结合最近几天业界的新闻，我们可以看到AI营销的一些趋势。
比如BrightEdge提出的Second Web，称Top 20000网站中的97%还没有针对AI Agent的内容消费方式做专门优化。严格来说，这不等于只有3%的网站已经完全Agent Ready，因为Agent Ready本身现在也没有统一标准。但至少可以说明，绝大多数网站目前仍然主要是为人设计的，而不是为Agent设计的。
也就是说，Agent Readiness正在成为一个新的竞争维度。
过去网站首先考虑的是人怎么看、怎么点击、怎么转化，现在则开始出现另一个问题：Agent能不能理解，能不能调用，能不能稳定获得正确的信息。
所以未来人和AI究竟怎么取舍，或者Human Interface和Agent Interface怎么共存，是需要研究的。再往后一步，会不会出现一些真正的Agent First网站，也值得继续看。
上一周还有Reddit的新闻，结论也很有意思，就是Retrieval不等于Citation。
ChatGPT会大量检索Reddit，但是并不一定会高频引用Reddit。
也就是说，AI可以参考上面的信息，把这些信息纳入考虑范围，但是最后不一定把Reddit作为Citation展示出来。
这一点我觉得很重要。
我们过去很容易把Citation看成影响AI的证明，好像被引用了就说明产生了影响，没有被引用就说明没有影响。
现在看来显然不是这么简单。
AI可能看了，可能参考了，甚至这些信息已经影响了最后的判断，但最后没有把这个来源显示出来。
所以单纯围绕Citation做GEO，本身可能就是过于狭窄的。
这也意味着，过去那种依靠一个渠道大量铺内容，然后期待直接影响AI结果的方式，未来可能不会像现在想象中那么稳定。
现在还不能说AI已经形成了什么成熟的反投毒机制，但是Retrieval、Citation和Recommendation开始分层，本身已经意味着简单的信息操纵会越来越难。
这还关联上另一个新闻，就是Recommendation和Citation进一步分离。
一个商业调查显示，AI推荐某个品牌的时候，并不一定会引用品牌官网，而且很多时候引用的是第三方。
这意味着外部节点的重要性会进一步提高，尤其是评价网站、行业媒体、社区、论坛、专业目录以及其他第三方平台。
这个其实也很好理解。
如果你问AI“这个品牌是什么”，品牌官网当然可以是一个主要信源。
但是如果你问的是“这个品牌值不值得买”“A和B哪个更好”“哪个更适合我”，那么品牌自己说什么显然是不够的。
AI需要其他信息来交叉验证。
所以第三方实际上会承担一个外部验证层的作用。
这确实会给一些第三方平台新的机会。
过去很多垂直网站的价值主要来自SEO流量，未来它们可能还有另一个价值，就是成为AI认识一个行业、比较不同品牌、判断可信度时的重要节点。
同时，Citation也正在越来越行业化。
这意味着未来很可能不会存在一套完全通用的GEO/ASO Source Strategy。
当然，一些基础原则还是共通的，比如可访问、结构化、实体一致、可验证。
但具体到信源，不同行业的差异会非常大。
AI会按照这个行业本身的信息结构去理解它。
比如一个B端行业如果长期存在非常成熟的专业网站、协会、数据库和行业媒体，那么这些地方自然更有可能成为高权重信源。
如果一个行业高度依赖消费者评价和社区讨论，那么Reddit、小红书、论坛、测评网站或者其他UGC平台的重要性自然会上升。
如果是金融、医疗、法律或者其他强监管行业，那么官方机构、监管机构和专业机构的权重又会更高。
所以真正需要研究的，不是“什么平台最适合做GEO”，而是这个行业自己的Source Graph到底是什么样。
AI从哪里认识这个行业？
它相信谁？
它怎么验证？
哪些节点决定一个品牌能不能进入Consideration？
哪些节点最后又会影响Recommendation？
我觉得这些问题未来会比“怎么写一篇GEO文章”重要得多。
从我自己的研究来说，找到一种模糊的正确其实并不难。
我们甚至可以根据现在看到的趋势，做出很多合理的、未来可能被验证的推测。
真正难的是，今天选择的进化路径，几年以后是不是仍然和趋势重合。
从Agentic Ecommerce的角度来看，现在很多事情其实已经越来越明确。
支付、在AI里预订、比价、商品筛选、库存查询、身份验证、购买执行，这些能力都在不断完善。
企业未来需要进入Agent能够发现、理解、比较甚至交易的范围，这一点我觉得已经没有太大疑问。
但是如果进一步说到真正的Agent to Agent交易，目前现实世界里还没有大规模发生。
更准确一点说，Agent-assisted commerce已经发生，Agent-executed commerce也正在增加，但是完全自主、持续的Agent-to-Agent Commerce，基础设施还在不断完善。
所以现在很多争论其实已经不是“会不会发生”，而是最后会以什么协议、什么身份体系、什么支付方式、什么责任结构发生。
从GEO/ASO的角度，还有一个我觉得非常值得注意的变化。
BrightEdge的数据里，AI引用的来源在增加，但是最终被推荐的品牌数量反而在减少。
这个现象很重要。
AI看的东西越来越多，但是最后留下来的品牌越来越少。
证据池在扩张，推荐席位在收缩。
这意味着真正的竞争很可能不是Citation Competition，而是Consideration Competition。
你首先要进入AI考虑的范围，之后才有资格去竞争最后的Recommendation。
所以从第一性原理来看，我越来越觉得，AI营销最前面的一个问题并不是：
怎么让AI更喜欢你的内容。
而是：
怎么让你进入AI考虑的范围。
如果根本进不了Candidate Set，那么后面的很多内容优化其实意义都不大。
这也是为什么我觉得，更早、更结构化、更接近底层的信息铺设，未来可能会越来越有先发优势。
今天还有一个Google WikiSkill的新闻也很有意思。
它本身当然不是GEO，也不能直接拿来证明GEO机制。
但是它里面有Raw、Wiki、Skill这样的分层设计。
Raw保留原始执行信息，Wiki累积经验，Skill负责当前可执行的方法。如果新的Skill验证失败，可以回滚，但是已经积累的经验不会因此消失。
把这个东西放到更大的AI演进里面看，其实很有意思。
AI系统正在从一次性的Inference，慢慢走向长期经验、持续更新和验证。
如果未来AI越来越不是每一次都从零开始认识一个品牌，而是带着之前积累的信息、判断和经验继续处理，那么今天这种一次性的“影响AI”到底还有多大价值？
这和SEO时代争夺排名前列获得自然点击、移动互联网时代争夺入口，我觉得其实有一些异曲同工。
越接近底层、越fundamental、越稳定、越能够被多个节点交叉验证的东西，越可能在长期里面不容易被轻易替代。
所以从第一性原理的角度看，我觉得你怎么进入AI考虑的范围，比进入以后怎么修饰表达更重要。
Source、Node、Entity、Structure这些东西，很可能比单纯的Content Optimization更加底层。
因为AI是真的可能不看有些内容。
这个我自己也做过一些试验。
现在有一些跟随潮流的渠道，会直接标注自己“对GEO有帮助”“会被AI收录”“适合AI搜索”。
但实测下来，这种基于经验的承诺其实没有太大意义。
你可以发。
可以被搜索到。
甚至可以被抓取。
但这并不等于它真的进入了AI的高权重考虑范围。
更不等于它会影响最后的Recommendation。
这一点我觉得以后会越来越重要。
对于SEO来说，大量低效内容很多时候的结果可能只是没有效果，或者边际价值很低，当然涉及垃圾内容和操纵时同样可能受到处罚。
但是GEO/AEO/ASO的问题可能会更加复杂。
现在我们已经知道，AI不是单纯在做关键词匹配，而是在做实体理解、来源判断和交叉验证。
如果一个品牌长期出现在低质量信源上，核心叙事不断变化，不同节点上的信息互相冲突，或者试图通过大量倾向性内容去误导AI，那么从机制上说，它很可能会影响这个实体整体的可信度。
现在当然还不能说已经存在一个非常明确的“GEO降权机制”。
但是这种风险从逻辑上是存在的。
这就带来一个很有意思的问题。
可以把现在的AI想象成一个还在成长的小孩子。
在判断能力还不成熟的时候，你可以通过很多方式影响他。
有些方法今天可能确实有效。
但是等他判断能力越来越强以后，他会怎么看待这些信息？
这其实是我现在对很多GEO“技巧”最大的疑问。
今天有效，不等于长期有效。
今天能够影响AI，也不等于选择了一条正确的进化路径。
真正重要的是，当系统不断升级以后，哪些东西还成立。
稳定的实体信息。
长期一致的叙事。
可信的第三方验证。
真实的用户评价。
行业里面稳定存在的节点。
结构化和可验证的信息。
以及企业真实提供的产品和服务本身。
这些东西可能没有一些技巧见效那么快，但是它们更加接近底层。
另一方面，如果AI Visibility最终越来越深入企业的品牌、产品、PR、客户评价、内容、技术、渠道甚至交易基础设施，那么这种工作到底适不适合长期依赖按次项目结算、频繁更换供应商、只用少量关键词或者短期Citation数量去衡量效果？
我的答案并不一定是否。
不同企业、不同阶段，当然会有不同的合作方式。
但是这个问题本身是值得重新思考的。
环境很难改变，任何商业惯例也都是环境和主体相互作用的结果。
之所以很多人说GEO目前是一片浑水，我觉得其中一个原因，就是短期效果的要求压制之下，没有多少长期策略能够匹配这种即时结果。
于是市场上最容易被证明“有效”的，往往就是那些最容易快速影响当前AI系统的方法。
“有效”其实有点像前面说的小孩子心智未开，容易被灌输。
但长期来看未必如此。
所以现在真正困难的，并不是找到一些今天有效的方法。
而是判断：
哪些东西只是利用了当前系统的不成熟，
哪些东西才是真正会随着AI一起进化下去的东西。
