这段时间，我陆续出版了《AI可见性营销》《Agentic Search Optimization（ASO）》以及《Decision Authority Economy（DAE）》三本书。现在回过头来看，这三本书虽然讨论的问题各不相同，但实际上都围绕着同一条主线不断展开。

《AI可见性营销》讨论的是一个越来越现实的问题：当越来越多用户开始直接从大语言模型获取答案，而不是点击传统搜索结果时，企业应该如何重新理解“可见性（Visibility）”。AI时代，真正需要优化的已经不仅仅是搜索引擎，而是AI本身。

随后，《Agentic Search Optimization（ASO）》进一步把这个问题向前推进了一步。我尝试讨论的是，当搜索逐渐由Agent完成，优化的对象究竟发生了什么变化。ASO并不仅仅是GEO的另一种说法，它更关注AI代理如何理解内容、调用工具、完成任务，以及企业应该如何适应这种新的搜索方式。

《Decision Authority Economy（DAE）》则把讨论的范围进一步扩大。如果AI开始越来越多地代替人完成推荐、筛选和决策，那么真正发生变化的其实不是搜索，而是Decision Authority，也就是决策权本身。AI不仅改变了信息获取方式，也开始重新分配人与平台、人与品牌之间的决策关系。

整理完这些思考之后，我越来越觉得，这三本书其实分别讨论了三个不同层次的问题：

• 《AI可见性营销》讨论的是：如何被AI看见（Visibility）。
  
• 《Agentic Search Optimization》讨论的是：如何让AI理解内容、调用工具并完成任务（Optimization）。
  
• 《Decision Authority Economy》讨论的是：AI时代，决策权如何重新分配（Decision）。
  

而随着持续关注Google、OpenAI、Anthropic以及整个GEO、ASO、AI Visibility的发展，尤其是在2026年6月，我越来越觉得，整个行业开始进入一个非常值得记录的节点。

过去大家讨论的是SEO。

后来讨论的是GEO。

再后来开始讨论AI Visibility。

最近几个月，又不断出现Measurement、Citation Tracking、Prompt Monitoring、AI Share of Voice等各种新的产品和概念。

整个行业几乎都在讨论三个问题：

如何被AI看到（Visibility）。

如何优化AI引用（Optimization）。

如何衡量AI表现（Measurement）。

但我始终觉得，还有一个问题几乎没有人真正解释：

为什么AI最终会相信一个来源，而不是另一个？

Measurement可以告诉我们发生了什么。

Optimization可以帮助我们改善结果。

Visibility可以告诉我们是否被AI看到。

但是，它们都没有解释：

AI为什么最终会做出这个选择。

这也是我开始思考 Decision Authority Graph（DAG） 的原因。

我越来越认为，未来真正值得营销行业投入资源的，已经不只是继续研究Visibility，而是研究Authority。

过去，我们更关心曝光。

未来，我们更需要理解信任。

什么是Decision Authority Graph（DAG）？

我目前将Decision Authority Graph定义为：

Decision Authority Graph（DAG）是一个描述AI生态中决策权威如何形成、传播、强化与衰减的图结构模型。

它研究的对象，不再只是网页，也不再只是关键词，而是Entity（实体）。

每一个品牌、企业、个人、产品，都是一个节点（Node）。

这些节点又通过引用、评价、共同出现、学术研究、媒体报道、社区讨论、用户体验、交易行为等方式建立连接（Edge）。

随着这些连接不断累积，它们形成的不仅仅是曝光，也不仅仅是知名度，而是一种不断积累的Authority。

当AI必须在多个答案之间做出选择时，它真正参考的，很可能不是某一篇网页，而是整个Authority Graph所形成的综合信号。

因此，Decision Authority Graph讨论的，并不是Visibility本身，而是Visibility背后的Authority。

Knowledge Graph回答的是：

世界是什么。

它关注事实之间的关系。

而Decision Authority Graph回答的是：

AI为什么更相信某一个来源。

它关注的是信任如何形成、如何传播，以及为什么某些Entity最终获得更高的Decision Authority。

Knowledge Graph更像是一张知识地图。

Decision Authority Graph则更像是一张权威地图。

Authority，比Visibility更值得研究

Share of Voice不会消失，但它的含义正在发生变化。

过去，我们更关注品牌出现了多少次。

未来，更重要的问题可能变成：

是谁在引用你。

谁在验证你。

哪些高质量来源与你长期共同出现。

Authority从来不是企业自己建立的。

它来自整个外部生态不断累积的评价。

因此，未来真正影响AI回答的，很可能不是企业自己写了多少内容，而是整个Authority Graph如何逐渐形成。

Visibility越来越容易被测量。

Authority却越来越难被复制。

我越来越倾向于认为，未来营销行业真正竞争的，不再只是Attention，而是Authority。

内容不会消失，但内容农场的重要性正在下降

Google正在不断扩大AI Overview，并尝试展示更多引用来源。

这是一件好事。

但另一方面，即使引用来源越来越丰富，本质上能够重新带回网站的点击，依然可能持续下降。

与此同时，目前AI Summary依然存在不少幻觉问题。

这些问题未来大概率都会逐步改善。

但有一点我认为不会改变。

过去我一直认为，数字内容有三个核心变量：

内容（Content）。

平台（Platform）。

形式（Format）。

AI时代，这三个变量依然成立。

但真正决定LLM回答质量的因素，正在逐渐变成：

来源权重（Source Authority）。

内容结构（Content Structure）。

引用质量（Citation Quality）。

因此，仅依靠大量生产低质量内容建立内容农场，其长期价值可能已经开始下降。

未来真正值得积累的，不只是内容，而是能够不断提高Authority的内容。

广告只是一个过渡阶段

不少人开始担心，未来LLM是否会越来越像传统广告平台。

我的判断并没有那么悲观。

人与AI未来消费的信息，很可能会越来越分离。

AI需要的是可信来源、结构化知识以及完成任务的效率。

如果广告持续影响Agent完成任务，本身就会降低整个系统的价值。

真正值得关注的，并不是广告，而是越来越接近原生回答的商业内容。

事实上，国内部分大型模型已经开始尝试这种几乎无法区分商业内容与普通回答的呈现方式。

相比传统广告，我认为这种模式对于用户决策的影响反而更值得行业关注。

未来广告不会消失，但广告的形态，很可能会完全不同。

Shopping Agent最终仍会回归大型生态

很多创业公司开始尝试建立独立购物Agent。

但我越来越认为，这条路并不好走。

购物智能体最终一定会依附于某一个生态。

要么拥有海量商品数据库。

要么拥有海量真实用户行为数据。

没有其中任何一端，仅依靠第三方，很难真正建立持续竞争优势。

尤其是在中国，更加封闭的平台生态，使得真正打通整个购物流程变得非常困难。

未来Shopping Agent更可能属于生态，而不是属于独立产品。

ASO，也正在进入2.0

随着Agent能力不断增强，我越来越觉得，ASO本身也正在进入新的阶段。

过去讨论的是：

如何提高Citation。

如何提高Visibility。

未来讨论的，很可能会变成：

AI为什么最终相信某个Entity？

AI为什么推荐这个品牌？

AI为什么愿意替用户完成整个决策过程？

因此，我越来越倾向于认为，ASO正在进入2.0。

优化对象，已经开始从网页逐渐转向Entity。

虽然目前国内仍然更多使用GEO作为行业名称，但未来讨论的重点，很可能已经不再只是Optimization，而是Decision。

Measurement终将成为基础能力

最近几个月，越来越多传统SEO平台开始全面转向AI Visibility。

Measurement。

Tracking。

Dashboard。

Prompt Analytics。

这些方向当然都会长期存在。

但我认为，它们最终都会逐渐成为基础能力。

就像今天的Google Analytics、Google Search Console一样。

同样，AI Decision Infrastructure未来也一定会成为非常重要的基础设施。

但是，对于绝大多数创业团队来说，我并不认为Measurement或者Infrastructure会是最值得进入的方向。

Measurement记录的是今天发生了什么。

Infrastructure负责提供能力。

真正决定长期竞争优势的，依然是Authority。

为什么现在是值得研究DAG的时间节点？

我越来越觉得，2026年6月会成为AI营销发展过程中一个值得回头看的时间节点。

不是因为出现了某一个新的产品。

也不是因为出现了某一个新的名词。

而是因为整个行业的发展方向开始逐渐清晰。

Visibility正在成熟。

Optimization正在成熟。

Measurement正在成熟。

真正仍然缺失的，是Authority形成与传播的理论解释。

过去二十年，营销行业研究的是Attention。

未来几年，我更愿意把研究重点放在Authority。

如果未来AI继续从"回答问题"走向"代表用户完成决策"，那么Authority很可能会像过去二十年的Attention一样，成为营销行业新的核心研究对象。

我对Decision Authority Graph的几个预测

如果未来的发展方向没有发生根本变化，我对DAG有几个初步判断。

第一，DAG不会取代SEO、GEO或者ASO。

它更像是一套底层解释框架。

SEO讨论的是：

如何让人找到内容。

GEO讨论的是：

如何让AI找到内容。

ASO讨论的是：

如何让Agent理解内容并完成任务。

而DAG讨论的是：

当AI已经理解所有内容之后，它为什么最终选择相信谁。

第二，Authority将成为新的竞争壁垒。

未来企业越来越容易购买流量。

越来越容易获得曝光。

越来越容易测量AI Visibility。

但是Authority不会因为一次营销活动而建立。

它只能通过长期、多平台、多主体、多来源不断积累。

未来真正难以复制的，也许正是Authority。

第三，DAG不会只属于营销。

今天，它首先应用于AI营销。

未来，它同样可能应用于：

企业知识管理。

科研评价。

Agent协作。

推荐系统。

商业决策。

甚至AI治理。

因为任何需要AI进行选择的场景，都存在Decision Authority的问题。

我并不认为Decision Authority Graph已经是一套成熟的理论。

相反，我更愿意把它理解为一个新的研究起点。

未来，它可能会不断修正、补充甚至演化。

但我越来越相信，当整个行业开始从"如何获得AI可见性"转向"AI为什么最终相信谁"的时候，Decision Authority Graph至少提供了一种值得继续讨论的方向。