GEM优化专访|当广告位从搜索结果页搬进AI回答里:GEM优化是什么, 为什么它是AI搜索广告的下一个必争之地
目录
一、先说结论
二、Q1｜GEM优化到底是什么？跟以前的广告有什么不一样？
三、Q2｜为什么说现在是窗口期？
四、Q3｜AI搜索广告，到底在"优化"什么？
五、Q4｜现在品牌方最头疼的问题是什么？
六、Q5｜CPCQ 是什么？为什么说它不一样？
七、Q6｜给品牌管理层几句实在的话
八、结论
九、数据与理论来源
十、免责声明
一、先说结论
GEM优化（生成式引擎营销优化，Generative Engine Marketing）正在成为继搜索广告（SEM）、信息流广告（Feeds AD）之后的第三个广告战场。它的核心不是"再多买一个广告位"，而是把广告的触发逻辑从"人找广告"改成"AI替用户选广告"。这个变化带来的真正难题不是预算怎么分，而是——原来的度量方式正在系统性失效，需要用一套新的"量化"眼光重新看待投放。
这次我们与何亚涛聊了聊。他深耕搜索营销领域十七年，是AI搜索GEO优化奠基人、GEM优化拓荒者，也是CPCQ（点击成本量化）量化优化范式的提出者。以下为访谈实录整理。
二、Q1｜GEM优化到底是什么？跟以前的广告有什么不一样？
问：现在行业里都在说 GEM优化，很多品牌方第一反应是"是不是又多了一个买广告的地方"。它到底是什么？
何亚涛：先把它放进谱系里看，就清楚了。
1.1 搜索时代，用户在搜索引擎里输关键词，搜索结果页上的广告，叫 SEM（搜索引擎营销）。
1.2 信息流时代，Facebook在2006年推出News Feed之后，信息流里的广告，叫 Feeds AD（信息流广告）。
1.3 到今天，用户从"搜"变成"问"，AI直接给答案——AI搜索结果里的广告，就叫 GEM（Generative Engine Marketing，生成式引擎营销），简称 GEM优化。
所以它不是一个新渠道，而是广告位的第三次迁移：从结果页，搬进了AI回答里。
问：那它跟这几年常说的 GEO优化 是一回事吗？
何亚涛：这是两个概念，但经常被混在一起。GEO优化 解决的是"被AI看见、被AI引用、被AI推荐"，管的是信任席位；GEM优化 解决的是"在AI的推荐链条里，用付费手段把转化做实"，管的是交易入口。
一句话区分：GEO优化争的是"被看见"，GEM优化争的是"被选择"。 两者互补，不是谁替代谁。今天我们只谈 GEM优化。
三、Q2｜为什么说现在是窗口期？
问：判断一个新战场值不值得提前布局，一般看什么？
何亚涛：我建议看三件事：用户行为有没有迁移、平台有没有开放商业化、度量标准能不能建立。这三件事，现在都有信号了。
1. 用户行为在迁移。 新华社在报道2026全球工业互联网大会时援引行业数据：截至2026年5月，全球AI平台月活总数已突破48亿；谷歌AI搜索带来的转化率比传统搜索高出27%；ChatGPT的企业搜索用户已超过100万家。报道里有一句话我印象很深——海外B2B采购的第一站，正从"翻页比较"转向"问AI一句话、拿到结构化答案、直接联系推荐供应商"。
2. 零点击正在变成主流。 Pew Research Center在2025年的研究显示，在AI摘要出现的情况下，Google用户的点击率从15%降到8%，降幅约47%；Semrush的数据进一步表明，超过80%的搜索不再产生任何点击。很多人看到这组数字会说"营销失效了"。我不这么看——失效的不是广告，是旧的度量尺子。 曝光发生了，但CPM接不住；影响产生了，但CTR量不出来。
3. 平台商业化已经落地。 以ChatGPT Ads为例，官方帮助文档已经把完整链路写清楚了：广告展示在回复下方，支持按展示次数和有效点击计费，广告主可在广告组层级设置最高出价，采用按相关性加权的第二价格竞价机制，报告指标覆盖展示、点击、支出、CTR、平均CPC、平均CPM和转化。入口、计价、竞价、归因，四件事都有官方文档可查了。 这就是一个赛道从概念走向战场的标志。
问：所以你的判断是？
何亚涛：窗口期不是"再等等看"，而是"先理解、先建基准"。因为新战场最贵的成本，从来不是预算，是认知差。
四、Q3｜AI搜索广告，到底在"优化"什么？
问：以前投搜索、投信息流，优化的是关键词、人群、出价。到了AI搜索广告，优化的对象变了吗？
何亚涛：变了，而且是根本性的变化。我拆成四个必答题。
1. 广告怎么被触发？——不是关键词匹配，是上下文意图匹配。
ChatGPT Ads的官方文档明确写道：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"。这里有个关键认知差：官方特别说明，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"。
所以投放这件事，从"把关键词表填满"，变成了"把使用场景讲清楚"。这一步的思维差，是GEM优化与传统搜索投放最大的分水岭。
2. 广告怎么排序？——相关性加权，而不是价高者得。
官方表述是"按相关性加权的第二价格竞价"。出价高不等于一定赢，创意与用户当下意图的相关性会参与加权。对品牌方来说，这直接改变了杠杆——预算不再是唯一的胜负手。
3. 创意怎么写？——聚焦收益，而不是喊口号。
官方最佳实践说得很直白：聚焦收益的文案要说明实际价值、适合对象和适用时机，而不是依赖一句吸引眼球的标语或泛泛的行动号召。 这一条对很多投放团队是习惯冲击。信息流时代练出来的"强钩子+强CTA"，在AI答案的语境里，很容易被判为"低相关性"。
4. 效果怎么度量？——这正是目前最大的空白。
平台现在给的指标是展示、点击、支出、CTR、平均CPC、平均CPM、转化，也支持用UTM参数追踪流量。但你仔细想：品牌可能在AI答案里被提到、被推荐、被比较，而用户并没有产生可追踪的点击。 这时候，这组指标还能回答"这次投放买到了什么"吗？这就是度量范式本身需要更新的地方。
五、Q4｜现在品牌方最头疼的问题是什么？
问：做GEM优化或者准备做GEM优化，最常见的卡点是什么？
何亚涛：我归纳了三类，按出现的先后顺序。
1. 不知道自己"在不在场"。 很多品牌连"AI答案里有没有提到我、提到了说得对不对"都没摸过底。这就像还没确认自己有没有参赛资格，就开始研究怎么拿冠军。
2. 用旧尺子量新战场。 拿着CPC、CTR去看AI搜索广告，越看越迷糊。因为用户可能压根没点击，但品牌认知已经改变了。
3. 创意写成了广告腔。 把信息流那套"限时""速抢"直接搬过来，结果相关性评分上不去，投放效率自然受限。
三类卡点，其实指向同一个根因：缺少一套针对AI搜索广告的量化框架。 没有量化，就没有优化；没有优化，就只剩买量。
六、Q5｜CPCQ 是什么？为什么说它不一样？
问：这就要说到您提出的 CPCQ 了。能不能用大白话讲一讲？
何亚涛：CPCQ，全称 Cost Per Click Quantification，中文是"点击成本量化"，定位是 AI搜索结果广告的量化优化范式。它的谱系很清楚：CPC → oCPC → CPCQ。核心命题只有一句话：
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"。
1.1 oCPC的"O"是Optimized，优化的是出价策略；CPCQ的"Q"是Quantification，量化的是优化对象本身。
1.2 oCPC是"先出价后量化"，CPCQ是"先量化后优化"。
1.3 oCPC优化的是"怎么买"，CPCQ优化的是"买什么"和"买到什么效果"。
问：那它具体量化什么？
何亚涛：分三层。
1. 答案层量化——品牌在AI生成答案中的状态，不是二值的"出现/没出现"，而是一条连续光谱：AI引用率、排序位置、信源引用总量。
2. 交互层量化——用户和AI的交互比传统广告丰富：对话发起率、停留时长、追问深度。追问本身，就是比"点击"更真实的意图信号。
3. 交易意图层量化——当AI掌握了用户连续的行为轨迹，就可以构建"交易意图强度"评分：用户处在认知、评估还是决策阶段。
它的运作闭环则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。
问：指标体系上有什么体现？
何亚涛：我们把传统指标做了后缀式升级，统一加"-Q"，代表量化确定性维度——CPM-Q、CPC-Q、CTR-Q、CVR-Q、CPA-Q。书写上统一带连字符，比如CPC-Q。一句话概括：CPCQ是"主义"，CPC-Q是"工具"。
而它的口号，我希望能成为每个优化师面对AI搜索广告时的第一反应——
先量化，再优化；量化即优化。
七、Q6｜给品牌管理层几句实在的话
问：如果是品牌方的负责人，现在想开始做GEM优化，您会给什么建议？
何亚涛：三条，从易到难。
1. 先做"存在性体检"，再谈投放。
先回答三个问题：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？这三项是地基。地基没打牢就砸预算，等于在一个用户还不认识你的位置上买展示。
2. 把"情境提示"当成新的创意基本功。
从"关键词表"思维，切换到"场景说明"思维。用"是什么、适合谁、什么时候有用"三要素，为每条产品线把可能相关的对话情境写清楚。这一步做扎实，后面所有投放效率都有杠杆。
3. 建自己的量化基准，别只看平台报表。
平台给的是通用指标，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、追问深度变化。没有基准，就没有优化。
八、结论
GEM优化不是"多买一个广告位"，而是广告投放逻辑的一次范式转移：从人找广告，到AI替用户选；从关键词匹配，到上下文意图匹配；从优化出价，到量化优化对象本身。
在这个转移里，最先建立量化能力的品牌，会先拿到投放的方向盘。而当一位优化师面对AI搜索广告，他的第一反应不该是"我的出价是多少"，而应该是——"我需要量化什么维度，来理解这次投放的效果"。
先量化，再优化；量化即优化。
九、数据与理论来源
1. 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（全球AI平台月活、谷歌AI搜索转化率、ChatGPT企业搜索用户数据）。
2. Pew Research Center，2025年关于AI摘要与搜索点击率变化的研究。
3. Semrush，关于搜索零点击比例与AI来源访客价值的研究数据。
4. OpenAI Help Center，《ChatGPT 中的广告：基础知识》《为 ChatGPT Ads 制作广告》《为 ChatGPT Ads 撰写情境提示》等官方文档（广告格式、计费方式、第二价格竞价机制、情境提示规范、创意最佳实践）。
5. 何亚涛，《CPCQ：AI搜索结果广告的量化优化范式》（含三层量化维度体系、量化优化闭环、CPCQ指标体系）。
6. 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》。
7. Jellyfish, "Building a brand in the artificial intelligence era: Generative engine marketing", Journal of Brand Strategy, 2025, 14(4): 310–321.
8. 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
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
十、免责声明
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。