AI Marketing Daily · 2026-08-23

今天的 20 条信息有一条共同主线：搜索的分配规则正在被大模型重写。Google AI Overviews 让信息类查询的自然点击最多下滑 47%，欧盟 AI Act 第 50 条透明度条款又在 8 月 2 日生效。GEO（生成式引擎优化）断开了点击、排名与流量的旧等式，换来引用、信任与合规的新等式。营销人要问的不再是我排第几，而是我的品牌还被 AI 记住吗。下面按五类拆开，每条附一句能落地的动作。

🎯 今日头条

7 AI Marketing Trends for 2026：一份能把趋势转成动作表的年度报告

2026 年营销圈发生了一个身份变化：AI 从可选的工具变成了默认的基建。Improvado 这份七章报告给出了能对号的证据链。Google AI Overviews（原 SGE）如今出现在约 15% 的搜索请求里，信息类查询的自然点击率平均下降 18%，最高到 47%。Gartner 的判断更直接：生成式搜索成为默认行为后，网站自然流量可能跌去一半。同一时期，AI 搜索的流量同比增长 527%，从 AI 推荐过来的访客互动价值是普通自然流量的 4.4 倍，跳出率还低 27%。零点击悖论坐实了：80% 的用户嘴上说不信 AI 答案，实际却有相当比例的人止步于摘要，平均只读完前三分之一就把问题解决了。

七条趋势从这里展开。第一条是 AEO（答案引擎优化）接替传统 SEO，优化目标从排名改为被引用，战术是可引用结构、多模态信号、语义聚类和一手数据。第二条是 AI 辅助决策升格为预算主场，agentic AI 拿着战略目标（金融垂类 500 个 MQL、CPA 低于 150 美元）就能自主走完找人群、出创意、投放、A/B 测试、移交给销售的全流程，Google PMax 和 Meta Advantage+ 已经能把中间几步自己跑完。其余五条分别是 AI-free 定位、会话式助手、面向机器客户、多模态和 AI 伦理治理，其中 Gartner 预测 2030 年至少四分之一消费由机器委托。

真正值钱的不是观点，是决策工具：按行业给的流量损失计算器、按预算费率排的投入分配表、按就绪度与紧迫性画的优先级矩阵，外加 5 步偏差事件预案。预算分配的数字最刺眼：决策与归因占 28%，内容与 AEO 占 22%，对话式 18%，多模态 15%，治理只分到 3%。作者的判断是，从内容工具挪出 5 到 7 个百分点去补治理，否则 AI 生成的内容会在没有护栏的情况下灌满全渠道。

变化是岗位级的。SEO 团队的考核要从排名改成引用率；内容团队要学会写可被摘引的结构而不是漂亮长句；预算决策要从月度复盘改成小时级监控加策略师设护栏；治理职能不能再是兼职。落地窗口按季度算：拿报告里的流量损失公式，把 Search Console 里前 100 个落地页按信息、导航、交易三类算一遍暴露面；把预算表里内容工具的份额挪出一部分给治理，再挑一个轻量 agent 试点，用真实转化验证后再推广。AEO 与 AI 辅助决策这对低门槛组合，就是默认起点。

我的判断：这是 20 条里信息密度最高、最值得整篇读完的一篇。两个保留。一是报告带着自身产品推广，内部的客户案例引用时要回到原始出处。二是七条放在一起排是冲突的，AI-free 与其余六条互斥，机器客户与销售互斥，团队只能按自身定位挑两条搭。一年后快的组织让 AI 处理七成常规决策，慢的组织手里还是几只孤立的聊天机器人。

🔗 深入阅读：查看完整文章

🏷 搜索变革：GEO 与 AI 搜索

GEO 的操作系统：CrafterCMS 的层层拆解

CrafterCMS 把 GEO 从口号拆成了引擎原理。生成式引擎靠两条管线吃饭：预训练（Common Crawl、维基、论文语料）和 RAG 实时检索，后者靠 embedding 向量做相似度选块，理解的是语义而不是关键词。文章反复强调：可抓取不等于可消费。LLM 喜欢干净 HTML、清晰的 H1 到 H3 层级、低噪声版式，讨厌营销废话和弹窗堆。执行层给得很细：schema.org（FAQPage、Article）标记、可独立摘引的内容块、FAQ 和步骤式格式；技术侧放行 AI 爬虫（ChatGPT 和 PerplexityBot 这类），别依赖 JS 渲染，sitemap 保持新鲜。作者也承认 GEO 缺少统一度量标准，幻觉误引与流量被 AI 吸收的问题都摆在桌面上。

💬 怎么用：给技术团队一张清单：把 robots.txt 里误拦 AI 爬虫的规则放行，核心内容改成服务端渲染，这两步半天做完。内容侧先拿 10 篇高流量 how-to 文做 FAQ 和步骤结构化，一个月看一次 AI 引用率，别等大改版。

🔗 深入阅读：查看完整文章

Contentful 的 SEO 到 GEO 实操：KPI 迁移是第一件事

Contentful 把 Vercel、Apply Digital 两家的实战凑成一场复盘，数据权重很重。Vercel 的 Alex Hawley 给出两个数字：AI 爬虫已占 Googlebot 请求的约 20%，Vercel 自身 10% 的新注册来自 ChatGPT。衡量端，团队把 KPI 从流量迁到转化、深层管道指标与 AI 可见度三者。GEO 六支柱：E-E-A-T 好内容、SSR 预渲染的结构化内容、结构化数据完整、追踪转化与可见度、敏捷迭代、跨渠道品牌一致。两个前瞻值得摘：MCP（模型上下文协议）会让 AI 把网站当数据库实时调取，先接入的占优；头部媒体已经在付费让自己的内容被定向收录。

💬 实战点评：向老板汇报 GEO 前，先备两张图，一张分行业流量损失图，一张 AI 来的转化和语义份额图。与其讲威胁，不如讲新通道。本周把分析平台加一个来源标签，接下来每月给 GEO 记一笔账，三个季度后就是一条能打的曲线。

🔗 深入阅读：查看完整文章

GEO 改写搜索：a16z 的投资视角

Andreessen Horowitz 这篇把搜索的重置讲透了：访问入口从浏览器搬到 LLM 平台，苹果把 Perplexity 和 Claude 内置进 Safari，Google 的分发垄断头一回被撬动。传统 SEO 靠链接收割点击，GEO 靠被引用和品牌记忆分胜负。数据侧：AI 原生查询平均 23 词，会话约 6 分钟；模型厂商按订阅收费，缺乏外链内容的冲量动机，于是谁能出现在模型答案里随风向变了算数。a16z 点名了新兴 GEO 监控工具和 Canada Goose 的案例，老牌 Semrush、Ahrefs 也在跟进 AI 可见度。收尾的判断有意思：GEO 的赢家会握着模型记忆、反馈闭环加点击流，成为品牌与 LLM 交互的系统底层。

💬 这条能直接止住团队里该不该做的争论：值得，是赛道级的机会。本周把监测在预算表上开一格，先量品牌在模型答案里的提及率，跑四周的基线。策略是先建监测当防御，引用规则更稳定再提高预算。

🔗 深入阅读：查看完整文章

Campaign Creators 的 GEO 五步法

这篇胜在五步好落地。第一步让 AI 读懂你的网站：补 schema 标记和 rich media 标签，从可抓取变成可理解。第二步内容权威：专家级深度内容加可信外链。第三步 Prompt 审计：把核心问题输入 ChatGPT 和 Gemini，看品牌没被点名，短板一目了然，缺位处反向补内容。第四步视觉：alt 文本写具体，例如在街角咖啡馆捧热咖啡的女生，让 Google Lens 类视觉检索可懂。第五步元数据与 FAQ，把 FAQPage、Article 的 schema 钉在发布流程里。60% 的零点击率是背板，算法演进、实施成本、技能缺口三道坎作者也如实列了。对照五步自查，多数团队卡在第一步的 schema 与 alt 这类底层改造上，起跑线并不高。

💬 五步里价格最低的改善空间选 Prompt 审计。每月第一周固定半天，把 20 个核心问题问三个平台，截图记录品牌出现次数，下月目标就是多两次。一个人就能跑，不用开发排期。

🔗 深入阅读：查看完整文章

Altudo 的 SMART 框架：把 GEO 拆成五件可验收的事

Altudo 创造的 SMART 把 GEO 工程化。S 是结构：schema 标记（FAQ、HowTo、Article）+ 语义化标题层级 + 短段落；M 是监控：定期测试品牌在 Google 和 Perplexity 里的出现率与竞对引用；A 是作者权威：写 E-E-A-T 高可信内容，引用学术和行业报告，做一手数据，保持内容新鲜；R 是响应：按 LLM 的总结习惯做对比表和摘要执行总结；T 是测试：跟踪算法更新做 A/B。一文引用 Bain 的估计，不适应 AI 搜索趋势的品牌，有机流量和线索可能损失 15% 到 25%。丢了这一大块，谁还敢说 GEO 还能缓两年。数字一摆，优先级立刻排位：结构先行、监控跟上，钱先花在可验收的这两件事上。

💬 这个框架的价值是把每一个字母都对应到验收动作。M 按周跑，A/B 按季度，第三方权威引用设为发布前必问项。预算紧的时候先补两张表：TL;DR 和对比表，这是杠杆最大的一步。

🔗 深入阅读：查看完整文章

SEO Tuners：给 AI 引用做一次系统性体检

SEO Tuners 的流程最像体检单。第一步可见度差距审计：把核心问题在 ChatGPT、Perplexity、Gemini、AI Overviews 之间逐条测，记录自己的品牌有没有出现；再对着 Search Console 排不足，缺 schema、缺作者名、段落太长，全部是摘不出去的原因。随后七条优化排队：意图、结构化、E-E-A-T 信任、对话式语言、schema 数据、监测、算法跟进。收尾的理论特别实：GEO 是压在 SEO 上的加层，增的是引用率，动的不是点击红利，两者是叠加的关系。投入因此分层：先把 SEO 底盘补牢，再加 GEO 引用层，每层都有验收节点。这套体量不大，一个人用一张表就能跑，按周记下被引次数和缺失语境，三个月后趋势自然浮现。

💬 体检花钱前先做免费部分：每周测 10 组问题，每月 50 组，把被引用率塞进内容看板当指标。GEO 的第一步从来是看见自己站在哪。

🔗 深入阅读：查看完整文章

🏷 政策与合规

EU AI Act 的社媒指南：8 月 2 日起，这些内容必须标注

Walls.io 把 8 月 2 日生效的 EU AI Act 第 50 条拆成社媒团队能对号入座的决策树。先划范围：义务主体是部署方，也就是品牌、代理和营销团队，不是造模型的厂商。绝大多数日常工作都在豁免区：AI 起草的文案经人工实质性编审可免除，写明白编辑的作用、修背景、翻译、裁剪属于辅助功能，明显插画的风格不用标。必须显性标注的是四类：逼真照片级的 AI 人物、语音克隆、真实产品放进照片级假场景、AI 聊天机器人，而且标注要让人看得见听得到，机器可读的水印不算数。平台自带的检测和自动标签只能当辅助，平台之间判定不一、元数据在跨平台传播时丢失，是每天都在发生的现实。UGC 聚合场景最微妙：粉丝生成的 AI 图带了你的活动标签，被你的社媒墙展示出来，责任不会因为开关方不同就消失，谁放出来谁把关。

💬 先把过去半年在用的 AI 素材过一遍清单：模特图、克隆语音、合成场景逐个核对是不是照片级逼真。发布前加一道选择题：这画面会不会让人当成真人真景，会就打上 AI 生成字样，拿不准也标。标注成本极低，反而赚信任。

🔗 深入阅读：查看完整文章

GDPR 在营销团队的完整操作手册

geo-tool 给的是一整套，不是一个提醒。开篇数据足够吓人：80% 以上的营销管理者在用 AI，但过半数对数据治理没有信心，违规最高可以罚到全球营收的 4%。框架分四层。治理层：设 AI 合规负责人、一个白名单、禁止把个人数据写进提示词的规则、全员培训。DPIA 层：描述处理、必要性论证、风险识别、缓解措施四步走，高风险画像和自动决策必须做 DPIA。工具层：内容生成不吃 PII、预测统计做偏差审计、聊天机器人显性 AI 标识加最小化留存。供应商层：DPA 是义务载体，合同里写清数据存储位置、ISO 27001 证书、72 小时泄露通报时限和审计权。技术层留了匿名化、假名化和合成数据三个备选。

💬 开销最小的起步动作是暂停一个 AI 工具，花半天走一遍 DPIA，你马上能看到 PII 是从哪条缝流进模型的。GDPR 不是一次性能交掉的，把 DPA 模板收紧一轮，供应商清单逐年过一遍，就算养成了。

🔗 深入阅读：查看完整文章

欧洲内容的版权与标注：第一批踩坑提醒

Tracking Garden 这篇补了两块容易被忽略的盲区。第一块是版权，德国法下纯 AI 生成的内容一般不受版权保护，谁都可以拿去复用，只有显著的人类加工才产生作品权利。这意味着把整段 AI 生成物当成独占内容发布，等于把自己的素材库对外敞开；第二块是 GDPR，AI 生成物仍属个人数据处理的延伸，欧盟数据传输规则和 EU-US Data Privacy Framework 照常适用，训练使用的客户数据仍在管。文末给了五条自查：清点 AI 使用范围、建立标注与留痕流程、培训员工与代理商、供应商合规性复查、全年跟踪 AI 法案、GDPR 与 Data Act 的变化。

💬 面向欧洲在售的品牌，给生产管线加一条日志：谁、用的什么模型、改了多少轮，全程留痕。这一条既是为版权做个公证，也是在为审计准备材料。纯 AI 素材按公开对待，有显著人类创作的内容才主张独占，别以为外包就能把标注义务转出去。

🔗 深入阅读：查看完整文章

🏷 行业数据与调研

采用率 91%，能证明 ROI 的只有 41%

Konabayev 把 2026 年各口径的营销 AI 数据收成一个大表。采用侧一片火热：Jasper 对 1,400 名营销人的调研，使用率从 2025 年的 63% 涨到 91%；Canva 给出 97% 的日活使用比例。转折出在 ROI 上：能证明 AI 回报的只有 41%，反而比上一年的 49% 低，用量涨速远快于衡量配套。工作效率侧，ZoomInfo 用户报告因 AI 提效 44%、每周省 11 个小时。用例排行 Gartner 的排序是创意开发 77%、策略制定 48%、活动评估 47%，Salesforce 统计到 75% 的 PPC 从业者用 GenAI 写广告。治理侧：65% 的团队设有 AI 相关岗位，但消费者信任在掉，2023 年的 58% 滑到 42%。Agent 成熟度明显偏早：62% 的组织在实验，规模化的仅 23%。

💬 91 对 41 的差，正好是给 AI 花钱要证明的开始。用不上和用对了之间隔的是一套计量表，先给每个 AI 工具立一个 ROI 看板，一个工具一个渐变验证，整个行业小一半的差距就是这么筛出来的。

🔗 深入阅读：查看完整文章

353 位一线从业者的答案：AI 在审稿，但是没接管起草

Siege Media 的问卷改变了内容营销的几个反直觉点。AI 使用率冲到 97%，纯 AI 生成却只有 1%。同样反直觉的是分工迁移：用 AI 起草的比例从 57% 下降到 44%，编辑用途从 19% 升到 38%，头脑风暴从 72% 降到 61%。也就是说，随着大模型的普及，AI 反而主动从起草这个位置让出来，主力变成研究、灵感和编辑。模型信任在迁移：ChatGPT 仍是首选 80%，可靠认可度 Claude 从 28% 涨到 55%，Gemini 从 16% 到 44%。新指标上，团队开始每个月给监测品牌在 AI 搜索表现的监控工具加预算（月付多在 100 到 500 美元之间），Semrush 预测 2028 年 AI 搜索流量将超过传统流量。预算上把 75% 以上内容外包的公司比例从 5% 跳到 21%。

💬 这张表给内容团队的行动是分工，不是站位。起草权还给人类，AI 去做研究和编辑，用省下的人力做自有数据和品牌内容。Claude 信任度上升是给多模型并行团队的提醒，同任务双系统跑一版对比，比单押一家划算。

🔗 深入阅读：查看完整文章

AI 影响者基准：互动率赢了真人，购买意愿却输了

Influencer Marketing Hub 用 500 份资深问卷加学术对照，把 AI 影响者一层层剥开。采用 63% 计划在影响者营销用 AI，48.7% 的人已在日常使用，最需要落地的是 NLP。效果数字两极分化：AI 虚拟人互动率 2.84%，比真人 1.72% 高出 65%，但消费意愿反转，真人 31% 比虚拟人 20%。接近一半的受访者把真实性排在购买意愿判定的第一位，产品与影响者匹配度是同日加成的最强因子。数据同时提示，AI 虚拟人受众 65% 以上是女性、年龄更小，地域集中在美国、日本、英国、巴西、韩国。

💬 这个市场是对的：虚拟影响者适合做互动，不适合直接扛转化；转化组继续用真人加高匹配组合。想进场就按两段走，前两个月虚拟人冲互动做话题，成交数据回看对比，再定预算分配。

🔗 深入阅读：查看完整文章

🏷 大模型动态与产品发布

1 月周报：OpenAI 试水广告，Anthropic 发布 Cowork

AI Marketers 周刊 1 月这一期的条线特别密。OpenAI 对美国免费版与 Go 版测试广告，同步推出月费 8 美元的 ChatGPT Go，官方口径是广告不影响答案、与内容清晰分隔并标注；苹果宣布用 Google Gemini 支撑未来的 Apple Foundation Model，合作在年份内开始；Anthropic 发布 Cowork，让非工程师身份的从业者也能用上 Claude；ChatGPT Translate 上线，覆盖 50 多种语言、支持图片和语音输入。Gemini 的 Personal Intelligence beta 能调用 Gmail 等应用数据定制回应，隐私提示要跟上。同期的行业信号：Microsoft 发布了 AEO/GEO 官方指南，自媒体对 2025 年 AEO 效果的调查里 97% 的受访者反馈正向。

💬 OpenAI 广告化是商业模式的一次转向，值得记进台历。但当下最值得动手的是花一天试跑 ChatGPT Translate，把多语言素材的生成成本压一压。Cowork 这类低代码化工具，适合让运营团队拿一个小流程先试点，别一上来铺满全公司。

🔗 深入阅读：查看完整文章

3 月周报：Nano Banana 2、Perplexity Computer 与 Copilot 防线更新

这一周最值得记住的是三个产品信号。Google 发布图像生成模型 Nano Banana 2（Gemini 3.1 Flash Image），把此前需要分钟级等待的图像生成拉到秒级，直接合成进 Gemini 与搜索；Microsoft 给 Copilot 加了一道防线，拦掉经由文档或页面注入到总结里、诱导点击的推荐毒；Perplexity 发布 Computer，一个能推理、搜索、写代码的浏览器动作引擎。数据这一侧同样硬：LLM 引荐流量目前不到总引荐的 2%，但环比增长很快、转化率约 18%；Bing AI Answers 里被引用的页面，有 98% 因为质量不足连 Google 都没有收录；Onely 用 768 万条引用跑出类型分布，比较型列表占 32.5%、带数据表的指南引用率 67%、FAQ schema 让被 AI 引用可能性直接乘 3.2 倍。

💬 这周最值得拿走的是 Onely 那组类型引用数据，直接灌进内容立项，把预算向比较列表和数据指南倾斜。98% 的 Bing 缺口提醒我们别只在 Google 一套系统里思考，两条 AI 检索路径组在一起，才能真正吃满分发红利。

🔗 深入阅读：查看完整文章

🏷 营销策略与电商

B2B 案例拆解：解决问题的起点是定位，不是投放预算

Column Five 从 15 场 B2B 营销里立起一个规律：赢家解决的是定位问题，不是预算问题。Blend 从零搭关键词集群，未提品牌的词获得了 50 多个排名，站内流量涨了 183%；VideoAmp 把专有行为数据做成月刊报告，成了可持续的内容厂牌；HackerOne 把黑客这个采购顾虑重新定义为 Cyberstrength 卖点；SAP 用科幻播客拿到年度内容营销项目奖。更值得琢磨的是文里那个结尾数据：84% 的企业 B2B 买家已经在用 AI 工具做选型，一年前只有 24%。这就意味着，你的案例如果没有结构化、没有在线上顺手可查，在 AI 做推荐的那个瞬间就已经输了。

💬 B2B 团队给自己三十天的修复期：把官网里最赚钱的三个客户故事，改写成带数据、按行业拆、方便 AI 检索的案例长页。84% 的选型路径都在 AI 手里，你的案例就是你的产品页，不发就等于不存在。

🔗 深入阅读：查看完整文章

虚拟影响者：236 亿美元市场里的数字名人

Praella 从电商角度盘了一遍 AI 虚拟影响者。市场盘子：影响者营销 2025 年规模 236 亿美元、年增 17%，AI 虚拟人的互动率大约是真人的 1.48 倍，74% 的消费者会因为影响者推荐而购买。代表案例是谁都能叫上名字的几位：Magazine Luiza 的 Lu do Magalu（Instagram 上 780 万粉）、和 Prada、Calvin Klein 联名的 Lil Miquela、时尚界的 Shudu 以及 TikTok 上做每日推荐内容的账号角色。用法集中在数字品牌大使、新品发布造势、跨渠道联动和针对不同市场的本地化改编。作者同时把风险写明白了：真实性、透明度与监管，EU AI Act 之下，一个不标注的虚拟人账号本身就是隐患。

💬 电商试水的成本最低路径是做一个数字大使，账号简介里清清楚楚写我是 AI，用它做新品预热和跨渠道联动，先在一个渠道验证互动表现。虚拟影响者负责把目光接住，真人才负责把成交接住，两路配比先小规模测再扩。

🔗 深入阅读：查看完整文章

Info-Tech 整合营销：GenAI 是流水线，不是内容搬运

Info-Tech Research Group 的指南把 GenAI 放进整体的整合数字营销框架：内容自动生成上传（博客、社交、商品描述、邮件）、品牌语调保持一致的能力、以及从海量行为数据里做精准人群定向和个性化。它的判断里 ROI 的落点是数据驱动的内容个性化和受众细分，这个部分的增长比单点工具更接近业务目标。落地困难也点名了：用不用开源方案的纠结、治理责任边界不清、价值定位讲不明白。建议是围绕 business-aligned value outcomes 组织项目，而不是围绕某个功能。

💬 落地这条指南的最小单元是一条业务线：选定一个产品线，让 AI 同时搞定它的内容产出和人群定向，用三个月跑一个对比组，验证 ROI 再横向铺开。有界的试点起步，比全公司铺开验证得更快。

🔗 深入阅读：查看完整文章

电商 AI 的实际用例：文案、图像、推荐与设计

Lengow 把生成式 AI 在电商的落地压成四个块。第一个是文案与消息，用 NLG 自动生成商品描述、标题、邮件主题，代表是 Phrasee、eBay。第二个是图和广告素材，用文生图把同一产品素材批量生成多版广告创意，Heinz 与 Nestlé 都把 AI 用在这一环。第三个是个性化，用点击与购买流训练出的推荐模型生成单品，Stitch Fix 与 Amazon 的做法是招牌，Amazon 有 35% 的购买来自推荐。第四个是生成式设计，New Balance 用 AI 出鞋片。市场预期给到 2030 年生成式 AI 市场 1108 亿美元，想要在头部赛道全打包的都会看。

💬 电商的 AI 落地可以复制三步：先做商品的文案批量生成加一道人工审，把爆品做一条线上的 ROAS 看板；再上推荐模型的迭代，用转化率指标每月调一次；最后一跑道才是图像的素材工厂。增长落在每一个单元都可量化之前，别听厂商画饼。

🔗 深入阅读：查看完整文章

客户旅程重写：从静态地图到活数据的三个动作

CMSWire 把客户旅程讲清楚了：静态地图在 AI 时代已经成了后视镜。三个变化最实用：实时个性化路径，Netflix 靠实时行为流调推荐、Starbucks 用个性化结合库存来定建议；预测式 CX，医疗服务提前盯住可能会放了鸽子的人、金融业预测流失并把挽留方案推到前台；旅程自动化，AP 的财报内容产量扩大约 15 倍，Bank of America 的语音助手一年处理超 1000 万次请求。技术栈上 Salesforce 的 Agentforce、HubSpot 的 Breeze 都往 prompt 式智能体演化，Snowflake 这类承担数据层。三大落地障碍也被梳理了：数据实时性（靠 API、CDP）、隐私（加密、合规工具）、偏见（多样化训练数据加可解释机制）。

💬 这一课的起点是个小项目：选你所在行业里最慢的旅程一段，把数据源接进 CDP，跑一次预测窗口看看到底能不能抢在用户走之前伸手。比起培训一堆新的旅程画布，不如先把传感器布好。

🔗 深入阅读：查看完整文章

💡 今日总览

把今天的 20 条连起来看，主线清晰得可以写进一份季度计划。搜索被重写的速度比大多数人预期的快：Google 的自然流量在 AI Overviews 压制下掉了最多 47%，而 AI 搜索流量一年长 5 倍多，头部平台把 AI 搬进系统级入口。内容的分发被 AI 引用重塑，GEO 从理念变成了本周级别就能落地的工程。同一条新闻池子里，合规的枷锁同步在下沉：EU AI Act 已经生效、GDPR 与版权细则都在收口，营销主管明年手里如果有 20 条热点，至少三分之一是合规相关的。

给营销团队的行动或许只有一条：停止等趋势自己验证，而是把它拆成两个开关。第一开关是把被 AI 引用这件事变成可计量的日常工程，第二开关是把所有的生成式内容加上合规的口沿。今天 20 条背后，谁先跑通测量、治理、落地这几个前置条件，谁就能在模型记住的时代先行拿到超额增益。按周把这两条主线各过一遍检查清单，会比追赶新鲜感更接近结果。