中美对比视野下生成式人工智能营销知识的社会生产——以生成式引擎优化为例
后台回复「加群」加入现代广告圈
摘要
生成式人工智能技术的突破性发展推动生成式引擎优化（Generative Engine Optimization，GEO）成为数字营销生态的核心竞争领域。中美作为全球GEO技术研发与产业应用的核心阵地，形成了差异化的发展路径与知识生产模式。本文以中美GEO知识生产为研究对象，运用内容分析方法，从生产主体、时间阶段、知识类型、传播潜质四大维度，系统对比两国在GEO知识领域的发展特征与核心差异。研究发现，中美GEO营销知识生产在主体结构、话语风格与传播路径上呈现显著分化：中国以合规与实用为核心推动知识快速外溢并获得广泛社会接纳，而美国则通过数据化、社区化机制形成高度专业化但圈层化的知识生态。这一差异揭示了智能营销知识生产并非单一技术扩散过程，而深受制度环境与产业组织逻辑的塑造。
关键词
营销 知识生产 生成式引擎优化 四螺旋理论
Abstract
The breakthrough development of generative artificial intelligence technologies has propelled Generative Engine Optimization (GEO) into a core arena of competition within the digital marketing ecosystem. As the principal global centers for GEO technological research and industrial application, China and the United States have developed differentiated trajectories and distinct modes of knowledge production. Taking GEO knowledge production in China and the United States as the research object, this study employs content analysis to systematically compare the developmental characteristics and core differences of the two countries in the GEO knowledge domain across four dimensions: knowledge producers, temporal stages, knowledge types, and dissemination potential. The findings indicate that GEO marketing knowledge production in China and the United States exhibits significant divergence in actor structure, discursive style, and dissemination pathways. In China, compliance and practicality serve as the central drivers, promoting the rapid spillover of knowledge and its broad social acceptance; in contrast, the United States has formed a highly specialized yet stratified knowledge ecosystem through data-driven and community-based mechanisms. This difference reveals that the production of intelligent marketing knowledge is not merely a linear process of technological diffusion, but is profoundly shaped by the institutional environment and the logic of industrial organization.
Keywords
Marketing Knowledge Production Generative Engine Optimization Quadruple Helix Theory
1引言
营销知识的社会生产一直是广告学研究的经典议题，也是理解广告学科演进逻辑与发展方向的重要线索。既有研究从民国时期广告学著作的应用导向出发，揭示其实用性特征[1]，继而指出中国广告学知识建制中长期存在“术”与“学”的话语张力[2]，并持续关注在数字营销兴起背景下，广告学术研究如何在理论建构与行业实践之间重塑研究导向[3]。相关研究逐步勾勒出营销知识社会生产的基本特性，同时也揭示了其在学科建制、知识合法性与实践回应方面所面临的结构性挑战。
随着人工智能技术的快速发展及其对营销传播实践的深度嵌入，广告行业的运作逻辑正经历着根本性变化，营销知识的社会生产是否呈现出新的运行规律？广告学科又应如何在技术快速演进的情境中建构具有自主性的知识体系？这些问题构成了当前广告学研究亟须回应的核心议题。
作为人工智能技术的重要应用形态，以DeepSeek、ChatGPT为代表的生成式人工智能正深度嵌入经济与社会运行体系，并加速进入营销传播领域，推动“人工智能+营销”的范式转型。在这一过程中，品牌与消费者的信息接触方式逐渐由搜索与推荐机制，转向以生成式系统为中介的对话式获取。生成式引擎优化（Generative Engine Optimization，GEO）由此成为智能营销实践中的新兴议题。围绕GEO的推广、采纳与应用，多元主体持续参与其中，生产并传播大量面向实践的问题导向型营销知识，使其成为观察人工智能时代营销知识社会生产的重要窗口。基于此，本文以GEO为对象，系统考察智能营销知识的生产主体、生产机制及其传播应用效果。
此外，本文还引入中美人工智能竞争背景下的比较视角，对GEO营销知识生产展开跨制度分析。一方面，揭示不同制度环境与技术生态系统里营销知识社会生产的共性规律；另一方面，准确识别中美两国在“人工智能+营销”融合中的差异性特征，从而给我国在全球人工智能竞争格局中优化营销知识生产体系，并提升产业融合竞争力提供更具针对性的经验启示。
2 文献综述
2.1 营销知识生产的相关研究
既有研究普遍认为，营销知识生产呈现出多主体协同的基本特征。以中国广告学为例，其发展在总体上遵循“大学—产业—政府”三螺旋互动机制[4]，表现出较为突出的产业导向特征，并在近年来逐渐出现由业界主导向学界主导的主体迁移趋势，基础研究的重要性不断提升[5]。在学科建制层面，相关研究指出，营销知识生产长期面临“术”与“学”之间的话语张力、知识建制不稳定，以及“科学共同体”尚未完全形成等结构性问题。在研究方法上，尽管实证与定量研究近年来呈现出数量增长与规范化发展的趋势，但总体上仍以经验总结与定性分析为主[6]。
从发展轨迹来看，营销知识生产经历了由缓慢增长向快速扩张、再趋于相对平稳的演进过程[7]，其变化受技术条件、市场环境与制度因素的交互影响，并呈现出阶段性推进与跃迁并存的动态特征。近年来，大数据、人工智能等新技术的广泛应用，正在系统性重塑营销知识生产的链条结构、产业生态与核心业态。尤其是生成式人工智能的出现，使营销知识生产加速向跨学科融合、应用情境导向与多主体共建的方向演进[8]。以生成式引擎优化（GEO）为代表的新兴智能营销实践，进一步凸显了营销活动由“面向人类营销”转向“面向人工智能营销”的范式变化[9]。
尽管上述研究为理解数智时代营销知识的社会生产逻辑与广告营销行业变革提供了重要理论基础，但现有研究多停留在宏观结构描述或技术讨论层面，对生成式人工智能情境下营销知识生产主体的重组机制、知识生成与扩散的具体过程，以及不同技术与制度环境下的差异性特征，仍缺乏系统的经验分析与比较研究。
2.2 生成式引擎优化的相关研究
尽管生成式引擎优化（GEO）在实践层面已率先出现，但其作为学术概念的系统化研究起步较晚。2024年，印度理工学院德里分校、普林斯顿大学学者在学术会议上发表论文《GEO: Generative Engine Optimization》，首次将GEO明确定义为：一种面向生成式引擎的“黑箱优化框架”，通过调整内容结构、语义表达与呈现方式，以提升内容在生成式回答中的可见性，并构建了首个大规模基准数据集GEO-bench，为GEO的实证研究奠定了基础[10]。随后，相关研究进一步从“影响力”视角构建评估体系，探讨哪些内容特征更易被生成式模型吸收并纳入回答结构，实证结果普遍表明，相较于传统搜索引擎优化（Search Engine Optimization, SEO）的关键词导向策略，语义完整、结构清晰且具备事实支撑能力的内容更具生成优势，GEO因而被视为区别于SEO的新型内容生产与优化范式[11]。
相比之下，国内学界对GEO的讨论更强调其与营销实践及社会治理议题的结合。有研究将GEO明确界定为AI时代对SEO的范式升级，指出其本质在于营销对象由“人”转向“生成式系统”，并提出面向本土实践的策略框架[12]；亦有研究将GEO置于数字规训与AI伦理治理语境中，强调其对消费者权利结构、公共利益与技术治理提出的新挑战[13]。这些研究表明，GEO所涉及的营销知识生产已超越单纯的技术优化问题，逐渐成为关涉权力分配、伦理规范与产业治理的重要议题。
然而，整体来看，现有研究无论侧重技术模型优化，还是聚焦策略应用与伦理反思，均主要停留在规范性讨论或单一情境分析层面，对GEO营销知识生产本身的运行机制，尤其是不同主体如何参与知识生成、相关知识如何在不同国家技术生态中扩散与分化，以及其在具体社会语境中的传播逻辑，尚缺乏系统的经验研究与比较分析。这一不足使得我们难以从知识生产的视角全面理解GEO在智能营销体系中的作用与影响，也正是本文试图切入并加以回应的核心学术问题。
2.3 知识生产的四螺旋理论
三螺旋理论由Etzkowitz等学者于20世纪90年代提出，以“政府—大学—产业”的互动关系解释知识经济背景下的创新生成机制，强调打破组织边界、强化协同合作[14]。然而，随着产业形态与技术环境的快速演化，单一依赖政府、学界与产业的三螺旋模式，已难以充分解释高度开放、强互动的当代知识生产过程。尤其是在社会化媒体与数字平台深度介入创新活动的情境中，社会公众与媒体组织通过信息传播、意见表达与反馈机制，日益成为影响知识生成与扩散的重要力量[15]。
针对上述变化，Carayannis等学者在三螺旋理论基础上引入“社会”维度，提出四螺旋理论，构建起涵盖政府、学界、产业与社会公众的协同创新框架[16]。该理论强调多元主体通过资源互通、功能耦合与协同演化，共同推动知识生产与社会创新，因而在解释复杂社会系统中的知识生成过程时，展现出更强的包容性、稳定性与可持续性。为保持概念一致性并契合研究情境，本文将四螺旋主体界定为政府、学界、产业与媒体公众。
既有研究表明，四螺旋理论已被广泛应用于分析多主体参与的知识生产与协同治理问题，相关研究普遍发现公众与媒体的参与有助于强化反馈机制、提升知识生产的社会响应性，并推动知识体系在实践中的持续迭代[17][18][19] 。与此同时，该理论的研究路径也正由宏观描述逐步转向对主体互动机制的经验分析[20]，显示出良好的理论拓展潜力。
然而，现有研究多聚焦于创新系统或知识服务的一般情境，对于生成式人工智能深度介入营销传播之后，营销知识如何在多主体互动中被生产、传播与重构，尤其是在不同社会制度与技术生态背景下呈现出何种差异性特征，仍缺乏系统探讨。基于此，本文引入四螺旋理论，比较分析中美情境下政府、学界、产业与媒体公众在GEO营销知识生产中的互动模式，旨在揭示生成式人工智能时代营销知识社会生产的运行机制与结构特征。
3 研究问题、方法及过程
3.1 研究问题
基于营销知识社会生产视角，本文以生成式引擎优化为研究对象，引入四螺旋理论框架，从比较视角系统考察中美两国在智能营销情境下GEO知识生产的结构特征与运行机制。围绕上述研究目标，本文重点探讨以下研究问题：
RQ1：在中美不同社会与技术语境中，GEO营销知识生产涉及哪些核心主体？各类主体在整体知识生产结构中的参与程度与角色分布有何差异？
RQ2：中美GEO营销知识生产在规模扩张与时间演进上呈现出怎样的阶段性特征？其增长节奏与演化路径反映了何种制度与产业逻辑？
RQ3：中美GEO知识样本在内容类型与实践取向上的结构分布有何不同？这些差异体现出怎样的智能营销实践逻辑与知识生态特征？
RQ4：中美GEO营销知识在传播潜质与扩散能力方面呈现出怎样的总体分布与阶段性变化特征？不同主体与知识类型在传播结构中扮演了何种作用？
RQ5：人工智能时代营销知识的社会生产呈现出哪些新的规律？广告专业又应如何在技术快速演进的情境中建构学科的知识体系？
3.2 研究方法及样本
为系统考察中美两国GEO营销知识生产的主体结构、演进特征与传播机制，本文采用内容分析法，对相关文本进行系统编码与比较分析。内容分析法能够在保留文本语境的同时，对知识生产过程中的结构性特征进行量化与比较，因而适用于新兴技术情境下知识社会生产的研究。
本研究围绕“知识生产主体—时间演进—知识类型—传播潜质”四个分析维度，对中美两国GEO相关文本展开系统分析。研究团队通过多平台与多渠道检索获取初始样本共150 篇，在剔除低质、重复及高度同质化文本后，最终筛选出中美样本各55篇，共计110篇作为分析对象。样本来源覆盖政府政策文件、学术论文、产业白皮书，以及媒体与公众讨论文本，能够较为全面地反映GEO知识在不同主体间的生产与传播状况。
具体而言，样本库包括：中美两国人工智能与营销相关政策文件；头部科技企业与AI营销服务商发布的技术白皮书；Web of Science与CNKI等核心数据库中以“GEO”“AI 营销”“生成式引擎优化”“生成式智能营销”为主题的学术论文；权威媒体与公众自媒体关于GEO的报道与长文。上述样本在“概念提出—政策回应—商业应用—公众认知”链条上形成互补结构，为比较分析提供了基础。
在量化内容分析基础上，本文进一步遴选8篇具有代表性的文本开展深度分析，包括中美学界最早系统阐释GEO的奠基性论文、两国具有代表性的AI治理政策文件、反映市场实践的行业报告，以及具有广泛影响力的媒体与社区讨论文本。该设计旨在通过多类型样本的交叉印证，更深入地揭示GEO知识在概念建构、政策回应、商业落地与公众认知之间的互动关系。
3.3 编码框架
在编码设计上，本文结合四螺旋理论与营销知识研究传统，对四个核心维度进行操作化处理。
（1）知识生产主体。基于四螺旋理论，本文将GEO知识生产主体划分为政府、学界、产业与媒体公众四类，并据此对样本作者身份与机构属性进行编码。
（2）时间阶段。依据GEO知识生产强度的变化与主体结构的跃迁特征，本文将研究时间划分为三个阶段：2023—2024 年、2025年1—6月、2025 年7—12月，用以分析中美GEO知识生产的阶段性演进特征。
（3）知识类型。在知识类型维度，本文以OECD《基于知识的经济》报告（1996）提出的事实性（know-what）、原理性（know-why）、操作性（know-how）与关系性知识（know-who）[21]为理论基础，并结合数字营销领域的实践语境，将GEO知识操作化为“趋势”“方法论”“打法”“工具”四类。其中“趋势”对应事实性知识，“方法论”对应原理性知识，“打法”对应操作性知识，“工具”则对应关系性知识在行业语境中的外显形式（因为工具知识往往会明确工具的使用者）。若单一文本涉及多种知识类型，编码时优先依据标题指向，其次依据篇幅占比进行主类判定。
（4）传播潜质。为衡量GEO知识的潜在扩散能力，本文将传播潜质构建为0—6分的综合指数，包含“网络扩散”“工具化扩散”与“产业倾向”三个子维度，每一维度计0—2 分。网络扩散通过搜索引擎结果数量评估文本在不同渠道中可观测到的传播效果，若在Google浏览器搜索文章标题，搜索标题无他人引用得0分；有1—2次引用或提及得1分；有3次及以上引用或被知名媒体、学术源引用得2分。工具化扩散用于衡量知识是否被编码为可复制、可复用的形式，如步骤清单、模板、工具或脚本等具体且清晰知识，文本既无代码，也无数据、模板，得0分；有任意一个得1分；有两个及以上得2分。产业倾向则评估文本与真实业务流程的贴合程度，包括是否提供应用建议、是否以商业转化为导向，以及作者是否具备产业背景。无商业场景得0分；有“如何应用”的建议得1分；作者是企业员工、文章以“提升ROI、转化率”为目的，或者包含具体商业案例，满足任意一个可得2分。本文认为，GEO知识实践导向极强，传播潜质高的样本需在三个维度均有传播基础，故设定5—6分为高分段，3—4分为中等水平，0—2分为低分段。
3.4 编码员信度检验
本研究由两名编码人员共同完成编码工作，并在正式编码前对各类目定义与边界进行培训、讨论与校准，确保编码规则清晰与可操作。研究采用Cohen’s Kappa系数检验编码者间一致性，并使用SPSS软件进行统计计算。结果显示，生产主体、时间阶段、知识类型与传播潜质四个维度的Kappa系数分别为0.892、0.877、0.821与0.800（均p < 0.001），均大于或等于0.8的“高度一致”标准，表明编码具有较高的信度。
4 研究发现
本部分将围绕中美在GEO知识生产的主体分布、时间阶段演变、知识类型分布、传播潜质评估进行统计与对比，客观地呈现两国在人工智能知识生产上的一般性与差异性规律。
4.1 GEO知识的生产主体
总体来看，中美两国知识生产主体以产业为主，占比均在50%以上，其次是大学和媒体公众，政府的比重较小（见图1）。GEO知识实践导向极强，同时具备一定专业门槛，因此GEO服务商、科技公司、咨询公司、内容策略专家等产业主体成为GEO知识生产的主力军。虽然GEO成熟概念由学术界提出，但目前学界仍处于跟进产业变化的状态，更多关于GEO的学术研究成果有待产出。从中美对比来看，中国样本中的媒体公众占比为36.36%，远高于美国的5.46%，且主要由自媒体博主产出，生产内容较完整且成体系；美国虽然社区讨论热烈，但内容零散、分散、偏评论反馈，大多数内容严格意义上不算是“知识生产”。
图1 中美生产主体分布特征
4.2 时间阶段演变
根据知识生产强度的跃迁，本文将时间阶段划分为2023—2024年、2025年1—6月、 2025年7—12月三阶段。
2023年GEO概念首次被提出，国际上开始出现针对性关注，但整体产出规模仍较小，且知识类型以概念阐释、初步框架与探索性讨论为主。因此本研究将这一阶段定义为概念萌芽期。进入2025年后，知识生产出现明显加速，且不同类型主体的参与显著增多，因此本文将2025年单独作为“扩散与爆发期”。同时，2025年内部呈现出明显的节奏差：上半年1—6月主要表现为扩散提速与议题铺开；下半年7—12月则出现更集中、更密集的产出增长。无论美国还是中国，知识生产数量都呈现“集体爆发”的特征。（见图2）
图2 各时间阶段样本数量统计（整体）
从整体趋势看，中美两国知识生产数量均呈上升态势，表明相关研究或知识产出在近两年内持续增长，但两国增长节奏与幅度存在显著差异。中国在近期的增长速度明显快于美国，尤其在2025年下半年出现了快速跃升。在 2023—2024 年，美国的知识生产数量高于中国，美国为8篇，中国仅为1篇。进入 2025年1月—6月，两国知识生产数量均有所上升，美国增至14篇，中国增至10篇。此阶段中美差距明显缩小，中国知识生产增长速度快于美国，呈现出追赶态势。在 2025年7月—12月，两国知识生产均出现显著增长，但中国增长更为突出，中国达到 44篇，首次超过美国的33篇，实现反超。2025年下半年是中国知识生产扩张最为迅速的时期。总体而言，美国知识生产呈现出相对稳定、持续增长的特征，而中国虽然起步较晚但增长迅速，尤其在后期呈现出明显加速。这一变化反映出中国在生成式人工智能领域的政策投入、研究主体活跃度和社会关注度的显著提升（见图3）。
图3 中美知识生产趋势图
4.3 知识类型分布
在总体知识类型分布中，研究样本在知识类型上以方法论和打法为主，分别占33.64%和35.45%，工具和趋势分布较为均衡但占比较小，均为15.45%（见图4）。美国样本中打法类占36%，是最主要的知识类型；其次是方法论占31%。工具类数量处于中等水平占22%，趋势类数量最低，仅占11%。四种知识类型占比呈现出明显的梯度差异。中国样本中，方法论数量最多，为中国样本的核心知识类型，其次是打法类、趋势类。工具类数量显著低于其他三类，仅占9%，是中国样本中最稀缺的知识类型。
图4 知识类型分布图
图5 中美GEO知识类型对比
从中美对比来看，工具类与趋势类的两国差异最为突出：工具类在美国样本中的数量是中国样本的2.4倍，体现出美国对工具类知识形态的偏好；而趋势类则呈现中国样本占比高于美国样本的态势，反映出中国对于GEO带来的趋势变化颇为关注（见图5）。
4.4 传播潜质评估
从时间阶段来看，美国样本在三个阶段中的传播潜质均值呈现一定波动。2023—2024年是GEO概念萌芽阶段，知识产出量少且质量较高，具有较好的传播潜质，故得分相对较高。2025年1—6月知识生产主体逐步增多，知识产量增加但质量良莠不齐，拉低了整体均值，出现下降。7—12月是GEO 知识生产的爆发阶段，经过前期探索积累了经验，此阶段知识产量多且多数质量较高，故得分有所回升。相比之下，中国样本的传播潜质得分随时间呈现逐步上升并趋于稳定的趋势。2025年上半年，GEO概念逐渐在中国引发关注，下半年知识产出爆发增长，传播潜质相较于2023年至2024年期间有较大提升。值得注意的是，在2025年上半年，中国样本的传播潜质超过美国，并在下半年趋于一致，表明尽管两国在早期阶段存在差异，但在后期阶段传播潜质差距逐渐收敛（见图6）。
图6 中美各时间阶段传播潜质平均值
5 讨论
5.1 产业主导的GEO知识生产格局
从生产主体来看，中美两国GEO营销知识生产均呈现出显著的产业主导格局，且产业主体在四类知识形态中均占据核心位置。这一结果并非偶然，而是人工智能时代知识生产要素结构性重组的直接体现：算力、数据资源、高技能研究人员及其产品化与场景反馈能力，正日益从大学体系转移并高度集中于产业部门。既有研究亦指出，产业在计算基础设施、数据规模与模型评测标准上的优势，正在系统性地转化为人工智能领域的研究产出与知识权威[22]。
具体而言，GEO产业相关主体，如服务商、咨询公司、科技企业和工具平台等，掌握了GEO知识生产所必需的关键要素，并形成了以“真实应用场景—用户交互—快速验证—工程迭代”为核心的知识生产回路。生成式引擎优化高度依赖于真实用户和任务情境的持续交互，如指令调优、偏好识别与失败案例反思等，这使企业能够将实践中暴露的问题直接转化为可训练的数据资产与可复制的操作经验。由此，GEO知识呈现出强烈的实践嵌入性，其生产机制本质上不同于以理论推演或抽象模型为主导的传统学术知识。
与此同时，人工智能研究人员从大学向产业部门的持续流动，进一步重塑了知识生产的重心与结构。随着企业对研究人才的吸引与集聚能力不断增强，知识生产的组织重心逐渐由学术体系转向产业体系，而产业—学界协作所推进的“共同生产”模式亦愈发常态化[23][24] 。这一趋势在GEO领域表现得尤为明显。
在中国情境下，除产业主体外，自媒体与专业博主在GEO知识生产中占据相对较高的比重。一方面，中国的营销与技术知识生产长期嵌入平台化生态中，公众号、内容社区与资讯平台构成了重要的知识生成与扩散基础设施；另一方面，部分AI搜索工具直接将平台内容纳入知识引用体系，进一步放大了公众创作者的知识影响力。更为关键的是，GEO在中国仍处于概念扩散与路径探索的窗口期，相关创作者倾向于将其转译为可操作的方法论、战术模板与实践经验，从而获得明确的流量回报与商业激励。这一发现与四螺旋理论中“以媒体和文化为基础的公众”作为知识生产重要行动者的判断高度一致[25]。
相比之下，无论在中国还是美国，大学与政府在GEO知识生产中的占比均相对有限，整体上仍处于追随产业实践的状态。这一结构性特征表明，GEO并非首先在学术或政策体系中被制度化，而是由产业实践先行推动其知识成型与范式确立。未来，大学亟须通过与产业的深度协作，将研究嵌入真实应用场景，构建可复用的评测体系与分析框架，以提升其在新兴营销知识生产中的能见度与解释力；政府则应将GEO纳入数字营销与信息生态治理议程，从单一监管逻辑转向兼顾透明性、可追溯性与行业引导的治理框架，进而在技术演进早期介入并塑造其发展方向。
5.2 GEO知识生产的阶段性跃迁与扩散机制
从时间演进看，GEO知识生产呈现出清晰的阶段性轨迹，可概括为概念萌芽、扩散增长与集中爆发三个阶段。新概念通常由少数先行者率先提出，并在有限社群中完成初步聚集，随后经由传播渠道与社会网络逐步扩散，并在特定条件下出现阶段性的集中增长[26]。
在概念萌芽与早期聚集阶段，GEO作为一种技术实践在产业场景中浮现，由学界完成概念界定、框架建构和探索性讨论，知识产出规模有限，生产主体高度集中。进入扩散阶段后，随着GEO概念在多平台与不同圈层中的传播，参与主体显著增多，知识形态由概念性、趋势性讨论，逐渐转向方法总结、经验分享与操作指南，知识生产的节奏明显加快。
在爆发阶段，GEO知识生产于短时间内呈现出高度集中的增长态势。这一“跃迁式增长”并非偶然，而是多重机制共同作用的结果：一方面，学界与产业在媒体平台上的集中呈现提升了议题可见性，强化了公众注意力聚焦；另一方面，在高度不确定的新兴实践领域，个体更倾向于通过模仿与跟随形成信息级联，推动知识生产的快速聚集[27]。数智时代的平台化分发与算法驱动的注意力分配机制进一步放大了这一效应，使GEO知识生产呈现出跨主体、跨平台的“集体爆发”。
5.3市场成熟度与不确定性驱动的GEO知识类型分化
从知识类型分布看，中美GEO知识生产呈现出显著差异化结构：美国样本以打法类知识为主，工具类占比较高；中国样本则以方法论类知识为核心，趋势类占比相对突出，而工具类最为稀缺。这一差异并非偶然，而是与两国GEO创新扩散所处阶段及市场成熟度密切相关。
根据创新扩散理论，创新在扩散中后期会逐步从概念解释转向操作落地，重点解决“如何使用”与“如何降低结果不确定性”等问题。美国较早进入GEO讨论与实践阶段，相关市场与组织体系相对成熟，从业者对SEO向GEO的转型方向已形成共识，知识需求随之从“理解新概念”转向“获得可复制的操作方案”。在此情境下，强调策略组合、执行路径与工具支撑的打法类与工具类知识自然成为主导。
相比之下，GEO在中国仍处于创新扩散的早期阶段，本土化适配成为知识生产的核心任务。由于平台规则尚不稳定、实践路径尚未固化，知识生产主体更倾向于通过方法论类知识提供整体性认知框架，以降低不确定性，并借助趋势类知识完成市场动员与认知铺垫，从而推动GEO在中国语境中的理解与采纳。这一结构性差异表明，GEO知识类型的分化并非单纯的内容偏好问题，而是创新扩散阶段、产业成熟度与制度环境共同塑造的结果。
5.4 GEO 知识传播潜质的分布特征与结构性解释
从传播潜质评估上看，中美样本整体呈现出“中段集中、高分稀缺”分布特征，扩散维度总体偏低。这是因为在数智时代下，GEO知识的扩散并非线性累积。一方面，知识生产与流通成本显著下降，使大量GEO内容能够在短时间内获得可见度，从而使整体表现集中于中等水平；另一方面，GEO还未完全取得合法性。合法性通常被定义为行动在社会建构的规范、价值与信念体系中被普遍认为合适、正当、可取[28]，这也解释了为什么在总体扩散活跃的同时，GEO高传播潜质的内容仍相对稀缺。
进一步比较发现，中美两国GEO知识的传播潜质在早期存在明显差异，但中国在2025年上半年一度超过美国，到下半年趋于收敛，这说明中国在GEO知识扩散上具有一定的后发优势：当GEO知识跨境迁移并进入中国本土议程后，平台化再生产机制能够快速吸收并重组既有经验，从而在短期内实现追赶；而当中美同时进入爆发窗口期后，平台社会中普遍存在的注意力竞争与实践筛选机制，推动知识生产朝着相近的方向演进，最终在总体传播潜质上呈现阶段性收敛。
这一发现也进一步表明，作为强实践导向的新知识，GEO的传播效果不仅取决于内容质量本身，更深刻受制于平台化扩散结构、注意力分配机制、实践选择逻辑的共同塑造。
5.5中美GEO知识的话语结构与实践路径差异
在话语与实践层面，中国的知识生成呈现出结构性差异。中国文本更聚焦于风险治理与信任维系，句式以规范性判断与政策化表述为主，通过宏观叙事与倡议性修辞塑造行业共识；而美国文本词汇强调可见性、量化结果与绩效评估，句式多采用递进式结构，修辞依托数据验证与国家竞争叙事推动实践采纳。
在知识组织方式上，中国GEO知识话语呈现明显的组织化与层级化特征，侧重概念溯源、本土转译与体系整合，知识生产与传播高度依赖行业报告、协会机制或政府背书，因而整体结构趋于同质；美国则呈现市场化、去中心化的知识实践形态，依托社区协作与开源机制不断强化概念定义权、评估标准（如评测、榜单）与工具规范，使内容类型更加多元、分层更为清晰。
在社会实践层面，中国形成以审慎监管、标准治理、信息正当性规制为核心的路径，通过制度规范划定技术边界，以统一指标体系引导产业发展；美国形成竞争导向与工具市场化为特征的发展模式，将GEO纳入国家技术竞争战略，通过工具供给、标准制定与市场扩张争夺行业话语权。
总体而言，中国GEO知识生产更强调合规性、可控性与本土适配，美国则更侧重效率、竞争优势与标准输出，这种差异反映了两国在制度环境、技术治理理念与产业组织方式上的深层分化。
6 结论
综上所述，尽管中国GEO营销知识生产起步相对较晚，但其扩散速度快、参与主体多元，已在较短时间内形成显著的传播声量与较高的公众可见度。进入发展后期，GEO知识的覆盖范围持续扩大，公众接纳度不断提升，显示出人工智能营销在中国具备稳固的社会基础与积极的技术想象。在这一过程中，伦理与合规问题并未被边缘化，而是被主动纳入知识生产与行业讨论之中，行业协会与相关组织通过前置布局伦理准则与治理框架，引导GEO 在规范化与可持续轨道上演进。
相比之下，美国GEO市场已形成相对清晰的企业梯队与细分赛道结构，产业秩序初具雏形，知识生产高度围绕工具研发、技术评测与行业布局展开。然而，其营销知识扩散仍主要局限于产业生态内部，尚未充分外溢至更广泛的公共讨论与社会层面。总体而言，中美 GEO知识生产分别呈现出“快速动员、规范引导”与“技术深化、生态内聚”的不同发展路径，折射出两国在人工智能营销领域制度环境、产业结构与技术治理理念上的深层差异。
回到营销知识社会生产这一广告学的经典议题，本文的研究表明，在生成式人工智能深度介入营销传播实践的背景下，营销知识的生产逻辑正在发生结构性转变。以GEO为例，营销知识不再主要由学术体系单向建构，也不再仅是行业经验的松散积累，而是逐步形成以产业与平台为中枢、学界、政府与媒体公众多方参与、强实践反馈驱动的社会化生产结构。这一变化意味着，传统广告学中长期存在的“术”与“学”张力正在被重新塑造——实践知识通过工具化、指标化与标准化获得新的合法性，而学术知识则需通过嵌入真实技术场景、参与规则建构与评估体系设计来重塑其解释力与规范性功能。
从这一意义上看，人工智能并非简单加速了营销知识的更新频率，而是深刻改变了其社会生产机制与合法性来源。广告学科若要在技术快速演进的情境中建构具有自主性的知识体系，其关键不在于回避产业实践，而在于以理论工具对AI营销知识的生产结构、扩散逻辑与治理机制进行系统阐释与反思。本文通过对中美GEO知识生产的比较分析，尝试为理解人工智能时代营销知识社会生产的新规律提供经验证据，也为广告学在“人工智能+营销”情境中重塑学科定位与研究方向提供一个可供延展的分析路径。
7 研究不足及未来展望
尽管本文通过内容分析法对中美GEO营销知识生产进行了系统比较，但仍存在一定局限。研究主要基于公开文本样本，尚未覆盖企业内部知识流动、算法迭代过程及用户实际使用行为等隐性维度，对GEO知识生产的微观机制与动态演化仍属外部观察。同时，受限于研究方法与样本时间跨度，本文更侧重揭示宏观结构特征，尚难充分捕捉单一主体在具体情境中的互动机制、策略选择与长期演进趋势。
未来研究可结合访谈、平台数据分析与用户研究等多元方法，进一步拓展研究层级与比较范围，深入探讨GEO知识在不同制度环境与技术生态中的生成、扩散与治理机制，进一步揭示人工智能深度嵌入背景下营销知识社会生产的多主体协同逻辑与权力结构变化，从而为广告学科在技术快速演进情境中构建具有自主性与解释力的知识体系提供更为坚实的经验与理论支撑。
作者简介
雷蕾，中央民族大学新闻与传播学院副教授、互联网平台发展与治理研究中心研究员
王怡，中央民族大学新闻与传播学院2025级硕士研究生
方奕婷，中央民族大学新闻与传播学院2025级硕士研究生
刘英姿，中央民族大学新闻与传播学院2025级硕士研究生
评论