AI和算法时代，品牌营销的关键是……

互联网带来信息大爆炸，AI和算法则进一步改变了人类获取信息的方式。纵观广告营销史上的每一次巨变，几乎都是由信息革命带来。

品牌营销的目标，说到底无非是实现产品和消费者之间和高效连接。要想实现这种连接，一则是需要媒介传递产品信息，让消费者认识、认知并认同品牌；一则是需要渠道铺货销售，方便消费者进行购买。随着时代的发展，信息传播正变得比渠道触达越发重要。

美国西北大学教授、整合营销传播之父唐·舒尔茨（Don E. Schultz），就非常强调整合“信息流”的重要。他极力主张消费者沟通就是营销的全部，认为“存在于消费者头脑中的信息才是真正的营销价值所在，因为所有其他的营销变量，如产品设计、定价、渠道、推广都能被竞争对手模仿或复制，信息传播才是企业组织唯一的持续竞争优势。”[1]

但是，我们现在一天获取的信息量就相当于莎士比亚时代人一生获取的信息量，面对海量的信息和用户，一个根本性课题出现了——如何更高效地连接人和信息？如何帮助特定用户快速、精准找到他感兴趣的信息？ 

PC时代，信息分发的主流模式是门户网站和搜索引擎。

门户网站通过网站编辑的筛选，对信息进行分门别类、整理排序然后推送给用户；搜索引擎则要靠用户依据关键词，主动搜寻信息。

到了移动时代，社交网络和推荐算法成为主流模式。

社交网络是指用户通过关注好友、订阅博主账号的方式来获取信息，再通过好友推荐、转发等行为获取更多信息；

推荐算法则是指系统通过智能化方式主动发掘用户兴趣，并基于此进行信息推送。算法的出现，带来了人和信息连接效率的大幅提升，成为各大社交平台的主流，由此也将带来品牌营销的新一轮变革。

为什么贴标签对品牌意义非凡？首先，标签是算法的基础，是大数据时代的基建。

一开始，推荐算法的基本原理是“标签机制”。算法的一端是人，另一端是信息（内容、商品、其他人），常用算法会寻找人的相似性、内容物的相似性，给每个用户和每一信息都打上标签，然后通过数据运算，把拥有相应标签的信息推送给拥有对应属性的人。

标签匹配的人和信息会在系统的推荐下相遇，这就是算法。通俗一点来说，这就是“物以类聚，人以群分”。

随着机器学习技术的发展，算法也在快速迭代和变化。现在，算法已经可以做到无需理解内容类型或现实语义，就能直接预测用户行为，即预测用户对信息的兴趣和喜好。

2025年3月30日、4月2日，抖音和视频号分别公布了自己的短视频算法机制。抖音主要基于对用户观看内容这一行为的学习，通过神经网络计算，从而预估用户接下来的行为动作；视频号则更强调社交关系链的作用，基于好友推荐来筛选优质内容、丰富用户的信息来源[2]。

但是，为了提高算法的效率，并打破“信息茧房”，标签依然重要。

一般来说，一条视频内容从海量信息中被选中推送给用户，要经过内容池、召回和排序三个环节。首先，一条新发布的视频要经过初步评估进入内容池；接下来进入召回环节，召回是为了从内容池的海量内容中（百万量级），快速粗筛出来用户可能感兴趣的候选视频集（变成几百量级）。

最后来到排序环节，算法会针对每个特定用户对候选视频进行打分，将得分最高的视频推送给该用户（即被用户点赞、评论、分享、关注等目标行为行为概率最大）。排序环节会做分钟级实时更新，从而更精准预判用户行为。 

由于召回环节需要处理的数据量很大，为了提高运算速度并提高召回率，目前业界通常会采用较为简单的算法模型，并采用多个简单算法相叠加的“多路召回策略”，常见如协同过滤、兴趣标签、热门新闻、最近流行、朋友喜好等，从而推送更多不同类型的视频给用户，引导算法打破信息茧房[3]。

而排序环节要算理的内容物较少，这时就可以使用较为复杂的排序模型，以得到精确的排序结果。

然后，在深度学习模型中，它们会依据不同内容与用户之间的距离被编码成数字空间里的一个个点（向量），这个过程即向量化表征学习。算法由此无需再理解视频内容的现实语义，只须处理纯粹的数字集合，即能预测某个用户对某个内容的行为。

算法要想完美运作，推荐模型很重要，但它不是算法的全部，推荐系统召回层的策略也很重要，还有一个非常重要的就是推荐模型如何选取并处理用户和信息的特征，这就是推荐系统的特征工程。

特征就是标签，其实质是对用户获取信息这一过程中相关信息的抽象表达。对于推荐算法来说，用户的浏览历史、点赞、评等行为数据，用户的人口统计特征（性别、年龄、收入、城市等），用户的兴趣爱好，用户的关系数据，以及视频内容的类型、情绪、具体要素、标题等信息，都需要进行抽象提取，将其转换成数字标签，供推荐系统使用。

除了内容物和用户的标签以外，特征工程还需要关注用户行为产生的背景信息，也就是行为发生的具体场景。比如说一个用户倾向于在上班路上看学习题材内容，下班路上看娱乐类型视频，午休时在办公室看看喜剧综艺，深夜在家看惊悚悬疑剧，这个背景信息对于算法推荐也很重要。

现如今，推荐模型和特征工程越来越趋向于一体化，特征工程本身就是模型的一部分。这些标签保留了内容和用户的关键特征，摒弃了冗余信息。这些数字标签的存在，才更有利于算法的工作。

随着AI的迅猛发展，越来越多的消费者开始使用AI进行提问、搜索产品，针对AI大模型开展种草和SEO服务正在成为新商业业态。在这一生态下，贴标签对于品牌营销正变得愈发重要。这是我想强调的第二点。

众所周知，消费者在购物之前总要搜集信息，以辅助购买决策，如了解产品功能卖点和基本原理，搜集市场上主要品牌的资料与行情，对比不同品牌产品的性能参数、用户口碑、性价比等。这件事几乎人人都要做，尤其是那些价格昂贵、技术复杂的产品，更是会耗费大量时间精力。

从搜集资料、筛选品牌到权衡对比、最终做出决定，这整个决策过程耗时耗力，对消费者来说决策成本极高。

所以，人工智能之父、经济组合决策管理大师赫伯特·西蒙（Herbert Simon）提出了“有限理性说”和“决策理论”，并因此获得了1978年诺贝尔经济学奖。

西蒙认为，要想获得最优的购买结果，消费者必须详细研究市面上的所有品牌所有产品，大量搜集并深入分析相关信息。考虑到为此要付出的成本，“满意即可”才是最理解的购物选择。

但是AI的出现，则可以为消费者解决这一困境。在购物之前我们完全可以去问AI，让AI帮助我们搜集信息、对比产品，甚至直接告诉我们答案。

AI能在极短时间内处理大量数据，进行复杂计算，全面、系统、深刻地分析一件事、一个产品，却一点也不费我们的事。特别是像汽车、家电、手机、电脑等标准化程度较高的产品，尤为适合AI来对比性能参数，帮助我们做出最佳购买决策。 

另一位诺奖获得者、以色列裔美国认知心理学家丹尼尔·卡尼曼（Daniel Kahneman）提到，消费者进行决策的基础是我们大脑中的两个认知系统：

系统1快思考，是以直觉为主导，自动、快速帮我们做出判断，以应付日常生活中的简单任务；

系统2慢思考，则以理性为核心，需要投入时间精力去深度分析，以做出理智的判断。

系统1是低能耗的思维活动，但并不靠谱，容易出现认知偏差。当我们遇到复杂问题，系统1的运行遇到阻碍时，系统2才会被激活。系统2很理性，但是运行较为缓慢，且认知消耗较大。系统1和2各有优缺点，而AI却能结合系统1和2的优点，帮助我们做决策时，既好，又快，还完全不费事。

因此，畅销书《终极算法》作者、华盛顿大学计算机科学与工程学教授、国际机器学习协会联合创始人佩德罗·多明戈斯（Pedro Domingos）说了一句名言：“AI是你的系统3”(AI is your System 3)。AI能够极大地扩展人类的认知能力，并降低我们的决策成本。

越来越多的消费者开始用AI给自己推荐产品，并逐渐依赖AI帮自己做出购买决策。波士顿咨询集团的一项研究表现，大约28%的消费者经常使用AI大模型来给自己推荐化妆品等[5]。

2025年1月，小红书推出了一个AI搜索工具“点点”，它参考小红书上上亿人的真实生活经验和购物心得，给用户生成涵盖衣食住行、吃喝玩乐的各种生活答案。

比如你到了一个新的城市，可以直接问“点点”周边有什么好吃的、好逛的、好玩的，让它给你推荐餐厅、景点和City Walk路线。你想买什么东西，可以直接让“点点”来推荐。

我最近刚买了一副运动耳机，买前就是问得“点点”，我告诉它我的需求、使用场景和预算范围，还有我正在考虑的几款产品，然后让“点点”给我对比其产品参数和各自的优缺点，并直接推荐一款。而最终，我买的就是“点点”推荐的那一款。

“AI搜索”迟早会成为人们获取信息的主流途径，购买决策的重要工具，这只是一个时间问题。而企业主早晚会意识到，我们正处在一个“AI种草”的新局面，每个品牌都要想办法去赢得AI的“好感度”——AI如何评价我们的品牌？AI是否会推荐我们？

作为一名营销人，如果你不关注这个问题，那么你就等着老板拿着DeepSeek的结果来质询你吧——为什么AI没有提到我们的品牌？或者说提到的描述点不对。

DeepSeek大火之际，2025年2月，有人问它“上海最好吃的日本拉面”是哪家，在DeepSeek推荐的日式拉面店中，“寸屋拉面”被排在了第1位。嗅到商机的寸屋拉面，于是直接将这一回答打印成海报放在店门口，宣扬自己是被DeepSeek“官方认证”的餐厅[6]。

这种广告形式或许只是一时浪花，但它足以说明AI生成内容是具备商业价值的，足以影响用户购买行为。随着消费者找AI推荐产品和企业用AI进行宣传的行为一发不可收拾，营销的格局和玩法终将发生变化。

至少，一种新的营销行为已经诞生，那就是当消费者问AI时，如何让AI推荐我的品牌，说我家产品的“好话”。这叫做GEO。

PC互联网时代，消费者通过Google、百度等搜索引擎了解产品信息，为保证企业品牌被消费者前排搜到，企业会针对关键词进行优化，这在营销上叫做SEO（Search Engine Optimization搜索引擎优化）。

到了AI时代，企业当然也希望自家品牌能出现在AI回答中排名靠前的位置，这就要针对AI的信息检索和内容生成进行优化。

2024年6月，来自印度理工学院、普林斯顿大学的一些学者和独立研究者发表论文《GEO: Generative Engine Optimization（生成引擎优化）》，正式提出了GEO的概念、框架及相关实验设计[7]。

而且，到目前来说的话，国内外都已经出现了针对不同AI大模型进行生成内容优化的营销技术公司。

GEO当然是可以做到的，因为AI在回答用户问题时依然需要调用网络数据。但是GEO的原理自与传统SEO不同。经典的SEO方法，是在内容中加入更多来自查询的关键词，通过关键词密度、网页结构、标题标签优化，以及PageRank和超链接权重等手段影响网页权重，获得更高的排名。

但关键词堆砌在GEO中是失效的，因为用户在使用AI搜索时是使用自然语言提问，因此AI普通采用新的搜索引擎架构，通过混合检索和重排序的方式为大模型提供相关的、并足够完备的知识，而且AI会更加注重内容与用户问题的语义相关性，从而生成更可靠的问答结果。另外不要忘了，AI搜索不光有检索，还有生成这个步骤。 

因此，要想做好GEO的话，企业需要做到两点：

一是内容库构建。

因为生成式AI的答案质量高度依赖其训练数据，而不同大模型引用的网络信息不同，这就会导致用户拿同样的问题去问不同AI，也会得到不一样的结果。

所以品牌方必须站在一个更加宏观、整体的视角去看待自己在全网的文本内容，提高自身信源的数量与质量，获得AI的“信任”，提高被AI调用的权重与概率。

内容库要做到全面系统、丰富多样、持续更新，涵盖BGC、PGC、UGC等。

企业既要做好自身的内容建设，如企业官网、产品参数库、案例发布、行业白皮书等；

又要做好权威媒体报道、学术论文建设等三方内容，这些结构化数据的内容权重更高；

还要做好用户内容矩阵，如社媒帖子、用户评测、打分等。

此外，还要及时跟进新闻报道、最新产品、价格和技术发布等动态内容，便于AI实时爬取。

内容库还应符合EEAT原则，这是Google算法用于评估网页内容的四个标准，包括了实际经验（Experience）、专业性（Expertise）、权威性（Authoritativeness）、可信度（Trustworthiness）等。

符合EEAT原则的内容更容易获得搜索引擎的高排名，到了AI时代，这一法则依然有效，因为AI也会通过去噪、去重等技术清洗数据，将低质量内容过滤掉，确保内容录入的准确性与时效性。

二是内容库中要有更加结构化的标签建设，确保品牌被正确认知。

生成式AI的原理是基于互联网上的大规模语言文本，在既定的输入下去预测下一个最有可能出现的词进行输出。因此，品牌建设不仅要打造消费者爱看的内容，还要打造给AI“爱看”的内容。

这就是说，品牌要想办法在自己所有传播内容中植入更有清晰、鲜明、一致的标签，构建自己的品牌话语权，这才有可能影响AI涉及自身的内容生成。

如果自己在全网的传播内容中，什么方向都有，很容易造成AI大模型的混淆和误判。

比如有一个苏格兰威士忌品牌Ballantine，主要面向大众市场进行销售，但是Meta 的AI大模型Llama却将其归类为顶级高端品牌。为此Ballantine的品牌代理商专门为其制作了大量突出平民化特质的内容，以期通过社交平台重塑AI认识[8]。

所以在GEO的时代，企业内容营销不能仅靠关键词，而是要转向内容库建设，并在不同的内容中打造统一的品牌标签，想办法去争夺AI大模型的“好感度”和“认知优先权”。

说到底，不管是对于人脑还是电脑来说，处理信息的过程都是一个从具体内容抽象出关键特征，提炼标签的过程。标签提取是人类认知信息的本质，也是人类大脑的工作原理。

我们对外在世界的认知，并不是像摄像头一样原样照搬。当我们看到一样事物，大脑就会对接收到的客观信息进行处理，先是分解，然后抽象提纯，最后简化出来关键特征。我们选择简单的信息去记忆这个复杂的世界，这就是人类在过去几百万年间进化出来的生存之道。

外部世界复杂多变，海量信息包罗万象，我们必须迅速从中提取关键以做出判断，这对人类的生存繁衍至关重要。而且大脑还是人类消耗能量最多的器官之一，所以大脑也会偷懒，追求简化刻在人类的骨子里。

而我们简化的工具就是贴标签，贴标签是人类认知事物的方式和习惯性动作。

比如当我们认识一个新朋友时，我们可能会被告知一大堆信息，比如姓名、职业和职位、履历、兴趣爱好等，我们还会主动获得很多信息，比如性别、大致年龄、身高、长相、着装风格等。

其实我们很难一下子记住这么多信息，能记住的往往是这个人身上的某个重要标签，比如学霸、富婆、奶爸、大咖、猫奴、E人、J人、00后、非主流、显眼包、二代、中年油腻、花心射手、大厂996、985、海归、钻石王老五等等。这些标签都是我们基于这个人的特征提取而来，它们构成了我们对一个人的“第一印象”。

因为很多标签往往带有某种感情色彩和价值判断，所以当我们给其他人和物贴标签时，也反映了我们自身的好恶和立场。反过来，标签也会在潜意识之中影响我们的认知，隐型站队。比如在一些社会事件中，当事人被冠以“宝马男”“路虎女”等称谓，仅仅是这样一个词 语就能深深地改变我们的认知，影响我们对这个人的看法。

因此，在日常生活中我们必须意识到要避免被标签左右自己的判断，但在品牌营销中，我们也应该认识到标签对于影响消费者观念的重要作用。

参考资料
[1] 唐·舒尔茨 海蒂·舒尔茨《整合营销传播》，清华大学出版社，2013-6；
[2] 《一图读懂视频号算法推荐》，来源：微信公众号“微信珊瑚安全”，2025-04-02；
[3] 王喆《深度学习推荐系统》，电子工业出版社，2020-03-01；
[4] 《从零开始了解推荐系统》，来源：抖音安全与信任中心，https://95152.douyin.com/article/15358；
[5] 《没想到，我轻松干预了 DeepSeek 的搜索结果》，来源：微信公众号“极客公园”，作者：苏子华，2025-02-27；
[6] 《用DeepSeek打广告，比大众点评还好用？》，来源：微信公众号“4A广告门”，作者：广告测量员K，2025-02-27；
[7] 《老板沉迷DeepSeek的背后，藏着一个真需求》，来源：微信公众号“甲子光年”，作者：王博，2025-02-24；
[8] 《为什么品牌商开始争夺AI的“好感度”？》，来源：微信公众号“麻省理工科技评论APP”，作者：Lee、Mulligan，2025-02-20；