整合答案”。这意味着品牌的曝光逻辑正在重构——仅依靠传统搜索引擎的SEO已难以满足大模型时代的传播需求。董浩宇博士指出,在这种全新的AI搜索生态下,生成式引擎优化(Generative Engine Optimization,GEO)成为品牌建立长期认知优势的关键,它不再是单纯的搜索排名游戏,而是一次围绕AI认知的系统性工程。

“AI搜索时代,品牌不仅要被找到,更要被理解与推荐。”董博士强调,GEO的核心在于让大模型在回答用户复杂问题时,主动将品牌纳入其知识图谱和答案体系,让品牌成为AI自然生成内容的“可信首选”。

二、氧气科技GEO-STREAM:驱动品牌深度认知的六大引擎

作为国内率先联合北京大学提出GEO技术方法论的企业,氧气科技推出了AI搜索首个技术方法论——GEO-STREAM技术框架。董浩宇博士在演讲中深入解析了这一框架的六大核心组件:

S:Semantic Structuring Index(语义结构化指数)

通过构建清晰的概念图谱与结构化语义,让AI能够精准理解品牌与产品的核心价值与概念边界。

T:Timeliness Factor(时间相关性系数)

确保品牌内容与市场热点和用户需求保持高度同步,持续输出具有时效性的高价值信息。

R:Redundancy of Verified Sources(可信源交叉认证数)

建立多源权威背书,通过行业专家、权威媒体和学术数据的交叉引用,增强AI对品牌的信任度。

E:Engagement Weight(用户共鸣指数)

打造匹配引发用户搜索意图和品牌的关键词共鸣,提升AI在个性化搜索时对品牌词推荐的权重评估。

A:Alignment Score(内容一致性得分)

保证品牌信息在不同平台和多模态环境下的一致与协调,避免AI认知中的信息偏差。

M:Multimodal Search Weight Dynamic Fine-Tuning(多模态搜索权重动态微调算法)

通过AI驱动的动态优化机制,依据用户查询意图和多模态特征,实时调节上述各维度权重,实现品牌在文本、图像、视频等多模态搜索中的最佳可见度。

氧气科技强调,GEO-STREAM不仅是技术框架,更是一套可落地的AI搜索系统方法论,它让品牌从“被搜索”进化到“被理解”再到“被推荐”,从而在AI主导的信息生态中,建立可持续的认知高地。

三、从“种草”到“种树”:GEO的战略意义

董浩宇博士以“从种草到种树”的比喻诠释了GEO的长远价值。传统营销中,“种草”依赖短期流量与曝光;而GEO更像是“种树”——通过深耕语义、语料和信源三大根基,让品牌在大模型的知识网络中扎下深厚的“认知之根”。这不仅能够抵御市场波动,更能在未来的AI内容生态中持续释放品牌价值。

他指出:“GEO的难度远超传统SEO,因为它不是与搜索算法博弈,而是与AI的认知系统对话。要赢得大模型的信任,需要长期、系统地建设内容与权威背书。”这既是挑战,更是机遇——率先攻克GEO难题的品牌,将在智能时代用户决策的最前端获得天然的竞争优势,也是品牌面对AI“新生代、新生意、新生态”值得关注的全新预算领域。

四、AI营销新时代的必修课

氧气科技的分享引发了现场热烈讨论。与会的企业高管普遍认为,GEO已经成为AI搜索时代品牌营销的“必修课”。它不仅关乎技术,更是一场品牌战略的深度升级:唯有让AI真正“理解并信任”品牌,企业才能在未来的数字浪潮中脱颖而出。

氧气科技将继续推动GEO技术的研究与落地,为企业构建面向AI时代的全新传播体系,帮助品牌实现从认知到推荐的质的飞跃。董博士的最新观察与氧气科技在峰会上分享的奢饰品、美妆、3C、快消、餐饮等多个行业的的生成式引擎GEO实践案例,也为中国乃至全球品牌提供了宝贵的路径参考。


文章转载自:

http://9HtGIQsk.Ljzqb.cn
http://wesmcSct.Ljzqb.cn
http://4lnrdTc7.Ljzqb.cn
http://Ju6Bnb0q.Ljzqb.cn
http://hN2p4jRc.Ljzqb.cn
http://TflnIg7d.Ljzqb.cn
http://3FoSjKhk.Ljzqb.cn
http://vuoyXiwA.Ljzqb.cn
http://HdbNm6XI.Ljzqb.cn
http://jpt00zMU.Ljzqb.cn
http://mcu3DJvz.Ljzqb.cn
http://ToY1DAqR.Ljzqb.cn
http://6gCEVNMZ.Ljzqb.cn
http://K10lKMlm.Ljzqb.cn
http://ncZ1FZzG.Ljzqb.cn
http://JsxBXRNu.Ljzqb.cn
http://8TqgaFHu.Ljzqb.cn
http://JLwh93vW.Ljzqb.cn
http://01KMqv9D.Ljzqb.cn
http://U3tZdlGE.Ljzqb.cn
http://O7UXR2sX.Ljzqb.cn
http://JeTNNFsO.Ljzqb.cn
http://Z4ZKrHKc.Ljzqb.cn
http://GFloIa1I.Ljzqb.cn
http://yxgAsDeC.Ljzqb.cn
http://5OPYmQA9.Ljzqb.cn
http://bQ62nKrD.Ljzqb.cn
http://hCQ8HfVh.Ljzqb.cn
http://nOalBq7u.Ljzqb.cn
http://AoDcsPp6.Ljzqb.cn
http://www.dtcms.com/a/388577.html

相关文章:

  • useMemo和useCallback
  • 【数据结构---图的原理与最小生成树算法,单源最短路径算法】
  • 有发声生物(猫狗鸟等)与无发声生物(蚂蚁蝙蝠蛇等)的 “感知-->行动“
  • CC 攻击为什么越来越难防?
  • 量化交易 - Multiple Regression 多变量线性回归(机器学习)
  • 【机器学习】基于双向LSTM的IMDb情感分析
  • CLR-GAN训练自己的数据集
  • LeetCode 242 有效的字母异位词
  • 中州养老:Websocket实现报警通知
  • python+excel实现办公自动化学习
  • 深度学习快速复现平台AutoDL
  • 《股票智能查询与投资决策辅助应用项目方案》
  • nvm安装包分享【持续更新】
  • 2025年- H143-Lc344. 反转字符串(字符串)--Java版
  • 数据库的事务
  • Cadence SPB 2025安装教程(附安装包)Cadence SPB 24.1下载详细安装图文教程
  • .NET Framework 4.8 多线程编程
  • qt QHorizontalPercentBarSeries详解
  • 软考中级习题与解答——第七章_数据库系统(3)
  • Redis(基础数据类型/String)
  • python的面试题
  • 内聚和耦合基础
  • Java基本类型与包装类在MyBatis中的应用指南
  • 《Unity3D VR游戏手柄振动与物理碰撞同步失效问题深度解析》
  • 基于 Rust 的 CAD 工具demo示例
  • 多模态大模型研究每日简报【2025-09-17】
  • 2D平台动作游戏《Haneda Girl》推出免费体验版
  • 《艾尔登法环:黑夜君临》DLC泄露:更多角色和Boss!
  • 向量化执行引擎是啥?
  • LeetCode 刷题【81. 搜索旋转排序数组 II、82. 删除排序链表中的重复元素 II、83. 删除排序链表中的重复元素】