很多企业发新闻稿的习惯，是写给记者和客户看的：标题要有气势，开头先讲公司愿景，中间罗列一堆“行业领先”“赋能生态”。这套写法在门户和搜索引擎时代能跑通，但放到AI搜索的场景里，问题就暴露出来了——AI不是在“读”你的稿子，而是在“找一句话来回答用户的问题”。找不到、看不懂、不敢用，稿子就等于没发。
先弄清一件事：AI搜索读稿的方式不一样
目前的生成式搜索产品，大体流程是先检索到相关网页，再基于检索到的内容组织答案，并在答案中给出参考来源。不同平台的具体机制并不公开，也没有统一的“收录即有排名”规则。但可以确定的是，一篇文章要进入这个流程，必须同时过三关：能不能被检索到、内容能不能被准确解析、里面的信息能不能被放心引用。
传统新闻稿的优化重点在第一关，GEO（生成式引擎优化）带来的变化，主要落在后两关。所以写法要改的，不是把关键词再堆一遍，而是让稿件变成“机器能读懂、敢引用”的信息源。
变化一：结论提到最前面，别让AI替你总结
以前的写法常见“在某行业深耕多年的某某公司，近日宣布……”铺垫三段才进入正题。人可能还有耐心，模型提取信息时则更偏好直接、明确的表述。
更实用的做法是：第一段就交代清楚谁、在什么时候、做了什么事、这件事解决什么问题。比如“某公司于2025年6月上线面向中小制造企业的库存管理模块，支持多仓库调拨”，比“近日，某某公司再迎里程碑”有用得多。读者扫一眼就知道这篇稿子在说什么，AI也更容易从中抽出一句准确的描述。
变化二：把形容词换成可核查的事实
“大幅提升”“行业领先”“深受好评”这类词，对人和模型都是零信息量，还容易让内容显得像广告而降低可信度。替换的方法很朴素：
- 能写数字的写数字，同时说清统计口径，例如“覆盖12个城市、约300家门店，数据统计截至2025年5月”。
- 不写“提升明显”，写“处理时间从原来的两天缩短到四小时”。
- 不写“服务众多客户”，写清服务的是哪类客户、什么规模、什么区域。
- 无法公开的数字可以不写，但别用形容词填空。
需要说明的是，不是所有企业都方便披露具体数据。这种情况下，把业务范围、适用条件、时间节点写清楚，同样能提高信息价值，不必勉强凑数。
变化三：主体、时间和口径不能含糊
AI在组织答案时，一旦发现指代不清，往往选择不用。以下三个地方最容易出问题：
- 主体名称。首次出现用工商全称，之后可以用简称，但要在文中明确“以下简称XX”。通篇“我司”“该公司”“集团”，模型很难判断说的是谁。
- 时间。“日前”“近期”这类表述，过两个月就失效了。写明具体月份，必要时注明信息版本和更新时间。
- 口径与边界。数据来自哪个部门、覆盖哪个时间段、是否含税、是否仅限特定区域，这些说明看起来啰嗦，恰恰是内容被放心引用的前提。
变化四：结构要方便“切片”，一段说一件事
长段落、多主题混在一起，人和机器都不好处理。建议每条信息独立成段，段落之间用小标题分区，比如“产品功能”“适用范围”“价格与获取方式”“背景说明”。每段控制在三四行以内，一段只回答一个问题。
有些稿件可以在结尾加一小节问答式说明，用一两句话直接回答“适合谁用”“什么时候能用”“和原有方案有什么区别”。这类短段落信息密度高，读者也省事。但不必每篇都强行加，内容本身没有可补充的问题就不要凑。
变化五：事实和观点分开放，引用要有出处
企业稿件里混入主观评论很常见，比如在陈述产品参数时顺手加一句“这标志着行业进入新阶段”。这类判断既不能被当作事实，也容易让整段内容显得可疑。
更清晰的做法是把事实陈述放正文，观点放在明确标注的引述里，例如“公司负责人在发布会上表示……”。引用第三方数据时写清来源和发布时间，不要用“权威机构数据显示”这类无法追溯的表述。对模型来说，有出处的信息可用性明显更高；对记者来说，这也是判断稿件能否采用的关键。
变化六：基本功没变，别指望一篇稿子包打天下
需要提醒的是，GEO并没有推翻新闻写作的基本规范。信息真实、时效准确、来源可查，这些要求一直都在，只是现在多了“机器也要读得懂”这一层。也没有任何一种写法能保证被AI引用——平台机制不公开，结果受检索、内容质量、账号权重、行业话题热度等多重因素影响。市场上“保证进入AI推荐”的说法，基本可以忽略。
另外，稿子发在哪些媒体、是否保留原文链接、是否被长期可访问的页面承载，仍然影响它能否被检索到。这部分属于发布环节的常规工作，和写作同样重要。
怎么判断改得对不对
不用等复杂的报表。可以先做两件简单的事：一是找几个不了解公司背景的同事读第一段，看他们能否说出“这家公司做了什么、对谁有用”；二是围绕自家业务，在常用AI搜索工具里提几个用户可能问的问题，观察回答中是否提到品牌、提到的是否准确、有没有张冠李戴。把这些结果记录下来，按季度对比，比盯着收录数量更有参考价值。
说到底，GEO对新闻稿的要求并不神秘：把话说清楚，把事实交代准，把结构理顺畅。这些做到位，人读着舒服，机器也更容易用得上。