GEO實戰(AI時代的增長密碼)

龐文英 杜智濤

GEO實戰(AI時代的增長密碼)

相關主題

商品描述

本書立足AI時代背景，提出從流量思維到增長思維的認知升級，圍繞企業增長全鏈路，精準解決AI時代企業面臨的五大核心問題，形成“認知—執行—覆盤—落地”的完整解決方案，助力企業爭奪AI長期調用權，實現可持續增長。 本書面向AI時代有增長需求的企業決策者、一線運營從業者以及行業學習者，既有專業的理論框架，又有通俗的實操步驟，兼顧專業讀者與企業全員學習需求。 本書適合AI時代關註增長轉型的企業決策者，如創始人、CEO、市場負責人及品牌負責人閱讀；也適合市場、公關、內容、產品運營、增長運營及銷售轉化等一線團隊作為實操參考；同時適合正在學習GEO、AI搜索優化、品牌增長和數字化營銷轉型的行業從業者與研究者閱讀。

作者簡介

杜智濤，中國社會科學院大學媒體學院副教授，碩士生導師，管理科學與工程專業搏士、情報學博士後，畢業於武漢大學信息管理學院。北京大學互聯網發展研究中心兼職研究員。研究方向為新媒體與網絡傳播、知識傳播、競爭情報。在核心期刊發表論文40餘篇，出版專著兩部。先後主持國家、省部級科研項目十餘項。

目錄大綱

第1篇 認知升級：從流量思維到增長思維
第1章 從流量到增長：為什麼獲得AI流量還不夠
1.1 傳統流量紅利見頂與AI搜索的崛起
1.2 流量與增長的根本區別：“被看見”對比“被信任”
1.3 企業真正要爭奪的，是AI長期調用權
第2章 GEO增長方法論：從GUIDE到GAINS的升級
2.1 什麼是GEO增長：從被推薦到建立決策優勢與行動入口
2.2 從GUIDE到GAINS：GEO方法論的階段升級
2.3 GEO增長解決的根本問題：從“被推薦”到“被信任”
2.4 GEO增長的結果鏈路：從AI調用到業務結果
2.5 GAINS模型的五個經營模塊
2.6 GEO經營閉環：GAINS如何驅動增長循環
第2篇 GAINS之I：知識註入——讓企業知識進入AI可調用體系
第3章 知識註入：從內容發布到信源建設——企業如何構建AI時代的知識基礎設施
3.1 什麼是“知識註入”
3.2 為什麼很多企業建設了內容卻沒被AI調用
3.3 AI如何決定“誰值得被長期調用”
3.4 企業知識進入AI“事實層”的五步流程
3.5 轉化型知識註入：從理解到被行動
第4章 站長視角：如何把網站做成知識註入與信源建設陣地
4.1 網站為什麼仍然是知識註入的核心陣地
4.2 所有網站都要完成的知識基礎工程
4.3 交易型網站：打造可覆制的知識註入體系
第5章 平臺與信源協同：品牌方如何借助平臺完成知識註入
5.1 知識註入、內容發布與信源建設的本質區別
5.2 支持知識註入的平臺類型
5.3 信源分層：品牌如何構建AI可信來源體系
5.4 權威語料合作實戰：品牌知識如何規範入庫
5.5 品牌方如何選擇：註入、發布與信源建設的組合策略
5.6 品牌方平臺註入與信源建設的常見錯誤
5.7 平臺註入與信源協同實戰清單
第6章 語料經營
6.1 為什麼企業必須經營自己的語料資產
6.2 什麼是可長期調用的知識資產
6.3 哪些內容最值得先做成語料
6.4 可長期調用，也要可持續轉化
6.5 高質量語料的基本要求
6.6 企業建設語料資產的主要路徑
6.7 語料經營中的常見誤區
6.8 語料資產的組織保障與效果衡量
第3篇 GAINS之A：測評閉環——數據驅動的增長引擎
第7章 測評閉環——為什麼GEO必須建立監測與反饋機制
7.1 沒有測評，就沒有增長閉環
7.2 企業真正要測的，不是曝光，而是認知結果
7.3 為什麼“被提及”不等於“被推薦”
7.4 企業做測評最容易犯的五類錯誤
第8章 測評系統搭建的經營邏輯
8.1 監測主體與提示詞設計
8.2 用戶意圖如何分層
8.3 競品與模型怎麼設
8.4 測評頻率與資源投入建議
8.5 測評搭建中的常見誤區
8.6 理解平臺排序邏輯：測評之外的算法素養
8.7 多輪決策測評：從首輪曝光到最終保留
第9章 測評看板：企業最關註的核心指標
9.1 可見率、推薦率、位次與平均排名怎麼看
9.2 趨勢、風險和建議如何解讀
9.3 引用來源分析：AI到底在信誰
9.4 AI品牌認知畫像：品牌在AI眼中到底是誰
9.5 看板解讀中的常見誤判
第4篇 GAINS之G/N/S：增長機會識別、認知修覆與結果轉化
第10章 增長機會識別：用數據發現高價值轉化機會
10.1 讀懂測評數據：識別結果背後的業務信號
10.2 挖掘增長機會：從問題池到機會漏鬥
10.3 從測評結論到優化動作：形成可執行的改進方案
10.4 形成增長機會清單：明確資源優先級與投入順序
10.5 GEO健康度評分模型：長期跟蹤與趨勢判斷
第11章 認知修覆的第一步：AI時代的輿情診斷與新挑戰
11.1 AI時代的輿情，已經不只是負面新聞
11.2 為什麼AI時代的輿情更容易失控
11.3 AI時代最常見的五類輿情問題
11.4 AI輿情會怎樣持久傷害企業
11.5 合規風險：GEO中最容易被忽視的“隱性輿情”
第12章 認知修覆的核心閉環：從輿情處理到認知修正
12.1 輿情發現：哪些問題要優先處理
12.2 輿情分級：什麼是高風險，什麼是中風險
12.3 內容糾偏：定義、邊界、事實與案例怎麼補充
12.4 平臺糾偏：官網、平臺、媒體如何協同修正
12.5 從輿情應對到認知修覆閉環
12.6 合規驅動的認知修覆：從“不說錯”到“說對且合規”
12.7 閉環實踐樣本：某企業“AI+人工”協同的行業認知修覆體系
第13章 GEO結果轉化：從行動入口到經營結果
13.1 結果轉化的經營邊界：把認知優勢接入行動與結果
13.2 從AI推薦到經營結果的鏈路與診斷
13.3 行動入口設計與平臺適配：把高意圖用戶順暢接住
13.4 不同業務類型的GEO轉化路徑
13.5 指令型轉化：優化AI側的“行動話術”
13.6 指標、協同與準備度判斷
13.7 歸因與回灌：用轉化結果反向優化GAINS全鏈路
第5篇 GAINS落地篇：從資產審計到經營機制
第14章 GEO

類似商品

最後瀏覽商品 (1)