当品牌开始重视GEO,新闻稿发布的策略也在变

?

当品牌开始重视GEO,新闻稿发布的策略也在变

过去企业发新闻稿,目标很直接:把稿件发出去、拿到收录、截图汇报。但这两年,不少市场负责人开始问另一个问题——客户现在不怎么搜百度了,直接去问AI,那AI回答里会不会提到我们?提到得对不对?

这个问题背后就是GEO。而新闻稿这件看起来“很传统”的事,正因为GEO被重新审视。

当品牌开始重视GEO,新闻稿发布的策略也在变

GEO优化的到底是什么

GEO是Generative Engine Optimization的缩写,通常译作“生成式引擎优化”。它关注的不是网页在搜索结果里排第几,而是当用户向AI助手提一个和你的行业、产品相关的问题时,AI会不会提到你、怎么描述你、依据的是哪些信息。

和SEO相比,目标变了:SEO争的是一个位置,GEO争的是一种“被理解、被引用”的状态。用户看到的往往不是链接列表,而是一段整合好的答案,品牌可能在里面,也可能完全不在。

需要说清楚的是,各家AI平台的检索、筛选和引用机制并不公开,彼此也不一样。目前行业里讲的方法多是实践经验的总结,而不是确定的算法规则。任何声称“保证被AI推荐”的说法,都值得打个问号。

为什么新闻稿被重新看重

AI生成答案时会参考网络上可获取的公开信息。这类信息里,什么样的内容更“好用”?大体有几个特征:主体明确(说的是哪家公司)、事实具体(时间、事件、产品、服务范围)、表述规范、能被核实。

新闻稿恰好符合这些特点。它本身就是围绕一个明确主体陈述可核实事实的文体,而且会通过多个媒体渠道扩散到不同网站上,对企业来说相对可控,也可以主动生产。

但这不等于“发了新闻稿就会被AI引用”。发出去、被收录、被引用、被正确描述,是四件不同的事,中间没有必然的因果关系。

策略上真正变了的地方

选题从“我们做了什么”转向“客户在问什么”。以前稿件的标准开头是“某月某日,某某公司在北京举办……”。这类通稿对曝光有用,但很难回答用户的具体问题。现在更有效的做法,是围绕客户真实会问的问题组织内容:这类服务怎么选、价格受什么影响、不同方案的差别在哪里。企业自己的做法可以作为案例放进去,但主体要先回答问题。

表达从形容词转向事实。“行业领先”“全新升级”这类词,人看了没有感觉,机器也提取不出信息。换成具体的:服务哪些行业、覆盖多少城市、交付周期多长、有哪些资质。不是不能有品牌描述,而是描述要能被拆解成可以理解的事实。

从铺量转向信源质量与一致性。在SEO时代,多在一些网站发布稿件多少有点用。放到GEO的语境里,几百个内容雷同的低质页面,价值可能不如十几个表述规范、审核严格、能被正常抓取的媒体页面。更关键的是“一致性”——同一家公司在不同网站上,名称写法是否统一、主营业务描述是否一致、成立时间和所在地有没有互相矛盾。信息越一致,越容易形成一个清晰的品牌实体。

从单次发布转向持续积累。AI对品牌的“印象”来自长期可获取的信息总量。一年发一次大稿,和每季度稳定输出几篇有价值的内容,效果完全不同。

效果衡量也要改。以前看收录量、转载数、外链。现在还得多做一件事:在几个主流AI助手里用固定的问题测试,看回答里有没有提到品牌、描述是否准确。这给不出精确分数,但能发现问题。

可以马上着手的几件事

  • 整理一份“品牌事实清单”:公司全称和简称、成立时间、所在地、主营业务一句话、主要服务对象、代表性产品或服务、常见问题清单。对外表述统一用这一份。
  • 调整稿件结构:开头一段直接回答核心问题;中间用小标题分段,每段讲清一件事;结论写明,不用模糊表述;术语前后统一。
  • 做选题排期:从销售和客服那里收集客户真实提问,把高频问题排成季度选题,而不是等有活动才写稿。
  • 渠道上优先考虑有编辑审核、内容能被正常访问和抓取的媒体,避免纯批量分发的低质站点。数量适度即可,不必追求“几百家”。
  • 建立监测习惯:每月固定时间在几个AI助手里问同样的问题,记录回答变化,发现错误描述及时用新稿件纠正。

几个容易踩的坑

一是把GEO当成新的流量渠道来考核,要求“这个月必须出现在AI回答里”。这件事没有可控的交付周期,把它当成长期的信息建设更现实。

二是轻信“包上AI推荐”“保证进入答案”的服务承诺。机制不公开,没人能保证。

三是只在需要时才发稿,平时完全没有信息输出。AI能参考的内容太少,自然很难形成清晰印象。

四是忽略错误信息。网上长期存在的过时描述,AI可能会照单全收,定期检查比事后补救省力得多。

新闻稿的写法其实没变得多玄乎:说清楚是谁、做了什么、对谁有用。变的只是它服务的对象——以前是搜索引擎和读者,现在还多了一个会读、会总结、会转述的AI。把事实讲清楚、把信息维护一致,这两件事无论规则怎么变,都还是基础。