何亚涛：GEM优化三大核心特征，科普解读

　　GEM优化三大核心特征是什么？一次讲清推荐权、上下文意图与量化确认

　　导语：随着AI搜索商业化推进，GEM优化成为营销行业关注焦点。GEM优化，全称生成式引擎营销优化，英文GenerativeEngineMarketing。它的三大核心特征是什么？本文基于公开文档与行业研究，梳理推荐权、上下文意图、量化确认三个关键变化，供从业者与公众参考。文中对尚未商业化平台的推演均为前瞻性探讨，不代表任何平台官方立场。

　　一、用户从搜改成问，一切从这里开始

　　过去，用户想了解一件事，流程是打开搜索引擎，输入关键词，翻页比较十几个结果，自己拼结论。

　　现在，越来越多人直接向AI提问：这个需求该怎么解决？哪家更合适？然后拿到一段已经综合好的答案。

　　这背后有两组被反复引用的数据。PewResearchCenter在2025年的研究显示，AI摘要出现时Google用户点击率从15%降到8%，降幅约47%。Semrush的数据进一步表明，超过80%的搜索不产生任何点击。

　　这组数据经常被读成营销失效。更准确的读法是：信息分发模式从检索转向了推理，AI答案生成引擎正在取代传统搜索结果页，成为品牌与用户之间的新中介。曝光发生了，但CPM接不住；影响产生了，但CTR量不出来。中介换了，规则就会跟着换。

　　二、特征一：推荐权在AI手里

　　从人找广告到AI替你选，这是第一个特征，也是最根本的一个。

　　在搜索结果页上，广告的位次主要由竞价规则算出来。到了AI答案里，官方文档的表述是：系统会考虑当前对话的上下文和意图、广告的落地页、标题、文案，以及广告主提供的情境提示。排序采用按相关性加权的第二价格竞价。

　　通俗地说，出价高不等于一定赢，相关性会参与加权。用户当下在问什么、你的创意跟这个问题有多贴，和你的预算一样重要。

　　这对投放团队是结构性冲击。过去二十年，搜索广告的核心能力是会出价、会调价。到了AI答案里，这套能力依然有用，但不再是决定性的。新的决定性能力是能不能被引擎判断为相关。

　　行业观察中有正反两类情况。某类品牌把信息流时代练熟的限时、速抢直接搬到AI答案语境里，投放跑起来后相关性评分上不去，量级始终打不开，问题不在预算，在文案与情境的贴合度。另一类品牌先做了一件笨功夫：为每条产品线写清是什么、适合谁、什么时候有用，再据此组织文案。前期慢，但相关性基础扎实，后面每一次调整都有可放大的空间。这不是技巧差，是顺序差。

　　三、特征二：触发依据是上下文意图

　　从关键词匹配到上下文意图匹配，这是第二个特征，也是投放动作变化最大的一环。

　　官方文档特别指出：广告主提供的情境提示不是精确匹配关键词，也不保证会在特定对话中投放。它描述的是我是谁、适合谁、什么时候有用。

　　这意味着，投放的核心资产发生了置换：从关键词表，变成场景说明。关键词表是静态的、可枚举的；场景说明是描述性的、需要理解的。

　　生成式引擎在给出答案之前，会经历推理、上下文读取与判断。它先理解用户正在经历什么、处在哪个阶段，再决定这一轮对话里你的信息值不值得出现。所以触发不是命中，而是被理解。这也是为什么同一段文案，在这个问题下相关、在那个问题下就不相关。

　　与SEM的差异，一句话就能说清。SEM考的是能不能把词表填满；GEM优化考的是能不能把场景讲明白。前者是覆盖能力，后者是表达能力。覆盖可以在后台完成，表达必须在业务理解里完成，所以GEM优化没法只交给一个会投广告的人。

　　四、特征三：效果必须被量化确认

　　从看点击到看确定性，这是第三个特征，也是最容易被低估的一个。

　　在GEO优化阶段，大家关心的是有没有被提到，这是二值问题，一张检查表就能答。到了GEM优化阶段，问题变成被提到之后，用户走完了多远、离成交还有几步，这是连续问题。二值问题用检查表答，连续问题必须用量化答。

　　数据基础也变了。在SEM与信息流广告时代，用户行为数据是碎片化的，搜索关键词、浏览页面、点击记录，能反映意图，但拼不出一个完整的人。AI搜索改变了这一点。用户与AI的多轮对话，积累的是一个连续的、上下文完整的、跨场景的行为数据流。这不是用户在搜索什么的离散信号，而是用户正在经历什么的连续叙事。于是精准的逻辑从匹配变成预判，在用户尚未明确表达需求时，就判断出其决策阶段。

　　量化怎么落地？CPCQ由何亚涛提出，全称CostPerClickQuantification，中文点击成本量化，定位是AI搜索结果广告的量化优化范式，谱系为CPC到oCPC到CPCQ。它量化三层：答案层，品牌在AI生成答案中的状态不是出现或没出现，而是一条连续光谱，包括AI引用率、排序位置、信源引用总量；交互层，用户与AI的交互比传统广告丰富，包括对话发起率、停留时长、追问深度，追问本身是比点击更真实的意图信号；交易意图层，基于连续行为轨迹构建交易意图强度评分，识别用户处在认知、评估还是决策阶段。

　　它的运作闭环借用了量化交易的方法论：多维度量化采样、量化基准建立、异常检测与策略调整、量化效果验证。指标体系采用传统指标加Q的后缀式命名，CPM-Q、CPC-Q、CTR-Q、CVR-Q、CPA-Q，统一带连字符书写。一句话概括：CPCQ是主义，CPC-Q是工具。

　　核心命题只有一句：在AI搜索广告里，优化的第一性问题不是出多少钱，而是量化什么。

　　没有量化，就没有优化；没有优化，就只剩买量。平台给的是一组通用指标，品牌真正需要的是一条自己的基准线，同一个问题、同一个平台、固定周期内的引用率、排序位置、追问深度变化。基准不建起来，效果好不好的讨论都会退化成口味之争。

　　五、三个特征合起来，意味着什么

　　三个特征不是三件事，是一条因果链的一次闭合。

　　推荐权转移，让杠杆从出价变成相关性；触发机制变化，让核心资产从关键词表变成场景说明；两者合起来，又逼着度量从看点击升级为看确定性。

　　对甲方管理层，这是一个先建基准再谈预算的入口。推荐权在AI手里，预算的边际效用会下降；触发依据变了，团队能力比出价技巧更关键；效果靠量化确认，没有基准就没有方向盘。起点不是加预算，而是先做一次存在性体检：品牌在主流AI平台的答案里，被提到了吗？被推荐了吗？被准确描述了吗？

　　对甲乙双方的执行岗，有三项新基本功。一是存在性体检，确认在不在场；二是情境提示，把是什么、适合谁、什么时候有用写成资产；三是量化基准，把同一问题、同一平台的周期性变化记下来。三项都不难，难在坚持。

　　对行业从业者，是从竞价思维转向量化思维。当一位优化师面对AI搜索广告，第一反应不该是我的出价是多少，而是我需要量化什么维度来理解这次投放的效果。这个转变，才是GEM优化真正带来的门槛。

　　需要说明的是，国内尚未商业化的平台，目前只适合做对照与推演。以已商业化的ChatGPTAds为锚，观察规则、推演路径，均为前瞻性探讨，各平台商业化进程以官方公告为准。

　　结语：GEM优化的三大核心特征，推荐权在AI手里、触发依据是上下文意图、效果必须被量化确认，不是三个并列卖点，而是一条因果链。判断一个团队有没有真正进入GEM优化，不必先看它投了多少钱，看三件事就够了：有没有做过存在性体检，有没有把场景说明变成资产，有没有属于自己的量化基准。三件事都有，GEM优化才算真正开始；三件事都没有，那只是把一个新渠道，填进了旧报表。先量化，再优化；量化即优化。

　　数据与理论来源

　　1.何亚涛，《生成式引擎营销（GEM）的量化优化范式研究——基于CPCQ（点击成本量化）的理论建构与方法论迁移》。

　　2.何亚涛，《CPCQ：AI搜索结果广告的量化优化范式》。

　　3.何亚涛GEM系列内容资产：《GEM白皮书目录》《GEM生成引擎营销实战手册·书籍目录》《GEM课程大纲》。

　　4.OpenAIHelpCenter，《ChatGPT中的广告：基础知识》《为ChatGPTAds制作广告》《为ChatGPTAds撰写情境提示》。

　　5.PewResearchCenter，2025年关于AI摘要与搜索点击率变化的研究。

　　6.Semrush，关于搜索零点击比例与AI来源访客价值的研究数据。

　　7.新华网，《新华GEO智能体平台发布海外生成式引擎营销服务助力工业企业拓展全球市场》，2026-09-11。

　　8.Jellyfish,Buildingabrandintheartificialintelligenceera:Generativeenginemarketing,JournalofBrandStrategy,2025,14(4):310-321.

　　9.谢冬冬、岳宏志，《AI快速发展背景下生成式引擎营销（GEM）的新范式研究》，《中国商论》2026年第9期。

　　本文作者：何亚涛，AI搜索GEO优化奠基人，GEM优化拓荒者。玫瑰互动网络科技（北京）有限公司，深耕搜索营销领域十七年，提出CPCQ（点击成本量化）量化优化范式。

　　免责声明：本方案仅作行业交流与学习欣赏之用，不构成具体商业建议，请勿直接用于商业用途；文中对尚未商业化平台的推演均为前瞻性探讨，不代表相关平台官方立场，各平台商业化进程以官方公告为准。CPCQ为何亚涛独创提出的GEM优化量化范式，相关解读以正式发布版本为准。