GEO（Generative Engine Optimization）即生成式引擎优化，如果需要一句话介绍的话，那就是让AI认识并推荐你的“产品”。
先聊聊大背景
其实最早期我是并不知道这个专业名词的的，大概在半年前，随着大模型的不断迭代（到现在已经出了GPT6，Fable5.1，以及国内各家新一代大模型）速度飞快，能力提升显著，很明显的社会上弥漫着对于人工智能的担忧与兴奋，两个情绪是相辅相成的。也有非常多的症状已经体现在各类头部公司，原因这里不作详细的论述。
但很明显可以感知到的是，好像整体的蛋糕在缩减，因为AI仅仅是进行了大规模的提效，相较于工业革命与互联网时代，后两者在大量提升生产力的情况下，也创造了相应的足够多的消费项与伴随的生态岗位。而AI目前为止，哪怕在各个企业去做赋能优化，似乎并没有创造出多大的蛋糕，而是在对以往人力的岗位竞争。
AI未来到底会怎么样深入每个人的生活，我想是未知的，也没有人能给出一个确切的答案，这个担忧与恐惧一定贯穿这个时期，但是个人的命运从来就和时代的混乱不是完全的正相关，乱世出英雄，机会就孕育在这样的变局之中。
兴奋和恐惧背后的机会
观察身边的案例大家可以发现，其实那些对AI前景抱有期望的也好，那些对AI未来不确定的也好，似乎只有很少的一部分人群，他们会选择去抵制AI。反而那些最关注前沿AI发展情况的，他们最兴奋，同样，他们也最恐惧。因为他们切实的感受着AI的快速迭代和变化，正因为他们的生活中AI的比重越来越大，所以他们的感受也被放大。但在目前这个时期，据我观察，其实大部分，60-70%的人，还都对AI没有非常强烈的感受，顶多是对新技术感慨一下，可能和围观苹果出折叠屏差不多（）
恰恰对于那些最恐惧的人来说，他们也是最愿意对AI进行付费的，兴奋促使着他们下单，恐惧推动者他们下单。为AI付费，在他们眼里就是一件很划算的事，至于到底有多少的投入产出比，这个因人而异，我也相信很多人是确确实实的通过AI增效，我自己也是。
由此看来，虽然整体的蛋糕在变小，但是局部的蛋糕是在变大的，只要AI一日不变成现如今的手机，或许这个扩大的效应就一直存在。所以在AI这个领域，尤其是“利用”大家的兴奋和恐惧，就成了一个我看好的行业方向。
为什么最后选了GEO
在明确了大背景之后，就需要从我生活和现实中去寻找这类机会了。在当时我对于AI的使用其实都算不上高频，所以基本上是一个瞎子摸黑的状态。恰巧身边有一个朋友的家长是哈工大毕业的，在码农领域的水平很高，也对于AI使用有许多经验。所以就请教了很多，后面了解到他们准备自己做一个"打包好的本地AI工具"，在进一步了解到产品引流到后续的转化过程中，我发现AI本身似乎就是一个很好的流量来源。
相信大家自己也有以下的体验：
我想买一个耳机，最近通勤路上有些无聊，我想听听歌或者听听小宇宙。
可是我又不想耗费太多的决策成本，电商平台东西太多，有点选择困难症，又很难自己快速筛选出真正好用的商品。去看种草视频呢，软广又太多，而且也耗时
我就用AI吧，给AI简单描述一下我的需求，让他来给我推荐两三款我来选
诸如此类对于AI的使用，其实在逐步渗透生活的方方面面，不只是做消费决策，挑选合适的机构（月子中心，律所，医院），TOB的企业采购合作决策，都在逐渐趋向于使用AI辅助或者主导决策。因为大家对于AI的检索整合能力越来越相信，降本增效嘛，聪明的偷懒谁不喜欢。
由此，GEO的苗头就出现了。以往，决策都是自行筛选，评估，直达商品（哪怕排名），而未来，假如每个人都配备了一个“AI秘书助手”，那企业除了直接TOC外，变出啦B TO AI TO C，中间多了一个“中介”“介绍人”“B&C之间的中间人”，原本的决策需要客户对我的产品有信心才能促成下单，而现在，信任的传递中多出了一个AI。客户对AI的信任的情况下，如果企业也被AI信任推荐，那就促成了信任的传递，相当于A和C认识之前，通过二人的共同好友联系上，基于对中间人的信任，二人更容易处成朋友，达成合作。
拓展一下：同样的，类似的方向还有包括面向AI的“Ui设计”，对于AI来说获取数据，如果通过图像化的形式，是耗费时间算力并且容易出错的，以外ui是设计给人类看的，而为了让AI更好的理解获取数据，或许需要“开历史的倒车”，把Ui一步步还原变成ai易读的形式（但这个方向对于我来说，可能过于专业化，也没有合适的机会实践，因此没有选择）
目前的一些探索
聊完了关于时代背景的思考，以及选择GEO领域的逻辑。接下来就是自己对于GEO的实践了，篇幅比较长，今天这篇文章就不展开了。不过值得一提的是，正因为这个行业目前还不是那么成熟，处于初期的发展阶段，所以自己探索过程中的确到处碰壁，像从最初期有这么个模糊的方向想法，到我知道有GEO这个名词，这个行业，就过去了将近一个月。
但目前来说，还是令人欣喜的，因为自己找到了一条相对来说明确的探索和学习路径，在GEO项目介绍的主页也有提及。是基于GEO过程的检索，增强与生成的分析学习，然后把它分为传统SEO+增强与生成的模型训练两个过程。自己在不断深造和实践现有的项目。
写在最后
写在最后，是关于对于后续的思考，熟悉我的朋友知道，其实我主要的行业算是金融领域相关的，那对于这个项目的接触和学习，其实是自己第一个深入的垂类行业，也是新兴行业，能做成什么样，能不能分到一份蛋糕，自己也不清楚。但是学习到目前来说，哪怕这个方向自己失败了，也能收获到非常多的经验和知识沉淀下来。
自己的GEO项目商业化失败，但是未来自己的其余项目，网站其实都可以延用自己对于GEO的技术，赋能自己。
探索一个新兴行业踩过的一个个坑，研究黑盒所建立的假设推理验证的研究系统，对于概率的深入理解。
我相信这些才是自己真正可以收获并且内化的宝藏。
既然注定要支付机会成本，那就不妨让它，走出一个漂亮的曲线。