PureblueAI 鲁扬：把 prompt 当货架空间，把 GEO 当量化交易

徐文浩在节目里当场打开豆包，问了一句「学 AI 推荐几个播客」。豆包给出的名单里，AI 炼金术排在第四。他把屏幕转向鲁扬，鲁扬看了一眼说，做 GEO 可以把它排到第一。

鲁扬是清蓝（PureblueAI）创始人。清华中文系毕业，一毕业进 IBM，在科技公司做市场营销二十多年，中间在创业公司当过四五年高管，后来在字节跳动负责火山引擎和豆包大模型的市场业务。2024 年下半年，他和两位联合创始人出来创业，最早做面向营销的 AI worker，没想到 GEO 这个场景先爆发了。现在团队 160 多人，是国内第一批 GEO 服务商。

这期节目聊 GEO，生成引擎优化。鲁扬讲了两年趟出来的三个阶段，讲了 SEO 和 GEO 为什么是两个物种，讲了 AI 消费闭环已经怎么开始运转，也讲了品牌在 AI 时代该抓住什么。下半场很实用，一个 prompt 就是一个货架，二线品牌不用假装自己是头部。

先搞清楚 AI 为什么推荐你 2:19

GEO 的英文是 generative engine optimization，生成引擎优化。鲁扬把它翻译成「AI 平台的品牌优化」。用户在豆包、千问、DeepSeek 这些聊天机器人里问「什么什么哪家好」「我想买个手机选哪个品牌」，AI 能不能把你的品牌推荐出来，位置能不能靠前，描述准不准确，这些都可以通过 GEO 技术去优化。

鲁扬把大模型的认知拆成两部分：先验认知和后验认知。用户提一个问题，大模型先调取自己预训练的数据，同时开启联网搜索，检索互联网上的内容。返回一批内容之后，它做分析、排序，最后挑出跟用户意图相关的极少量内容做引用。被引用的那几篇内容里的观点，就被 AI 采纳了，里面的品牌就被推荐出来了。

徐文浩把过程拆成几步：先让写自己好的内容能被搜到，得知道豆包喜欢看哪些网站；搜到一大堆内容之后，一百篇里只采信十篇，得让排名靠前；组织答案的时候还得把自己编进去；最后还得让 AI 信这些内容。鲁扬说描述非常准确。

SEO 和 GEO 是两个物种 6:49

提到 GEO，SEO 绕不过去。很多人觉得 GEO 是 SEO 在 AI 时代的变种，鲁扬不同意。

搜索引擎有规则。百度、Google 的网页权重那套规则，在百度统计上可以查。一个官网针对某个关键词的权重是多少，做过数字营销的人门清。怎么做 SEO，网上有公开教程，一二三四五六七，按图索骥就行。百度过去二十年，大的算法迭代就那么几次。

大模型没有规则。问豆包矿泉水哪家好，今天推 A，换个人问可能推 B，同一个人过两天再问又变成 C。它不告诉你原因，你也拿不到规则。大语言模型不是建立在外界可感知的明文规则或者一套公式打分之上，背后都是神经网络推理出来的。

鲁扬的结论是，面对大模型，很难靠人工经验去追逐一个模型。

面对大模型的时候，你是很难靠人工经验去追逐一个模型的。

所以他们的思路是，用一个模型去学习一个模型，用一套算法去解读一套算法。

徐文浩在这里插了一个类比，图灵那部电影，德军用机器加密，数学家最后发现人解不了，得造一台机器来解。鲁扬说非常类似。

三个阶段，从碰运气到算法驱动 10:35

鲁扬把 GEO 的发展分成三个阶段，这三个阶段是他们自己趟过来的。

2024 年 9 月入场的时候，GEO 这个词还没有。他们管自己叫「AI 平台上的 SEO」，主要做豆包和 Kimi 的优化。跟投资人解释成本非常高，很多人问，你们做豆包和 Kimi 上面的品牌优化，这是什么生意。2025 年 3 月，GEO 开始被唤醒，DeepSeek 火了，海外像 Profound 这样的 GEO 公司拿到融资，一夜之间国内涌现出上百家做 GEO 的服务商，之前做 SEO 的、做营销咨询的都开始做。

为什么看起来这么容易下场？鲁扬说，因为大家选的是技术门槛最低的方法，人工做。他们最早也是人工做，靠几个干了十几年 SEO 的优化师，每天写稿发稿。发几十篇，上 DeepSeek 搜一下，被引用了就是命中，没中就调整写法，明天再来几十篇。那段时间每天就是在碰运气。

第二阶段叫数据驱动，还是人工优化，但开始做数据监测、数据分析、AB 测试。字节出来的人把 AB 测试用到极致，稿件怎么写要 AB 测试。效果还是达不到精准。

第三阶段是算法驱动。鲁扬的 CTO 从字节出来后去投资机构做过两年量化，做因子挖掘。量化交易的做法是把肉眼判断、情感、主观抉择全部抛掉，让算法去算宏观微观数据，某些特征叠加足够显著，系统直接执行交易。他们今天用算法学习内容背后的特征因子，什么样的因子更符合 AI 可解释性，能让品牌被推荐出来。

这里鲁扬讲了一个核心观点，GEO 真正要研究的是 AI 可解释性，文章的写法只是表层。

用户问一句话，AI 把意图拆成一组关键词去检索，搜索引擎返回一批内容。这是漏斗第一步。然后 AI 选择性地分析其中一小部分内容，没被分析到的已经出局。分析之后做排序，排在前面的内容里的品牌出现概率更高，占据 AI 描述的篇幅也更多。最后生成答案的环节，AI 引用非常少量的内容，用他自己的语言组织，品牌才会被推荐出来。

漏斗的每一个环节都有大量内容被降权、出局、不被引用。终归有一小部分内容能经历层层筛选，被 AI 信任、被引用。他们研究的就是这些内容背后具备什么特征。

徐文浩问，AI 采信了哪篇文章，有时候只在思维链里露一小段，有些甚至看不到，这个反馈闭环怎么训练模型。鲁扬说，有些数据在思维链里肉眼能看到，有些看不到，可以通过技术往下多抓一层。不同模型随着版本演进，思维链里展示的内容一直在变，不能依赖它放出来的那部分。

不同模型的口味 32:55

不同模型的难易度差不多，原理一致，但采信来源差别很大。国内模型更多采信媒体内容，豆包对抖音视频的权重很高。海外模型偏向品牌官网、独立站、Reddit 这类社区，对媒体内容的权重反而没那么高。同一个品牌，国内和海外要做的事可能完全不一样。国内研究稿件结构、信任状、发布渠道，渠道更多是媒体；海外要做官网优化和社区运营。

鲁扬提到黑灰产，总结成三个字：假、大、黑。假是杜撰数据，「全国第一」「全球第一」「独家」「首家」「唯一」，一旦出现这种绝对的极端的数据，稿件可能瞬间被大模型引用。大是海量灌水，一天开个自动发稿机灌几百上千篇。黑是黑公关，发稿的时候踩竞品、抹黑竞品。

徐文浩问，一讲 GEO 就有人在下面留言说这是投毒、制造垃圾，你们会遇到这个困扰吗。鲁扬说客户不会，反而是投资人比较关心。他的看法是，GEO 就是 AI 时代的内容营销，自打人类有广告那天起就同时出现了虚假广告，搞广告的人本来就不该做那个事情。另外 AI 自己在不断进化，会越来越聪明，基模能力提升之后，想靠假大黑的做法会越来越难。真正做 GEO，是跟大模型同频，它认为什么是优质内容，就去生产什么内容。

AI 消费闭环，一个 prompt 就是一个货架 35:12

徐文浩问，用户行为变了，流量红利在不在。鲁扬说有，而且挺明显。

信号在 AI 消费闭环。2025 年 4 月 29 日，ChatGPT 率先支持电商跳转。10 月推出 Instant Checkout，豆包、千问跟进，元宝也开始支持电商跳转。豆包在一些品类下不用跳转到抖音电商，直接在豆包应用内下单支付。抖店后台跟豆包打通了，可以追踪从豆包带来的成交。返佣三周前从酒旅开始，常规 8 个点，酒旅 12 个点，比抖店常规抽佣高，比 OTA 平台低。

徐文浩说自己和太太的行为变化很明显。问 AI 的问题越来越靠前，很少再停留在「这几个哪个好」这一步。他说自己膝盖疼，根本没提氨糖。AI 大概率会告诉他氨糖没有用。很多想买的智商税产品，AI 都劝退了，说这个没有用，科学上帮你找了论文，其实是安慰剂。

鲁扬把这叫意图电商。用户描述自己的现状、特点、痛点，没有释放任何购物需求。AI 识别交互背后的意图，做推荐，促成交易。用户问的话里没有一个字跟氨糖相关，AI 推了氨糖。

货架也在变。最早是物理意义上的百货大楼货架，互联网时代变成虚拟货架，移动互联网时代变到 APP 里。AI 时代，prompt 变成新的货架。

一个 prompt 就是一个货架。

潜在客户每天用什么话术跟 AI 对话，用什么话术描述自己、查询，那个 prompt 背后就是品牌应该出现的位置。

徐文浩问，品牌要不要去迎合用户的意图。鲁扬说反而要回归自己的核心优势和核心定位。他们服务过一个二线冲锋衣品牌，客户想优化「最好的冲锋衣是哪家」。他们劝住了，你事实上不是最好的，优化出来客户也不信。这个品牌的核心优势是便宜、性价比高、质量好、抗造。那就去优化这些。

十年前在百度上优化「性价比高而且质量好抗造的冲锋衣」，这是非常长尾的词，流量很少，意义不大。AI 时代不一样。让 AI 认知到这个冲锋衣性价比高、质量好，只要用户的问句被 AI 认为贴合这个意图，流量就来了。比如用户问「适合大学生的冲锋衣推荐」，AI 会理解适合大学生意味着不能太贵、性价比要高，大学生运动多、质量得好、得抗造，它认为这个品牌适合这个意图，就把流量给过去。

AI 是讲道理的，你得让它讲道理的时候有话说。

徐文浩提到渠道转变会对某些类型的产品更友好。抖音对视觉呈现型的产品友好，美妆拍一拍就出水。AI 更像一个讲道理平台，背后像个理工男。以前广告影响的是 emotion 那一层，现在 AI 反复强调买这个不买那个贵的。他家买得最多的润肤露是二十几块钱一瓶的，瓶子上有尿素两个字。AI 说这个才是真润肤，皮肤干裂要用这个。他问贵一点的不是好一点吗，AI 说不是，尿素不上台面，所以厂家不这么说。

鲁扬说未来 AI 采信的维度会越来越多样、越来越复杂。现在更多解析文字内容，开始采信视频。视频的维度比文字稿多很多，长度、题材、形式、真人还是数字人、纯素材、镜头语言、叙事结构，都可能成为 AI 是否采信的特征。这也是为什么很难靠人工去琢磨。

科学 GEO 的八个环节 46:30

鲁扬提出「科学 GEO」，包含四个方面：流程科学、方法科学、工具科学、标准科学。流程科学是把 GEO 分成八个环节组成的闭环。

很多人觉得 GEO 就是写稿发稿，那只是其中两个环节。

第一个环节是知识管理。帮品牌建知识库，包含品牌介绍、公司介绍、优势卖点、竞争差异，全部向量化。这是所有 GEO 的开端，也是可信信源的起源。

第二个环节是意图挖掘。研究品牌的目标对象会在 AI 上问什么，哪些意图比较热，值得优化。鲁扬举了一个麻辣香锅品牌的例子。客户最早想优化的是「某某城市麻辣香锅或者火锅品牌推荐」。做了一轮意图挖掘之后，客户最后选择优化的意图完全变了，变成「加盟一个餐饮店应该选什么品牌」。因为客户觉得，GEO 最贴合当下业务需求的是帮它拓店，拓店成本太高了。

第三个环节是品牌诊断。品牌现在在 AI 平台上的呈现度怎么样，趋势如何，跟竞品对比如何，AI 用什么话术在谈论你。诊断还要带优化建议，比如哪些意图不可优化。联网率低的意图不好优化，问完了 AI 不联网，很难通过 GEO 去改。还有一些意图问完了 AI 给的都是科普类回答，不推任何品牌，比如运动完膝盖酸痛，这种暂时不建议投资源。

第四个环节是内容管理，到这一步才是写稿和稿件优化。第五个环节是效果预估，他们有一个沙盒环境，模拟分析一篇稿件发布后有多大概率提升效果。第六个环节是发布。第七个是效果监控。第八个是效果调优。

徐文浩问多久能看到效果，以及怎么证明效果，毕竟在你这台机器上搜得到，在品牌方老板手机上可能搜不到。

鲁扬说他们有一个算法学习的过程。第一周建知识库，同时小模型针对每个客户的每个 query 单独学习。底层是通用模型，上面一层小模型。第二周做内容生成和发布。第三周，有时候到第四周，能看到明显的效果提升。

效果验证靠高频科学监控。很多 GEO 还是靠人工监测，发完稿人工搜一次，看看能不能搜出来。鲁扬说这不科学，当下一次抽样不能代表连续性效果。他们的系统最多能做到分钟级，一般至少小时级采样。同一个 query 一天采样 20 到 30 次，均匀分布到 24 小时。要多平台、多账号、多 IP。多平台是因为 DeepSeek 和豆包结果不一样，多账号是模拟不同用户，至少上百个账号，多 IP 是模拟不同地理位置，北京和广东的结果也不一样。连续跑一个月看月均，月均达标才算真正达到效果。

最背的就是老板 review 那天，老板手机上搜不出来。

创业心得和给品牌的建议 55:02

徐文浩问，如果给刚创业的自己发一条短信，会说什么。

鲁扬说创业一直在他职业规划里，不创业人生不完整。过去经过很多风口，元宇宙、Web3，都没出来。有一段时间他觉得自己是不是太晚了，四十多岁创业，感觉晚了十年。真正出来以后，他的体会是，创业是整个人生前半场的一次集中变现。很多年的积累最后都用上了，好像也并不晚。

至于那条短信，他说可能一条短信都写不下，可以修正的点非常多。如果让他选，他反而不发。保持初心很重要，第一天想做的那个事情，内心的发心很重要。他们一开始想做 AI 员工，心思放得最少的是 GEO 这个场景，结果 GEO 爆发了。兜兜转转又回过头来做 GEO 这个切入点，再去做 AI worker。不被过程中的短暂风口吸引。术上可以修正调整的很多，但那需要自己学习的过程，再重投一次也是去学。

徐文浩说自己之前把公司卖给京东，放弃了很多钱出来创业，是上半生所有积累的一次消费。亏得很惨，靠运气赚的钱靠实力全赔进去了。但过程很好玩，门票很贵，过山车很好玩。

鲁扬说创业之前在 SaaS 创业公司工作过四五年，经历过大起大落，身上带了一些阴影，有一段时间不太敢融资、不太敢花钱。创业是个修行，得自己一点点历练。他当年没创业的时候想象，以后创业公司一定不能有这种问题、那种毛病。现在公司什么毛病都有了，各种大公司的问题都有了。团队 160 多人，他觉得人太多了，状态最好的是 30 多人的时候。