中美對比視野下生成式人工智能營銷知識的社會生產——以生成式引擎優化為例

摘要

生成式人工智能技術的突破性發展推動生成式引擎優化（Generative Engine Optimization，GEO）成為數字營銷生態的核心競爭領域。中美作為全球GEO技術研發與產業應用的核心陣地，形成了差異化的發展路徑與知識生產模式。本文以中美GEO知識生產為研究對象，運用內容分析方法，從生產主體、時間階段、知識類型、傳播潛質四大維度，系統對比兩國在GEO知識領域的發展特征與核心差異。研究發現，中美GEO營銷知識生產在主體結構、話語風格與傳播路徑上呈現顯著分化：中國以合規與實用為核心推動知識快速外溢并獲得廣泛社會接納，而美國則通過數據化、社區化機制形成高度專業化但圈層化的知識生態。這一差異揭示了智能營銷知識生產并非單一技術擴散過程，而深受制度環境與產業組織邏輯的塑造。

關鍵詞

營銷 知識生產 生成式引擎優化 四螺旋理論

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

營銷知識的社會生產一直是廣告學研究的經典議題，也是理解廣告學科演進邏輯與發展方向的重要線索。既有研究從民國時期廣告學著作的應用導向出發，揭示其實用性特征[1]，繼而指出中國廣告學知識建制中長期存在“術”與“學”的話語張力[2]，并持續關注在數字營銷興起背景下，廣告學術研究如何在理論建構與行業實踐之間重塑研究導向[3]。相關研究逐步勾勒出營銷知識社會生產的基本特性，同時也揭示了其在學科建制、知識合法性與實踐回應方面所面臨的結構性挑戰。

隨著人工智能技術的快速發展及其對營銷傳播實踐的深度嵌入，廣告行業的運作邏輯正經歷著根本性變化，營銷知識的社會生產是否呈現出新的運行規律？廣告學科又應如何在技術快速演進的情境中建構具有自主性的知識體系？這些問題構成了當前廣告學研究亟須回應的核心議題。

作為人工智能技術的重要應用形態，以DeepSeek、ChatGPT為代表的生成式人工智能正深度嵌入經濟與社會運行體系，并加速進入營銷傳播領域，推動“人工智能+營銷”的范式轉型。在這一過程中，品牌與消費者的信息接觸方式逐漸由搜索與推薦機制，轉向以生成式系統為中介的對話式獲取。生成式引擎優化（Generative Engine Optimization，GEO）由此成為智能營銷實踐中的新興議題。圍繞GEO的推廣、采納與應用，多元主體持續參與其中，生產并傳播大量面向實踐的問題導向型營銷知識，使其成為觀察人工智能時代營銷知識社會生產的重要窗口。基于此，本文以GEO為對象，系統考察智能營銷知識的生產主體、生產機制及其傳播應用效果。

此外，本文還引入中美人工智能競爭背景下的比較視角，對GEO營銷知識生產展開跨制度分析。一方面，揭示不同制度環境與技術生態系統里營銷知識社會生產的共性規律；另一方面，準確識別中美兩國在“人工智能+營銷”融合中的差異性特征，從而給我國在全球人工智能競爭格局中優化營銷知識生產體系，并提升產業融合競爭力提供更具針對性的經驗啟示。

2 文獻綜述

2.1 營銷知識生產的相關研究

既有研究普遍認為，營銷知識生產呈現出多主體協同的基本特征。以中國廣告學為例，其發展在總體上遵循“大學—產業—政府”三螺旋互動機制[4]，表現出較為突出的產業導向特征，并在近年來逐漸出現由業界主導向學界主導的主體遷移趨勢，基礎研究的重要性不斷提升[5]。在學科建制層面，相關研究指出，營銷知識生產長期面臨“術”與“學”之間的話語張力、知識建制不穩定，以及“科學共同體”尚未完全形成等結構性問題。在研究方法上，盡管實證與定量研究近年來呈現出數量增長與規范化發展的趨勢，但總體上仍以經驗總結與定性分析為主[6]。

從發展軌跡來看，營銷知識生產經歷了由緩慢增長向快速擴張、再趨于相對平穩的演進過程[7]，其變化受技術條件、市場環境與制度因素的交互影響，并呈現出階段性推進與躍遷并存的動態特征。近年來，大數據、人工智能等新技術的廣泛應用，正在系統性重塑營銷知識生產的鏈條結構、產業生態與核心業態。尤其是生成式人工智能的出現，使營銷知識生產加速向跨學科融合、應用情境導向與多主體共建的方向演進[8]。以生成式引擎優化（GEO）為代表的新興智能營銷實踐，進一步凸顯了營銷活動由“面向人類營銷”轉向“面向人工智能營銷”的范式變化[9]。

盡管上述研究為理解數智時代營銷知識的社會生產邏輯與廣告營銷行業變革提供了重要理論基礎，但現有研究多停留在宏觀結構描述或技術討論層面，對生成式人工智能情境下營銷知識生產主體的重組機制、知識生成與擴散的具體過程，以及不同技術與制度環境下的差異性特征，仍缺乏系統的經驗分析與比較研究。

2.2 生成式引擎優化的相關研究

盡管生成式引擎優化（GEO）在實踐層面已率先出現，但其作為學術概念的系統化研究起步較晚。2024年，印度理工學院德里分校、普林斯頓大學學者在學術會議上發表論文《GEO: Generative Engine Optimization》，首次將GEO明確定義為：一種面向生成式引擎的“黑箱優化框架”，通過調整內容結構、語義表達與呈現方式，以提升內容在生成式回答中的可見性，并構建了首個大規模基準數據集GEO-bench，為GEO的實證研究奠定了基礎[10]。隨后，相關研究進一步從“影響力”視角構建評估體系，探討哪些內容特征更易被生成式模型吸收并納入回答結構，實證結果普遍表明，相較于傳統搜索引擎優化（Search Engine Optimization, SEO）的關鍵詞導向策略，語義完整、結構清晰且具備事實支撐能力的內容更具生成優勢，GEO因而被視為區別于SEO的新型內容生產與優化范式[11]。

相比之下，國內學界對GEO的討論更強調其與營銷實踐及社會治理議題的結合。有研究將GEO明確界定為AI時代對SEO的范式升級，指出其本質在于營銷對象由“人”轉向“生成式系統”，并提出面向本土實踐的策略框架[12]；亦有研究將GEO置于數字規訓與AI倫理治理語境中，強調其對消費者權利結構、公共利益與技術治理提出的新挑戰[13]。這些研究表明，GEO所涉及的營銷知識生產已超越單純的技術優化問題，逐漸成為關涉權力分配、倫理規范與產業治理的重要議題。

然而，整體來看，現有研究無論側重技術模型優化，還是聚焦策略應用與倫理反思，均主要停留在規范性討論或單一情境分析層面，對GEO營銷知識生產本身的運行機制，尤其是不同主體如何參與知識生成、相關知識如何在不同國家技術生態中擴散與分化，以及其在具體社會語境中的傳播邏輯，尚缺乏系統的經驗研究與比較分析。這一不足使得我們難以從知識生產的視角全面理解GEO在智能營銷體系中的作用與影響，也正是本文試圖切入并加以回應的核心學術問題。

2.3 知識生產的四螺旋理論

三螺旋理論由Etzkowitz等學者于20世紀90年代提出，以“政府—大學—產業”的互動關系解釋知識經濟背景下的創新生成機制，強調打破組織邊界、強化協同合作[14]。然而，隨著產業形態與技術環境的快速演化，單一依賴政府、學界與產業的三螺旋模式，已難以充分解釋高度開放、強互動的當代知識生產過程。尤其是在社會化媒體與數字平臺深度介入創新活動的情境中，社會公眾與媒體組織通過信息傳播、意見表達與反饋機制，日益成為影響知識生成與擴散的重要力量[15]。

針對上述變化，Carayannis等學者在三螺旋理論基礎上引入“社會”維度，提出四螺旋理論，構建起涵蓋政府、學界、產業與社會公眾的協同創新框架[16]。該理論強調多元主體通過資源互通、功能耦合與協同演化，共同推動知識生產與社會創新，因而在解釋復雜社會系統中的知識生成過程時，展現出更強的包容性、穩定性與可持續性。為保持概念一致性并契合研究情境，本文將四螺旋主體界定為政府、學界、產業與媒體公眾。

既有研究表明，四螺旋理論已被廣泛應用于分析多主體參與的知識生產與協同治理問題，相關研究普遍發現公眾與媒體的參與有助于強化反饋機制、提升知識生產的社會響應性，并推動知識體系在實踐中的持續迭代[17][18][19] 。與此同時，該理論的研究路徑也正由宏觀描述逐步轉向對主體互動機制的經驗分析[20]，顯示出良好的理論拓展潛力。

然而，現有研究多聚焦于創新系統或知識服務的一般情境，對于生成式人工智能深度介入營銷傳播之后，營銷知識如何在多主體互動中被生產、傳播與重構，尤其是在不同社會制度與技術生態背景下呈現出何種差異性特征，仍缺乏系統探討。基于此，本文引入四螺旋理論，比較分析中美情境下政府、學界、產業與媒體公眾在GEO營銷知識生產中的互動模式，旨在揭示生成式人工智能時代營銷知識社會生產的運行機制與結構特征。

3 研究問題、方法及過程

3.1 研究問題

基于營銷知識社會生產視角，本文以生成式引擎優化為研究對象，引入四螺旋理論框架，從比較視角系統考察中美兩國在智能營銷情境下GEO知識生產的結構特征與運行機制。圍繞上述研究目標，本文重點探討以下研究問題：

RQ1：在中美不同社會與技術語境中，GEO營銷知識生產涉及哪些核心主體？各類主體在整體知識生產結構中的參與程度與角色分布有何差異？

RQ2：中美GEO營銷知識生產在規模擴張與時間演進上呈現出怎樣的階段性特征？其增長節奏與演化路徑反映了何種制度與產業邏輯？

RQ3：中美GEO知識樣本在內容類型與實踐取向上的結構分布有何不同？這些差異體現出怎樣的智能營銷實踐邏輯與知識生態特征？

RQ4：中美GEO營銷知識在傳播潛質與擴散能力方面呈現出怎樣的總體分布與階段性變化特征？不同主體與知識類型在傳播結構中扮演了何種作用？

RQ5：人工智能時代營銷知識的社會生產呈現出哪些新的規律？廣告專業又應如何在技術快速演進的情境中建構學科的知識體系？

3.2 研究方法及樣本

為系統考察中美兩國GEO營銷知識生產的主體結構、演進特征與傳播機制，本文采用內容分析法，對相關文本進行系統編碼與比較分析。內容分析法能夠在保留文本語境的同時，對知識生產過程中的結構性特征進行量化與比較，因而適用于新興技術情境下知識社會生產的研究。

本研究圍繞“知識生產主體—時間演進—知識類型—傳播潛質”四個分析維度，對中美兩國GEO相關文本展開系統分析。研究團隊通過多平臺與多渠道檢索獲取初始樣本共150 篇，在剔除低質、重復及高度同質化文本后，最終篩選出中美樣本各55篇，共計110篇作為分析對象。樣本來源覆蓋政府政策文件、學術論文、產業白皮書，以及媒體與公眾討論文本，能夠較為全面地反映GEO知識在不同主體間的生產與傳播狀況。

具體而言，樣本庫包括：中美兩國人工智能與營銷相關政策文件；頭部科技企業與AI營銷服務商發布的技術白皮書；Web of Science與CNKI等核心數據庫中以“GEO”“AI 營銷”“生成式引擎優化”“生成式智能營銷”為主題的學術論文；權威媒體與公眾自媒體關于GEO的報道與長文。上述樣本在“概念提出—政策回應—商業應用—公眾認知”鏈條上形成互補結構，為比較分析提供了基礎。

在量化內容分析基礎上，本文進一步遴選8篇具有代表性的文本開展深度分析，包括中美學界最早系統闡釋GEO的奠基性論文、兩國具有代表性的AI治理政策文件、反映市場實踐的行業報告，以及具有廣泛影響力的媒體與社區討論文本。該設計旨在通過多類型樣本的交叉印證，更深入地揭示GEO知識在概念建構、政策回應、商業落地與公眾認知之間的互動關系。

3.3 編碼框架

在編碼設計上，本文結合四螺旋理論與營銷知識研究傳統，對四個核心維度進行操作化處理。

（1）知識生產主體。基于四螺旋理論，本文將GEO知識生產主體劃分為政府、學界、產業與媒體公眾四類，并據此對樣本作者身份與機構屬性進行編碼。

（2）時間階段。依據GEO知識生產強度的變化與主體結構的躍遷特征，本文將研究時間劃分為三個階段：2023—2024 年、2025年1—6月、2025 年7—12月，用以分析中美GEO知識生產的階段性演進特征。

（3）知識類型。在知識類型維度，本文以OECD《基于知識的經濟》報告（1996）提出的事實性（know-what）、原理性（know-why）、操作性（know-how）與關系性知識（know-who）[21]為理論基礎，并結合數字營銷領域的實踐語境，將GEO知識操作化為“趨勢”“方法論”“打法”“工具”四類。其中“趨勢”對應事實性知識，“方法論”對應原理性知識，“打法”對應操作性知識，“工具”則對應關系性知識在行業語境中的外顯形式（因為工具知識往往會明確工具的使用者）。若單一文本涉及多種知識類型，編碼時優先依據標題指向，其次依據篇幅占比進行主類判定。

（4）傳播潛質。為衡量GEO知識的潛在擴散能力，本文將傳播潛質構建為0—6分的綜合指數，包含“網絡擴散”“工具化擴散”與“產業傾向”三個子維度，每一維度計0—2 分。網絡擴散通過搜索引擎結果數量評估文本在不同渠道中可觀測到的傳播效果，若在Google瀏覽器搜索文章標題，搜索標題無他人引用得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體、學術源引用得2分。工具化擴散用于衡量知識是否被編碼為可復制、可復用的形式，如步驟清單、模板、工具或腳本等具體且清晰知識，文本既無代碼，也無數據、模板，得0分；有任意一個得1分；有兩個及以上得2分。產業傾向則評估文本與真實業務流程的貼合程度，包括是否提供應用建議、是否以商業轉化為導向，以及作者是否具備產業背景。無商業場景得0分；有“如何應用”的建議得1分；作者是企業員工、文章以“提升ROI、轉化率”為目的，或者包含具體商業案例，滿足任意一個可得2分。本文認為，GEO知識實踐導向極強，傳播潛質高的樣本需在三個維度均有傳播基礎，故設定5—6分為高分段，3—4分為中等水平，0—2分為低分段。

3.4 編碼員信度檢驗

本研究由兩名編碼人員共同完成編碼工作，并在正式編碼前對各類目定義與邊界進行培訓、討論與校準，確保編碼規則清晰與可操作。研究采用Cohen’s Kappa系數檢驗編碼者間一致性，并使用SPSS軟件進行統計計算。結果顯示，生產主體、時間階段、知識類型與傳播潛質四個維度的Kappa系數分別為0.892、0.877、0.821與0.800（均p < 0.001），均大于或等于0.8的“高度一致”標準，表明編碼具有較高的信度。

4 研究發現

本部分將圍繞中美在GEO知識生產的主體分布、時間階段演變、知識類型分布、傳播潛質評估進行統計與對比，客觀地呈現兩國在人工智能知識生產上的一般性與差異性規律。

4.1 GEO知識的生產主體

總體來看，中美兩國知識生產主體以產業為主，占比均在50%以上，其次是大學和媒體公眾，政府的比重較小（見圖1）。GEO知識實踐導向極強，同時具備一定專業門檻，因此GEO服務商、科技公司、咨詢公司、內容策略專家等產業主體成為GEO知識生產的主力軍。雖然GEO成熟概念由學術界提出，但目前學界仍處于跟進產業變化的狀態，更多關于GEO的學術研究成果有待產出。從中美對比來看，中國樣本中的媒體公眾占比為36.36%，遠高于美國的5.46%，且主要由自媒體博主產出，生產內容較完整且成體系；美國雖然社區討論熱烈，但內容零散、分散、偏評論反饋，大多數內容嚴格意義上不算是“知識生產”。

圖1 中美生產主體分布特征

4.2 時間階段演變

根據知識生產強度的躍遷，本文將時間階段劃分為2023—2024年、2025年1—6月、 2025年7—12月三階段。

2023年GEO概念首次被提出，國際上開始出現針對性關注，但整體產出規模仍較小，且知識類型以概念闡釋、初步框架與探索性討論為主。因此本研究將這一階段定義為概念萌芽期。進入2025年后，知識生產出現明顯加速，且不同類型主體的參與顯著增多，因此本文將2025年單獨作為“擴散與爆發期”。同時，2025年內部呈現出明顯的節奏差：上半年1—6月主要表現為擴散提速與議題鋪開；下半年7—12月則出現更集中、更密集的產出增長。無論美國還是中國，知識生產數量都呈現“集體爆發”的特征。（見圖2）

圖2 各時間階段樣本數量統計（整體）

從整體趨勢看，中美兩國知識生產數量均呈上升態勢，表明相關研究或知識產出在近兩年內持續增長，但兩國增長節奏與幅度存在顯著差異。中國在近期的增長速度明顯快于美國，尤其在2025年下半年出現了快速躍升。在 2023—2024 年，美國的知識生產數量高于中國，美國為8篇，中國僅為1篇。進入 2025年1月—6月，兩國知識生產數量均有所上升，美國增至14篇，中國增至10篇。此階段中美差距明顯縮小，中國知識生產增長速度快于美國，呈現出追趕態勢。在 2025年7月—12月，兩國知識生產均出現顯著增長，但中國增長更為突出，中國達到 44篇，首次超過美國的33篇，實現反超。2025年下半年是中國知識生產擴張最為迅速的時期。總體而言，美國知識生產呈現出相對穩定、持續增長的特征，而中國雖然起步較晚但增長迅速，尤其在后期呈現出明顯加速。這一變化反映出中國在生成式人工智能領域的政策投入、研究主體活躍度和社會關注度的顯著提升（見圖3）。

圖3 中美知識生產趨勢圖

4.3 知識類型分布

在總體知識類型分布中，研究樣本在知識類型上以方法論和打法為主，分別占33.64%和35.45%，工具和趨勢分布較為均衡但占比較小，均為15.45%（見圖4）。美國樣本中打法類占36%，是最主要的知識類型；其次是方法論占31%。工具類數量處于中等水平占22%，趨勢類數量最低，僅占11%。四種知識類型占比呈現出明顯的梯度差異。中國樣本中，方法論數量最多，為中國樣本的核心知識類型，其次是打法類、趨勢類。工具類數量顯著低于其他三類，僅占9%，是中國樣本中最稀缺的知識類型。

圖4 知識類型分布圖

圖5 中美GEO知識類型對比

從中美對比來看，工具類與趨勢類的兩國差異最為突出：工具類在美國樣本中的數量是中國樣本的2.4倍，體現出美國對工具類知識形態的偏好；而趨勢類則呈現中國樣本占比高于美國樣本的態勢，反映出中國對于GEO帶來的趨勢變化頗為關注（見圖5）。

4.4 傳播潛質評估

從時間階段來看，美國樣本在三個階段中的傳播潛質均值呈現一定波動。2023—2024年是GEO概念萌芽階段，知識產出量少且質量較高，具有較好的傳播潛質，故得分相對較高。2025年1—6月知識生產主體逐步增多，知識產量增加但質量良莠不齊，拉低了整體均值，出現下降。7—12月是GEO 知識生產的爆發階段，經過前期探索積累了經驗，此階段知識產量多且多數質量較高，故得分有所回升。相比之下，中國樣本的傳播潛質得分隨時間呈現逐步上升并趨于穩定的趨勢。2025年上半年，GEO概念逐漸在中國引發關注，下半年知識產出爆發增長，傳播潛質相較于2023年至2024年期間有較大提升。值得注意的是，在2025年上半年，中國樣本的傳播潛質超過美國，并在下半年趨于一致，表明盡管兩國在早期階段存在差異，但在后期階段傳播潛質差距逐漸收斂（見圖6）。

圖6 中美各時間階段傳播潛質平均值

5 討論

5.1 產業主導的GEO知識生產格局

從生產主體來看，中美兩國GEO營銷知識生產均呈現出顯著的產業主導格局，且產業主體在四類知識形態中均占據核心位置。這一結果并非偶然，而是人工智能時代知識生產要素結構性重組的直接體現：算力、數據資源、高技能研究人員及其產品化與場景反饋能力，正日益從大學體系轉移并高度集中于產業部門。既有研究亦指出，產業在計算基礎設施、數據規模與模型評測標準上的優勢，正在系統性地轉化為人工智能領域的研究產出與知識權威[22]。

具體而言，GEO產業相關主體，如服務商、咨詢公司、科技企業和工具平臺等，掌握了GEO知識生產所必需的關鍵要素，并形成了以“真實應用場景—用戶交互—快速驗證—工程迭代”為核心的知識生產回路。生成式引擎優化高度依賴于真實用戶和任務情境的持續交互，如指令調優、偏好識別與失敗案例反思等，這使企業能夠將實踐中暴露的問題直接轉化為可訓練的數據資產與可復制的操作經驗。由此，GEO知識呈現出強烈的實踐嵌入性，其生產機制本質上不同于以理論推演或抽象模型為主導的傳統學術知識。

與此同時，人工智能研究人員從大學向產業部門的持續流動，進一步重塑了知識生產的重心與結構。隨著企業對研究人才的吸引與集聚能力不斷增強，知識生產的組織重心逐漸由學術體系轉向產業體系，而產業—學界協作所推進的“共同生產”模式亦愈發常態化[23][24] 。這一趨勢在GEO領域表現得尤為明顯。

在中國情境下，除產業主體外，自媒體與專業博主在GEO知識生產中占據相對較高的比重。一方面，中國的營銷與技術知識生產長期嵌入平臺化生態中，公眾號、內容社區與資訊平臺構成了重要的知識生成與擴散基礎設施；另一方面，部分AI搜索工具直接將平臺內容納入知識引用體系，進一步放大了公眾創作者的知識影響力。更為關鍵的是，GEO在中國仍處于概念擴散與路徑探索的窗口期，相關創作者傾向于將其轉譯為可操作的方法論、戰術模板與實踐經驗，從而獲得明確的流量回報與商業激勵。這一發現與四螺旋理論中“以媒體和文化為基礎的公眾”作為知識生產重要行動者的判斷高度一致[25]。

相比之下，無論在中國還是美國，大學與政府在GEO知識生產中的占比均相對有限，整體上仍處于追隨產業實踐的狀態。這一結構性特征表明，GEO并非首先在學術或政策體系中被制度化，而是由產業實踐先行推動其知識成型與范式確立。未來，大學亟須通過與產業的深度協作，將研究嵌入真實應用場景，構建可復用的評測體系與分析框架，以提升其在新興營銷知識生產中的能見度與解釋力；政府則應將GEO納入數字營銷與信息生態治理議程，從單一監管邏輯轉向兼顧透明性、可追溯性與行業引導的治理框架，進而在技術演進早期介入并塑造其發展方向。

5.2 GEO知識生產的階段性躍遷與擴散機制

從時間演進看，GEO知識生產呈現出清晰的階段性軌跡，可概括為概念萌芽、擴散增長與集中爆發三個階段。新概念通常由少數先行者率先提出，并在有限社群中完成初步聚集，隨后經由傳播渠道與社會網絡逐步擴散，并在特定條件下出現階段性的集中增長[26]。

在概念萌芽與早期聚集階段，GEO作為一種技術實踐在產業場景中浮現，由學界完成概念界定、框架建構和探索性討論，知識產出規模有限，生產主體高度集中。進入擴散階段后，隨著GEO概念在多平臺與不同圈層中的傳播，參與主體顯著增多，知識形態由概念性、趨勢性討論，逐漸轉向方法總結、經驗分享與操作指南，知識生產的節奏明顯加快。

在爆發階段，GEO知識生產于短時間內呈現出高度集中的增長態勢。這一“躍遷式增長”并非偶然，而是多重機制共同作用的結果：一方面，學界與產業在媒體平臺上的集中呈現提升了議題可見性，強化了公眾注意力聚焦；另一方面，在高度不確定的新興實踐領域，個體更傾向于通過模仿與跟隨形成信息級聯，推動知識生產的快速聚集[27]。數智時代的平臺化分發與算法驅動的注意力分配機制進一步放大了這一效應，使GEO知識生產呈現出跨主體、跨平臺的“集體爆發”。

5.3市場成熟度與不確定性驅動的GEO知識類型分化

從知識類型分布看，中美GEO知識生產呈現出顯著差異化結構：美國樣本以打法類知識為主，工具類占比較高；中國樣本則以方法論類知識為核心，趨勢類占比相對突出，而工具類最為稀缺。這一差異并非偶然，而是與兩國GEO創新擴散所處階段及市場成熟度密切相關。

根據創新擴散理論，創新在擴散中后期會逐步從概念解釋轉向操作落地，重點解決“如何使用”與“如何降低結果不確定性”等問題。美國較早進入GEO討論與實踐階段，相關市場與組織體系相對成熟，從業者對SEO向GEO的轉型方向已形成共識，知識需求隨之從“理解新概念”轉向“獲得可復制的操作方案”。在此情境下，強調策略組合、執行路徑與工具支撐的打法類與工具類知識自然成為主導。

相比之下，GEO在中國仍處于創新擴散的早期階段，本土化適配成為知識生產的核心任務。由于平臺規則尚不穩定、實踐路徑尚未固化，知識生產主體更傾向于通過方法論類知識提供整體性認知框架，以降低不確定性，并借助趨勢類知識完成市場動員與認知鋪墊，從而推動GEO在中國語境中的理解與采納。這一結構性差異表明，GEO知識類型的分化并非單純的內容偏好問題，而是創新擴散階段、產業成熟度與制度環境共同塑造的結果。

5.4 GEO 知識傳播潛質的分布特征與結構性解釋

從傳播潛質評估上看，中美樣本整體呈現出“中段集中、高分稀缺”分布特征，擴散維度總體偏低。這是因為在數智時代下，GEO知識的擴散并非線性累積。一方面，知識生產與流通成本顯著下降，使大量GEO內容能夠在短時間內獲得可見度，從而使整體表現集中于中等水平；另一方面，GEO還未完全取得合法性。合法性通常被定義為行動在社會建構的規范、價值與信念體系中被普遍認為合適、正當、可取[28]，這也解釋了為什么在總體擴散活躍的同時，GEO高傳播潛質的內容仍相對稀缺。

進一步比較發現，中美兩國GEO知識的傳播潛質在早期存在明顯差異，但中國在2025年上半年一度超過美國，到下半年趨于收斂，這說明中國在GEO知識擴散上具有一定的后發優勢：當GEO知識跨境遷移并進入中國本土議程后，平臺化再生產機制能夠快速吸收并重組既有經驗，從而在短期內實現追趕；而當中美同時進入爆發窗口期后，平臺社會中普遍存在的注意力競爭與實踐篩選機制，推動知識生產朝著相近的方向演進，最終在總體傳播潛質上呈現階段性收斂。

這一發現也進一步表明，作為強實踐導向的新知識，GEO的傳播效果不僅取決于內容質量本身，更深刻受制于平臺化擴散結構、注意力分配機制、實踐選擇邏輯的共同塑造。

5.5中美GEO知識的話語結構與實踐路徑差異

在話語與實踐層面，中國的知識生成呈現出結構性差異。中國文本更聚焦于風險治理與信任維系，句式以規范性判斷與政策化表述為主，通過宏觀敘事與倡議性修辭塑造行業共識；而美國文本詞匯強調可見性、量化結果與績效評估，句式多采用遞進式結構，修辭依托數據驗證與國家競爭敘事推動實踐采納。

在知識組織方式上，中國GEO知識話語呈現明顯的組織化與層級化特征，側重概念溯源、本土轉譯與體系整合，知識生產與傳播高度依賴行業報告、協會機制或政府背書，因而整體結構趨于同質；美國則呈現市場化、去中心化的知識實踐形態，依托社區協作與開源機制不斷強化概念定義權、評估標準（如評測、榜單）與工具規范，使內容類型更加多元、分層更為清晰。

在社會實踐層面，中國形成以審慎監管、標準治理、信息正當性規制為核心的路徑，通過制度規范劃定技術邊界，以統一指標體系引導產業發展；美國形成競爭導向與工具市場化為特征的發展模式，將GEO納入國家技術競爭戰略，通過工具供給、標準制定與市場擴張爭奪行業話語權。

總體而言，中國GEO知識生產更強調合規性、可控性與本土適配，美國則更側重效率、競爭優勢與標準輸出，這種差異反映了兩國在制度環境、技術治理理念與產業組織方式上的深層分化。

6 結論

綜上所述，盡管中國GEO營銷知識生產起步相對較晚，但其擴散速度快、參與主體多元，已在較短時間內形成顯著的傳播聲量與較高的公眾可見度。進入發展后期，GEO知識的覆蓋范圍持續擴大，公眾接納度不斷提升，顯示出人工智能營銷在中國具備穩固的社會基礎與積極的技術想象。在這一過程中，倫理與合規問題并未被邊緣化，而是被主動納入知識生產與行業討論之中，行業協會與相關組織通過前置布局倫理準則與治理框架，引導GEO 在規范化與可持續軌道上演進。

相比之下，美國GEO市場已形成相對清晰的企業梯隊與細分賽道結構，產業秩序初具雛形，知識生產高度圍繞工具研發、技術評測與行業布局展開。然而，其營銷知識擴散仍主要局限于產業生態內部，尚未充分外溢至更廣泛的公共討論與社會層面。總體而言，中美 GEO知識生產分別呈現出“快速動員、規范引導”與“技術深化、生態內聚”的不同發展路徑，折射出兩國在人工智能營銷領域制度環境、產業結構與技術治理理念上的深層差異。

回到營銷知識社會生產這一廣告學的經典議題，本文的研究表明，在生成式人工智能深度介入營銷傳播實踐的背景下，營銷知識的生產邏輯正在發生結構性轉變。以GEO為例，營銷知識不再主要由學術體系單向建構，也不再僅是行業經驗的松散積累，而是逐步形成以產業與平臺為中樞、學界、政府與媒體公眾多方參與、強實踐反饋驅動的社會化生產結構。這一變化意味著，傳統廣告學中長期存在的“術”與“學”張力正在被重新塑造——實踐知識通過工具化、指標化與標準化獲得新的合法性，而學術知識則需通過嵌入真實技術場景、參與規則建構與評估體系設計來重塑其解釋力與規范性功能。

從這一意義上看，人工智能并非簡單加速了營銷知識的更新頻率，而是深刻改變了其社會生產機制與合法性來源。廣告學科若要在技術快速演進的情境中建構具有自主性的知識體系，其關鍵不在于回避產業實踐，而在于以理論工具對AI營銷知識的生產結構、擴散邏輯與治理機制進行系統闡釋與反思。本文通過對中美GEO知識生產的比較分析，嘗試為理解人工智能時代營銷知識社會生產的新規律提供經驗證據，也為廣告學在“人工智能+營銷”情境中重塑學科定位與研究方向提供一個可供延展的分析路徑。

7 研究不足及未來展望

盡管本文通過內容分析法對中美GEO營銷知識生產進行了系統比較，但仍存在一定局限。研究主要基于公開文本樣本，尚未覆蓋企業內部知識流動、算法迭代過程及用戶實際使用行為等隱性維度，對GEO知識生產的微觀機制與動態演化仍屬外部觀察。同時，受限于研究方法與樣本時間跨度，本文更側重揭示宏觀結構特征，尚難充分捕捉單一主體在具體情境中的互動機制、策略選擇與長期演進趨勢。

未來研究可結合訪談、平臺數據分析與用戶研究等多元方法，進一步拓展研究層級與比較范圍，深入探討GEO知識在不同制度環境與技術生態中的生成、擴散與治理機制，進一步揭示人工智能深度嵌入背景下營銷知識社會生產的多主體協同邏輯與權力結構變化，從而為廣告學科在技術快速演進情境中構建具有自主性與解釋力的知識體系提供更為堅實的經驗與理論支撐。

基金項目：獲教育部學位與研究生教育發展中心主題案例項目《人機協同驅動的多模態與多場景智能營銷傳播實踐及效果評估》（編號：ZT-2510052010）資助。

作者簡介

雷蕾，中央民族大學新聞與傳播學院副教授、互聯網平臺發展與治理研究中心研究員

王怡，中央民族大學新聞與傳播學院2025級碩士研究生

方奕婷，中央民族大學新聞與傳播學院2025級碩士研究生

劉英姿，中央民族大學新聞與傳播學院2025級碩士研究生

注釋