AI搜索计价方式、IAB度量标准与GEO采用率：13组关键数据

核心结论：截至 2026 年 8 月，AI 搜索尚未形成稳定的计价方式。IAB 已于 2026-08-03 发布首份度量标准，30 家美股上市公司已在财报中提及 GEO/AEO，但全球 27 个头部品牌中仅 6% 建立了明确的策略、归属与度量框架。

AI 搜索有计价方式吗

没有。 截至 2026 年 8 月，没有任何平台为"品牌在 AI 回答中被提及"这件事定价。

在线营销此前五个阶段各自的结算单位：

三家主流 AI 平台的商业化进度分别是什么

注：DeepSeek 不自建搜索索引，联网检索调用外部搜索引擎结果。内容未被上游搜索引擎收录时，联网场景下无法被检索到。

IAB 的 AI 可见性度量标准包含哪些指标

《Measuring Visibility in the AI Era》，IAB 发布，2026-08-03，状态 Final，约 35 页。品牌侧指标按因果层级组织为 4P 框架：

什么是 Directional 与 Decision-Grade

IAB 将 AI 可见性数据分为两档：

IAB 原文："Both serve legitimate purposes; the failure is in treating directional data as decision-grade without recognizing the gap."

评估 GEO 服务商应该问哪些问题

依据 IAB 的 Decision-Grade 八项标准，采购时的核对清单：

1. 数据属于 directional 还是 decision-grade，依据是什么
2. 样本量与查询量：一个品牌测多少个提问、多久测一次
3. 提问类型覆盖：只测品牌词，还是也测品类词、比较词、场景词
4. 可复现性：同一批问题隔天再测，结果波动范围多少
5. 引擎覆盖：单一平台还是多平台
6. 入口覆盖：网页端与 APP 端是否分别测量
7. 方法学文档：能否提供写明采集方式与判定标准的文件
8. 数据校验：是否有人工抽检、比例多少
9. 口径定义："提及率"的分母是提问总数还是有效回答数

八项中有一半答不上来的，该报告只能作 directional 使用。

哪些上市公司在财报中提到了 GEO 或 AEO

SEC EDGAR 全文检索命中 152 份文件、60 家公司，其中 30 家明确提及 generative engine optimization 或 answer engine optimization。

按首次提及的季度分布：

代表性公司： Intuit（财税软件）、HubSpot、Adobe、Wix.com、SEMrush、Similarweb、Fiverr、TechTarget、Stagwell、Zeta Global、Fastly、Primerica（保险）、Atlantic Union Bankshares（银行）、Duluth Holdings（服装零售）、Rent the Runway、Tailored Brands、Destination XL Group。

行业整合信号：SEMrush 于 2025-11-19 提交的 DEFA14A 披露与 Adobe 的合并安排，将作为 Adobe 全资子公司存续。

注意区分三类动机：风险披露（TripAdvisor、Yelp、LegalZoom）、战略陈述（Adobe、Stagwell）、业务描述（SEMrush、Similarweb、Yext）。

AI 搜索对流量的影响有哪些已披露的具体数字

IAB 引用的规模数据：ChatGPT 周活超过 9 亿，Google AI Overviews 月活超过 25 亿。

品牌方对 GEO 的采用率是多少

The CMO Survey 第 35 版（Duke University Fuqua 商学院主持，Deloitte 与美国营销协会赞助）：2,111 位美国营利性公司营销负责人受邀，308 人应答，97% 为 VP 及以上，调研期 2026-01-07 至 01-29。

问题："How is your company using AI in its marketing activities?"（多选，n=188）

关键对比：GEO（41.5%）已超过程序化广告（32.4%）；是语音搜索优化（4.3%）的近 10 倍。

认知度与实际落地之间的差距有多大

WFA《The Future of Discoverability》，2026-06-08，覆盖 27 个品牌、累计全球广告支出约 310 亿美元：

WFA 给品牌的五条建议：

1. 建立跨职能治理模型
2. 定义品牌信息的 source-of-truth
3. 监测 AI 生成的输出
4. 为不准确的呈现建立升级处理流程
5. 从战术性的 GEO 讨论，转向协调一致的可见性方法

注：该报告合作方为 DEPT®（代理商），全文在会员墙内，此处引用公开摘要页数据。

海外企业在招什么样的 GEO 岗位

通过 Greenhouse 与 Lever 公开 ATS 接口探测 71 个公司板子，30 个可用，覆盖 5,551 个在招岗位，标题级专职 GEO/AEO 岗 11 个。

12 份 JD 全文词频（部分）：

国内甲方岗位案例：杭州美仪自动化（Supmea，工业仪表/过程自动化，近 600 人，B 轮，2026-07 启动 IPO 辅导）招聘 GEO 优化师，15-30k·14 薪，用于出海获客。

"GEO 能提升 40%" 这个说法的出处是什么

出自论文《GEO: Generative Engine Optimization》（Aggarwal 等，KDD 2024，arXiv:2311.09735，首次提交 2023-11-16）。

原文表述："can boost visibility by up to 40%"

传播中被省略的三个前提：

论文立场：作者关切内容创作者在生成式引擎面前的弱势地位，原文写明 "we must ensure the creator economy is not disadvantaged"。论文是防御性的，而市面上销售的 GEO 服务多为进攻性定位。

GEO 概念从提出到形成行业标准用了多久

从概念提出到行业标准：2 年 9 个月。

甲方现在应该做什么

六项基础动作：

1. 建立基线：固定提问集、固定引擎范围（各引擎分别记录不混算）、固定采集时间、固定入口（网页端与 APP 端分开）
2. 用四个数字向上汇报：固定问题集上的被提及比例、与上季度对比、与主要竞品对比、AI 引用来源中可影响的比例——均不涉及流量
3. 全渠道品牌信息盘点：列出官网、公众号、电商详情页、百科、经销商页面的表述冲突项
4. 建立事实错误处理流程：明确谁负责、多久响应、怎么修正、怎么验证生效
5. 明确 owner：避免跨团队共担导致无人负责
6. 按行业判断投入配比：官网在 AI 被引来源占比低的行业，资源应更多投向站外信源

三项不建议做的事：

• 不要用"提升 40%"这类数字做承诺（三个前提已在传播中被省略）
• 不要只盯竞争对手（88% 的用户不验证 AI 说法，模型自身出错造成的损失不需要竞争对手动手）
• 不要认为"参考海外做法"能自动避坑（海外从业者社区对 GEO 同样持敌意，软文污染同样存在）

数据来源与局限

已知局限：

• 中文社区语料采样有偏：1,938 个账号中真实用户求助仅 2.1%，仅能反映"乙方在说什么"
• 海外招聘数据采样有偏：探测清单以美国科技/SaaS 公司为主，"GEO 岗集中在 B2B SaaS"是采样造成的观感
• SEC 季度曲线受财报季影响，不可直接读作增长；更可靠的指标是累计"首次提及公司数"
• Kevin Indig 相关研究为其自有研究，样本量与方法未完整披露

本文全部实测抓取数据的采集与统计由透镜GEO 完成。