第一批 GEO 赢家出现了，他们做对了什么？

H&M、优衣库、维多利亚的秘密，输给了一个加拿大小品牌。

2026 年 8 月，AI 搜索专业媒体 Search Engine Land，向 ChatGPT 和 Google AI Mode 提了 20 组购买问题，比如：“产后身材适合穿什么内衣？”、“经期内裤有哪些值得推荐？”

结果，H&M、Uniqlo 和 Victoria’s Secret 总共只出现了 2 次。一个加拿大小品牌，叫 Knix，出现了整整 29 次！

如果用户问“有哪些知名内衣品牌？” H&M、Uniqlo 这些大品牌当然占优，但用户一般不这么问 AI 啊！

用户会问的是：吸收量怎么样，漏尿怎么办，产后身体如何选择……

这些问题正中 Knix 这个小品牌的下怀，因为它的官网、商品页、媒体报道和用户评价，一直都在讲这些。于是，一个过去名不经传的小品牌，突然被 AI 老师安排到了前排。

这可能是 GEO 带来的最大变化： 过去，品牌争的是消费者先想起谁。 现在，用户提出某个具体问题时，AI 愿意推荐谁。

而且， 用户每换一个问题，AI 都可能重新排一次座。

最近，我和团队研究了一堆 GEO 案例，大部分是海外的做法。我发现，虽然它们表面上做法不同，实际都在抢五个东西：场景、问题、产品依据、解释权和第三方共识。

假设你和女朋友去看电影，爆米花已经买好了。选饮料时，她说：“随便。”恋爱经验告诉我们，“随便”通常不是都行的意思，而是在考验你对她的用心程度。

于是，你偷偷问 AI：“看电影配什么饮料？”AI 大概率会让你买可口可乐。

2026 年 7 月，AI 品牌研究机构 LLM Brand Positioning 追踪了 13 个饮料品牌。在“看电影配什么饮料”中，它的品牌领先率达到 100%！

讽刺的是，可口可乐没有公开宣布实施过 GEO，它营销电影、汉堡和观赛场景的时候，今天的 AI 研究员可能都还没有出生。也就是说， 是几十年的广告、餐厅菜单和消费者分享，把可乐深深植入到了这些场景里。

于是， 过去的场景资产，今天成了 AI 的理解线索。 这不意味着品牌只要批量发布几十篇“××十大使用场景”，AI 就会照单全收。

比如，一家三口准备在东京住一个月， 问 AI：“有哪些适合家庭长住的公寓？”

AI 真正要处理的是一串问题： 能不能做饭，洗衣服方不方便，附近有没有超市，孩子住起来是否合适，连续住一个月会不会太贵。

海外有个酒店公寓品牌，叫 DiscoverASR，拥有很多房源。但页面上大多都是“舒适体验”“优越位置”“设施完善”等这些抽象的表述。AI 知道它很好，却说不清它适合谁。

后来，团队收集了 21 类真实旅行问题，重写了 162 个房源页。他们把“设施完善”被拆成有厨房、能洗衣，把“适合长住”融入到场景里，说清楚适合家庭、商务出差还是数字游民。

一个季度后， DiscoverASR 的 AI 搜索人数从 740 万升到了 3460 万，有 4300 个自有页面被 AI 引用。

搬家当天，你不会把通讯录里的朋友按照学历、收入和幽默感逐项打分。你会首先想到那个有面包车的人。他可能三年没给你点过赞，但在搬家这道题里，他就是最合适的答案。

品牌经营场景，本质上就是把自己变成那个“有面包车的朋友”。 当人物、地点、任务和限制等条件同时出现时，AI 才有理由把你放进候选名单。

场景只能让品牌进入候选名单。最终能不能被推荐，要看它是否真正回答了用户眼前的麻烦。

宠物鲜食品牌 Freshpet，很早就在做这件事。宠物鲜食刚兴起时，大部分品牌都在讲“新鲜、天然、健康”。这些词没有错，但消费者买回家以后，遇到的是非常具体的问题：

于是，Freshpet 针对这些购买问题做 GEO，让相关信息更容易被搜索和引用。

做了 6 个月后， Freshpet 在 Google AI 摘要中的出现量增长 645%，AI 带来的访问也增长 46%。

它做的事情看起来并不神秘，就是教人怎么喂狗。区别在于， 这些过去散落的信息，终于被整理成 AI 能够找到和使用的答案。

我们开篇提到的 Knix 也是一样。“产后恢复”让它进入候选名单，但是吸收量、漏尿、尺码和清洗方式，才让 AI 有理由推荐它。

我觉得，GEO 给很多垂类小品牌提供了机会。虽然大品牌可以凭知名度赢得大类，但在具体的问题上，谁回答得更完整，谁就能弯道超车。

但对品牌而言， 最难的不是给出专业答案，最难的是找到对的问题。 因为你得先知道消费者在苦恼什么？才能给出答案啊。

微博适合看公开讨论和突发话题，小红书更容易暴露具体使用体验里的麻烦，B站的测评和评论常常集中在性能与细节，知乎则会把一个问题展开讨论。平台不同，用户表达苦恼的方式也不同。

比如，我们不会说“我的宠物存在肠胃健康需求”，只会说：“我家狗换粮以后一直拉肚子，该怎么办？”

品牌真正要找的，是这些反复出现的抱怨、追问和犹豫： 消费者卡在哪里，现有答案又漏掉了什么。问题找准了，专业内容才知道该回答什么。而且这些自然表达，也最接近人们向 AI 提问时使用的语言。

大家把这些问题，整理成产品解释、使用指南和专家答疑，品牌就有机会被AI引用。

2026 年，AI 购物监测机构 Paz.ai 给 50 个鞋类品牌安排了一场“匿名考试”。测试问题全部隐去品牌名，只保留购买条件：“推荐一双 150 美元以内、有气垫的跑鞋。”“哪双篮球鞋也适合日常穿？”等等。

每一个购物搜索查询里，耐克都出现了。我们很容易把这事解释成“耐克知名度高”，但研究人员公开产品信息后，大家会发现，耐克赢得非常“具体”。

以 Air Jordan 1 Mid 为例，商品页写清颜色、尺寸、材质、售价和库存，还有 3186 条评价、4.5星评分等等。AI 判断预算、材质和库存时，答案都摆在页面上。

这揭示了 AI 购物的一条规则：产品想被推荐，首先要能够被比较。

如果三个品牌都告诉 AI“我们品质卓越”，就像三位求职者都在简历上写“工作认真、综合能力强”。态度都很好，但招聘经理还是不知道该选谁。

很多品牌做不好 GEO 的问题，就是因为卡在这啦： AI 需要的是判断依据，品牌递过去的却只有态度。这时候谁能把优势说得更具体，谁就更容易被 AI 选中。

芯片、续航、重量、尺寸、像素、功率、能耗，本身就是可以直接比较的条件。用户问“预算 3000 元，想要一部续航久、重量轻的手机”，AI 可以迅速做出选择。