过去写新闻稿,主要是给人看的:媒体编辑扫一眼判断有没有新闻点,读者花几十秒决定要不要往下读。现在多了一个"读者"——AI搜索和AI助手。它在处理同一篇稿子时,不关心标题够不够燃、故事讲得动不动人,它更在意的是:这家企业到底做了什么、什么时候做的、有哪些可以被准确提取和引用的具体信息。
这就是GEO(Generative Engine Optimization,生成式引擎优化)进入新闻稿领域后带来的实际变化。它不是给内容加一层新技术,而是改变了内容组织的基本逻辑。

GEO优化的是"被理解"和"被引用"
GEO和传统SEO有交集,但重心不同。SEO更多围绕关键词、页面结构和搜索排名展开,用户看到的是链接列表;GEO面对的是生成式AI,它会把检索到的内容切分、比对、重组,再生成一段回答。内容能不能进入这个流程,取决于它是否容易被准确理解。
换句话说,SEO争的是"排在第几位",GEO争的是"这段话会不会被拿来支撑一个结论"。前者靠排名曝光,后者靠信息本身的可信度和清晰度。这对新闻稿提出的要求和过去并不完全一样。
AI读稿子的方式和读者不同
人读新闻稿是线性的,会顺着上下文脑补、容忍模糊表达,甚至被情绪带动。AI的处理方式更接近拆解:这段话的主语是谁、动作是什么、数据指向哪里、结论能否独立成立。
这解释了一个常见现象:有些稿子人读着挺顺,但让AI去提取,就变得支离破碎。原因往往出在这几处——
- 关键信息藏在第三、第四段,开头全是背景和抒情。
- 一段话里塞了三件事,还混着几个形容词。
- 反复使用"该公司""上述方案""相关产品"这类必须回看前文的指代。
- 用"广受好评""行业领先""再创佳绩"代替可以落地的具体描述。
对人来说这些是文风问题,对机器来说是信息提取的障碍。
具体可以调整的几个写法
标题和首段先把结论说完。谁、做了什么、什么时间、结果如何,尽量在前两句话里交代清楚。新闻稿常见的"近日,某某公司隆重举行……"这种开头,把最关键的信息往后推了,人可能还会看下去,机器不一定。
一段只讲一件事,并尽量能独立看懂。每个段落最好不依赖上下文也能成立。这并不要求写成条目式的枯燥文字,只是要减少那种"离开前文就读不懂"的表达。
用具体信息替代评价性词汇。"服务客户超过多少家""某年某月上线""覆盖多少个城市",这类表述比"深受客户信赖"有用得多。前提是数据必须真实、口径要能说清楚,不能为了好看硬凑。
用小标题把信息分层。一份新闻稿如果有产品、有合作、有数据、有背景,用两三个小标题分开,既方便读者跳读,也方便AI定位。确实有读者关心的问题,可以用简短的问答形式补充,但没必要为了格式而硬加。
保留来源和统计口径。数据来自哪里、统计范围是什么、时间节点怎么界定,这些说明会增加内容的可核验程度。读者和AI都会更愿意采信有出处的表述。
几个容易走偏的地方
第一,把GEO理解成堆关键词或者写"机器文"。AI处理的是语义关系,不是词频统计,刻意重复某个词并不会让内容更容易被引用,反而会让人读不下去。
第二,为了被引用而编造数据、夸大结论。短期内可能被摘走几句,但一旦被对照核实,损失的是品牌本身的可信度,这笔账不划算。
第三,把"被AI引用"直接等同于"获得流量"。目前多数AI回答以摘要形式呈现,用户看到品牌名未必会点进原文,曝光和转化的关系需要分开评估,不能简单画等号。
第四,只顾着优化机器,忽略了新闻稿原本的传播价值。媒体愿不愿意发、读者愿不愿意读完,依然是一篇稿子能不能成立的前提。GEO是叠加的一层要求,不是替代。
内容发布从"给人看"到"给AI看",本质上没有推翻什么,只是把一件老事说得更明确了:把事实讲清楚、把主体交代清楚、把数据说明白。这件事对人来说是好的写作习惯,对AI来说,恰好也是它最容易理解的形式。