vibehacker.fm
Z Talk
March 29, 2026
中文
对谈李泉来:AI答案还可信吗?GEO一线创业者的实践与思考
与GEO一线创业者李泉来深度对谈,探讨AI生成答案的可信度、Generative Engine Optimization的实践经验,以及AI搜索时代品牌可见性的未来。
Also on 小宇宙
0:00
0:00
1x
Transcript
Auto-scroll ON
0:00
Hello 大家好
0:05
這裡是聚焦致大校友
0:07
一線實踐與思考的深度訪談
0:09
Ztalk
0:10
我是專注致大校友
0:11
服務鏈接與投資的浩哥
0:14
我是問題很多的南西
0:17
今年是我們年後的第一期節目
0:20
去年從一個想要傳播
0:22
致大校友的念頭開始
0:24
我們也是摸盤滾打
0:25
聊了17
0:27
一共11位嘉賓
0:28
整體的數據也還不錯
0:30
也有嘉賓跟我們反饋
0:32
通過我們的節目
0:33
有客戶或者是聲音夥伴找過來
0:36
當然了
0:36
離一檔非常有影響力的節目
0:39
其實我們還差距很遠
0:40
我們也會繼續努力
0:41
跟我們的校友嘉賓們一起組團
0:44
也希望可以為聽眾
0:45
為嘉賓帶來更多更好的內容
0:48
去年除了我們這檔節目之外
0:51
其實浩哥也花了很多的精力
0:53
打造了一個這大AI校友的朋友圈
0:56
成果我覺得也是非常的豐盛的
0:58
也可以跟大家來介紹一下
1:02
剛好跟大家匯報一下
1:03
我們去年2025年6月份
1:06
正式的成立了一個
1:08
致大校友的一個組織
1:10
叫求是AI聯盟
1:11
一個校友的交流的社區
1:13
然後我們其實做這個社區的初心
1:15
就是因為這幾年
1:16
我們在接觸很多致大校友的過程之中
1:18
實際上有看到有大量的
1:20
校友已經投身到AI的浪潮中去了
1:22
所以我們就特意為大家
1:24
組織了一個這樣的一個社區
1:26
目前求是AI聯盟已經吸引了
1:28
一千餘名在創業產業高校
1:31
或者投資等多元化背景的
1:33
這大AI界的校友的加入
1:35
然後我們在過去的
1:36
不到一年的時間裡面
1:38
也已經舉辦了各類的
1:39
校友的AI主題的活動
1:40
達50餘次
1:42
有累計有一千多人次的校友
1:45
參加了我們的活動
1:46
目前我們已經成長為了
1:48
這大AI界校友最具影響力的社區
1:51
新的一年我們會繼續的
1:52
去把我們的這個社區做好
1:54
以促進咱們這大校友
1:57
在AI領域的交流鏈接合合作
1:59
也歡迎這大AI界的校友加入我們
2:04
是的
2:04
因為我自己其實也在這個群裡面
2:06
真的有很多在AI一線的這個大佬
2:10
所以今年我們的節目
2:12
也會做一個小小的升級
2:14
我們會多邀請他們
2:16
來跟我們一起聊一聊
2:18
我自己本人也覺得
2:19
現在是一個很合適的一個時間點了
2:22
AI可能已經從模型
2:24
參數變得離更多人更近
2:27
所以大家也一定要關注我們的節目
2:30
如果你有想聽的一些主題
2:31
也可以給我們留言
2:33
好了話不多說
2:34
來切入我們今天這期的主題吧
2:37
今年開年以來
2:39
其實小龍蝦是從矽谷火到了國內
2:42
大家已經不單單是開始在聊
2:44
這個面向人的AI產品
2:46
而是開始聊面向AI
2:48
面向agent的產品了
2:49
同時315曝光裡面
2:52
竟然也開始有AI了
2:54
AI投毒原來已經都產業化了
2:56
所以我們其實今天是想來聚焦
2:58
一個很細分的場景
3:00
GEO來看看AI都發展到哪了
3:03
以及說未來這個信息的分發邏輯
3:05
會有什麼不一樣
3:07
未來的產品可能長什麼樣子
3:10
浩哥我們今天請來的是誰
3:13
好今天我們請來的是
3:15
我們這代軟件工程專業的校友
3:19
李全來
3:20
然後我覺得全來是特別適合
3:22
來跟我們聊這期的節目的
3:24
因為他其實就有一個身份
3:26
他專門寫了一本書叫
3:28
How to Win GEO
3:29
他是GEO方向的一個專家
3:31
剛才其實予教有提到說
3:33
最近GEO可能成為了一個比較熱的詞
3:36
實際上我們在求生愛聯盟
3:38
去年就開始組織
3:39
在GEO方向的校友去做了很多的交流
3:42
我們也覺得GEO實際上是
3:44
新的AI時代的一個重要的產物
3:48
也是我們跟在AI領域
3:51
跟大家包括跟AI和跟人溝通的
3:53
一個很重要的方式了
3:55
那全來實際上是
3:57
我們可能是在24年的時候認識的
4:00
後來25年我到龜龜的時候
4:01
我們還見面做了交流
4:04
包括在25年下半年
4:06
全來回到國內的時候
4:07
我們邀請他在求生愛聯盟給大家
4:10
做了非常精彩的一個分享
4:12
那接下來也有請你來介紹一下自己吧
4:16
好 非常感謝二位組織這個活動
4:19
然後也非常感謝咱們的求生AI聯盟
4:23
給咱們帶來的各種各樣的
4:24
高質量的活動和高質量的資源
4:27
我簡單介紹一下我自己
4:28
我是全來
4:29
然後我是12年到16年在浙大讀書
4:33
16年到17年在UC Berkeley讀書
4:35
之後在矽谷的幾家公司工作過
4:38
並且在23年開始創業
4:40
那麼我一開始做了一個
4:42
AI做slides的項目
4:44
叫做Chatslide
4:45
那麼我之後也在做這個
4:48
Chatslide的過程中開始發現
4:51
我們其實有很多GEO相關的一個機會
4:55
可以提升我們的流量
4:57
所以我就把這些所有的知識
4:59
總結成了一本書
5:01
叫做How to Win GEO
5:02
盡量幫助大家可以在
5:05
Chai GPT等等的這種
5:07
AI搜索引擎中出現自己的產品
5:10
然後我目前也做了一個諮詢項目
5:13
不管是出海的項目
5:14
還是說美國加拿大本土的項目
5:17
去盡量的獲得更高的
5:19
AI上面和搜索引擎上面的曝光
5:23
歡迎全來來做客我們的節目
5:26
首先我覺得未必所有的聽眾
5:27
都了解和熟悉GEO這個概念
5:31
要不全來先給我們介紹一下
5:32
GEO是什麼
5:33
以及它其實背後底層的原理是什麼
5:35
為什麼通過了GEO之後
5:38
AI模型能夠更加的
5:40
通過了GEO之後
5:41
AI模型能夠更好的去曝光和推薦
5:45
相關的產品和服務
5:48
對
5:48
那麼GEO它的英文全稱叫做
5:51
Generative Engine Optimization
5:53
那麼在美國其實也有很多人
5:55
把它叫做On-site Engine Optimization
5:58
其實大家講的基本上都是一個東西
6:00
就是說我們現在在一個AI時代
6:03
大家的入口從原來的比如說搜索引擎
6:06
變成了AI的Chatbot
6:08
那麼比如說在美國的話
6:10
我們常常講的是Chatbot
6:12
比如說現在可能比較火的有Cloud
6:14
現在還有Gemini
6:16
那麼在中國可能大家現在用的是
6:20
豆包DeepSeek這些比較多
6:21
那麼就是說其實大家現在獲取信息的方式
6:25
我們可以想像從傳統的搜索引擎
6:28
到TikTok或者是小紅書
6:31
可能有一部分的獲取信息方式
6:33
現在已經遷移到了AI上面
6:35
那麼到了這個時候
6:36
我們如何利用好
6:39
尤其是我們商家如何去利用好
6:41
這個機會去獲得這個流量
6:43
其實這個就涉及到
6:44
Generative Engine Optimization
6:47
就是GEO
6:48
那麼我們簡單來講如何去做到這一點
6:51
首先就是說我們的
6:53
要了解這個GEO
6:55
也就是這個Chatbot的原理
6:57
它基本上我們可以把它分為一個
6:59
叫做Pre-training和Post-training
7:01
那麼Pre-training就是說
7:02
我去訓練一個大模型
7:04
那麼這個時候我可能去獲得
7:06
互聯網上所有的信息
7:08
那麼在這個過程中
7:09
我可能會讀到
7:10
比如說關於某某品牌的信息
7:12
那麼這個時候它就在我的記憶裡
7:14
我即使不聯網我也可以知道這個東西
7:17
那麼這個就一般來說
7:18
對很多大的品牌會比較重要
7:20
比如說像是歐萊雅
7:22
或者說像是這種保時捷
7:26
這樣子的一些品牌
7:28
那麼還有一些
7:29
比如說我們是新興的品牌
7:30
可能在這個
7:33
Pre-training的過程中
7:34
我們還不能被AI記住
7:37
或者說比如說
7:38
可能我們現在經常在用的一些模型
7:41
它可能是都有一個Model Cutoff Date
7:44
也就是說比如說它的模型是用
7:47
2025年12月以前的
7:49
所有互聯網上的數據去訓練的
7:50
那麼它對一些比如說
7:52
新的一些知識它是不懂的
7:56
怎麼辦呢
7:57
它會去打開搜索引擎
7:59
然後去搜索
8:00
那麼這個時候我們就
8:01
也可以在Post-training的階段去優化
8:04
比如說我們就會說
8:05
會在一些高質量的網站上
8:07
或者說高權重的網站上
8:09
去做大量的內容
8:10
然後讓這些內容
8:12
逐漸被我們的AI在搜索引擎中搜到
8:16
然後最後再索引到
8:17
這樣子就可以讓我們的AI
8:21
盡量去在用戶的一些問題中
8:23
推薦我們的產品
8:27
其實我理解就是
8:28
機歐是AI時代的這樣一個產物
8:31
但是實際上是在搜索引擎時代
8:33
就有類似的這些角色
8:35
在幫助我們更好的理解這個世界
8:37
對吧
8:38
是的 是這樣的
8:39
對 它其實和搜索引擎的SEO
8:42
其實是有很高的相關性的
8:44
尤其是Post-training這塊
8:46
那跟SEO的話會有什麼樣的不一樣
8:48
因為剛剛其實你拆解了有兩塊
8:50
一塊是本身它的知識庫裡面
8:53
已經存儲了信息
8:55
那這部分的信息聽下來
8:56
是不是可能成立的時間更長
8:59
更大的一些
9:00
積累更多的一些品牌
9:01
它更有優勢
9:03
那另一塊就是還是實時的搜索
9:06
那跟普通只是在搜索引擎上做優化
9:10
GEO效額還多做一些什麼嗎
9:13
嗯 對的
9:14
那麼我覺得我們可以從我們自己的
9:18
先從我們自己的體驗出發
9:19
就是說我們在看搜索引擎的結果的時候
9:23
我們可能會比如說優先點第一個
9:25
或者說我們會稍微往下滑
9:28
比如說現場可能前三個是廣告
9:30
那麼我們會看第一個自然的結果
9:32
那麼這是一個很顯著的情況
9:34
那麼我們在做GEO的時候
9:36
我們會發現其實GEO它的所謂的context window
9:40
其實比人要一般要大很多
9:43
比如說GEO它可能會去搜索到30個結果
9:47
然後從這30個結果裡面總結出來
9:49
比如說有三五個產品
9:50
那麼這30個結果當然不是說30個產品
9:53
而是說可能有的是Reddit
9:54
有的是LinkedIn
9:55
但它們講的是同一個產品
9:56
或者說它們講的是某一個品類
9:58
就比如說我們是這個
10:00
What is the best AI slice tool 對吧
10:02
假如說我們就問
10:03
你做PPT到底是哪個工具最好
10:05
那麼可能就會有Reddit的一個內容
10:08
然後可能會有第三方博客的內容
10:09
然後可能會有比如說我們的產品
10:13
或者說我們的競爭對手的產品
10:14
競爭對手可能也有Microsoft
10:16
然後也有一些其他的startup
10:18
那麼我們把這些東西都整理了以後
10:20
然後最後會獲得一個排名
10:22
那麼這種時候其實它和這個ICO的區別就在於
10:27
ICO你要優化你的位置
10:28
就是說你的位置
10:30
比如說你排到第二名
10:31
要比你排到第十名
10:32
加上第十一名
10:33
加第十二名要好很多
10:35
但是在GEO就不一樣了
10:36
因為你有第十名
10:38
第十名 第十二名
10:39
這些都被AI去獨立以後
10:41
反而會覺得
10:43
原來就可能比如說前30個裡面
10:45
有三個提到了我們的產品
10:46
有兩個提到了競爭對手的產品
10:48
它可能會把我們的產品放在更前面
10:50
所以在這個時候就是說
10:51
我們越常位的一些內容
10:54
它的重要性就越高了
10:56
那麼還有一點就是說
10:57
其實大部分人在搜索的時候
11:01
其實搜索的東西是
11:02
在ICO的過程中
11:04
大家講的是keyword
11:05
就是關鍵詞
11:06
大家可能搜索的是
11:07
比如說便宜的筆記本電腦
11:09
那麼在GEO的過程中
11:10
由於AI它懂你到底是什麼樣的profile
11:15
比如說它知道你這個便宜的筆記本
11:16
比如說你是一個喜歡打遊戲的人
11:18
或者說你是一個比如說經常要出差的人
11:21
大家可能會說
11:22
便宜的能打遊戲的筆記本電腦
11:24
或者說便宜的適合處理文檔的
11:26
便宜的然後又輕便的筆記本電腦
11:29
它可能會把這些更細節的東西
11:32
加入到這個搜索詞中
11:35
那麼也就是說
11:36
我們的所有的搜索詞
11:38
就變成了一個所謂的conversational query
11:40
它會變得更加常委化
11:41
那麼在這個時候我們GEO要優化的
11:43
可能不光是那些流量最大的那5個詞
11:46
是我們要優化的
11:47
反而是相對來說有一定的常委的
11:50
更加和用戶的場景接近的
11:53
比如說100個常委詞
11:55
那麼在這個時候我們就會去做更多的內容
11:57
然後這樣子我們就會獲得更好的流量
12:00
我覺得這個是SEO和GEO
12:02
它們現在的主要的區別
12:04
聽下來其實是它的處理信息的窗口
12:07
和它的注意力可以覆蓋的範圍是更廣了
12:10
那我問個問個小白的問題
12:12
那最終比如說它能看到的是30個搜索的結果
12:17
那它如何去影響最後數數的權重呢
12:20
是數量嗎
12:21
就類似30條裡面
12:22
我其實雖然我排不到前5
12:25
但是我其實在後面的常委中
12:27
我能佔到10條
12:28
所以我能有更高的注意力權重嗎
12:32
我覺得所以我們就說
12:33
其實GEO它其實前半部分是SEO
12:37
就是說首先你還是要能進前30對吧
12:39
你如果在前100
12:40
那可能AI也看不到你了
12:42
那如果你能進前30
12:44
那這個本身就是一定的SEO
12:45
只不過你現在的SEO不用做得那麼好
12:48
你原來的SEO可能目標是前5
12:50
現在你的SEO目標前30
12:51
那麼進了前30以後怎麼辦呢
12:53
你就要讓你的AI bot
12:55
去盡量的去summarize你的內容
12:58
那麼怎麼去做到呢
12:59
其實就是說第一是要看你的內容的質量到底好不好
13:03
如果你的內容質量比較高的話
13:05
它就更容易去summarize你
13:06
那麼第二個就是說要看你的內容的相對來說
13:10
它是不是容易被AI讀取
13:11
其實我們是有很多的網站
13:14
它是為人去畫的
13:15
它做了很多花里胡哨的一些交互
13:18
但是這些東西對於AI來說
13:20
它們反而是比較難去讀取的
13:22
就比如說有的網站上它有很多滾動的文字
13:25
那麼滾動的文字其實就屬於一種
13:27
對AI來說比較難讀取的東西
13:29
它實際上在AI讀取的時候
13:31
它完全就亂套了
13:33
就原來可能是比如說
13:34
你的一個圖片和一個文字是一個上下的關係
13:38
那麼之後你AI讀取的時候
13:40
它可能距離是十萬八千里的
13:42
那麼在這個時候我們就需要把內容
13:45
針對AI也去做優化
13:46
那麼第三就是說
13:48
我們在針對AI優化的時候
13:50
我們要去優先去考慮
13:52
AI看中的是什麼
13:53
AI看中的是真實性
13:54
AI看中的是客觀性
13:56
AI看中的是權威性
13:57
那麼我們要在內容中著重去強調這一點
14:00
那麼人看中的是什麼
14:01
人很多人看中它可能是故事性
14:03
對吧 我要講一個故事
14:04
比如說我用了這個產品以後
14:06
每天給我省了5個小時
14:08
那麼不好意思 這種東西對於AI來說
14:12
它沒有辦法體會到
14:14
就是說每天省5個小時
14:16
對AI來說不是一個特別客觀的東西
14:18
那麼更客觀的東西
14:19
比如說兩個產品的一個對比
14:21
比如說功能性的對比 價格上的對比
14:24
可能這是更客觀的東西
14:25
然後是AI更喜歡的
14:27
AI是不是它喜歡的其實就是markdown
14:29
其實本質上是它讀文字對它而言是最省力的
14:33
以及說AI其實會更理性
14:36
對 是這樣的
14:36
所以我們在這種情況下我們也要去考慮
14:39
就是我們要製作一些更適合AI去讀的內容
14:43
不同的AI平台也會不一樣吧
14:45
它在對於不同的網站搜索引擎的權重
14:48
它信息來源的權重
14:50
以及說它如何去理解讀取這些信息
14:53
它如何去判斷提取中間的關鍵的要素
14:57
那怎麼去做均衡呢
15:00
好問題 那麼在這個時候我們首先先想一想
15:04
我們到底為哪些AI平台去優化 對吧
15:07
我們先舉一些就是說AI平台
15:09
首先它們的preference
15:10
比如說它們一般很多AI平台其實是某家大公司的
15:15
那比如說Google它Gemini它就特別喜歡引用YouTube的內容
15:19
因為Google有YouTube
15:20
那麼比如說像豆包它可能就比較喜歡去引用TikTok的內容
15:24
元寶可能比較喜歡引用微信公眾號的內容
15:27
因為它們都是一個生態的
15:29
那麼首先這個是肯定的
15:30
然後其次就是說每一個AI其實它所謂的
15:33
它們不管是模型還是說它們的一些參數都會有不同
15:37
那麼比如說我自己其實常用的是Cloud
15:39
而不是TikTok
15:40
因為我覺得Cloud它的思考更深入
15:42
它更願意對於一些事實去做事實的調查
15:47
那麼它的缺點就是說它反應的比較慢
15:50
就比如說我去問它
15:52
我要去假如說我要去某某國家
15:55
需不需要一個簽證
15:56
那麼有的時候有很多別的AI
15:59
它可能直接就想當然的去回答
16:01
而Cloud會專門去網上查
16:03
然後再回答我
16:04
那麼所以在這種情況下
16:06
我們假如說想要優化某些內容
16:09
比如說我們知道原來它是喜歡去網上調查的
16:13
那麼我們就要去研究它到底喜歡哪些網站調查
16:16
比如說有的人喜歡看Wikipedia
16:18
有的人喜歡看Reddit
16:19
那麼有的AI可能更喜歡看
16:22
用自己內部的一些信息
16:24
那麼如果它們喜歡外部的信息就更容易去影響
16:26
那麼如果是內部的信息
16:28
一般來說就只能通過Patreon去影響
16:30
所以我們要先了解我們到底是優化的是什麼AI
16:35
然後再看這些AI到底它在選取素材的時候
16:39
選取這個信源的時候是什麼天號
16:44
然後再去做一個優化
16:46
OK 那剛剛其實聊的是Post Training這部分的原理
16:49
那我們再回到說Pre Training的那個部分
16:52
那個部分還能做些什麼嗎
16:54
因為它其實已經封鎖了是過往的某一個時間段的信息
16:59
在那個部分我們能做什麼樣的提升嗎
17:02
如果 我現在我覺得可以這麼去說
17:05
就是如果咱們是一個新的公司
17:08
咱們還是多Focus on Post Training
17:10
那麼Pre Training就是基本上是我們Post Training已經做得差不多了
17:14
然後我們再去看Pre Training
17:15
那麼這個時候我們能做什麼
17:17
就是說你要看這些AI它到底是以什麼東西去優化為主
17:24
我目前感覺其實至少在英語世界裡面
17:27
Reddit是一個很好的一個渠道
17:30
所以我們其實幫助很多的人去做Reddit的內容
17:33
然後尤其是開Subreddit
17:36
也就是辦一個紫色區域
17:38
這些其實對於我們的Pre Training還是有一些不錯的影響
17:42
就是說尤其是把你們的品牌和一個用戶的某一個場景
17:48
有高強度的結合
17:50
然後特別多重複性的結合
17:53
這個時候我們就不要去管你到底有幾個東西能進縮水引擎
17:57
這個時候我們就要去管
17:58
你到底整個這個Subreddit
18:00
或者說整個這個話題下面
18:05
有多少內容是和我們產品相關的
18:08
越多越好
18:08
那麼在這個時候我們其實基本上就說
18:11
Subreddit就是一個相對來說比較高效的一個辦法
18:15
我很好奇大模型在Pre Training的部分
18:18
它學習不同信息源的群眾
18:21
跟它在Post Training的部分是不是類似的
18:23
如果是大模型是個人的話
18:25
它可能它會有它自己更相信的一些來源
18:28
不管是在過往的歷史學習
18:30
還是說實時的歷史的學習上
18:33
這個是有區別的
18:35
我覺得有這麼幾個因素
18:36
一個是信息的Availability
18:38
就是說我在做Post Training的時候
18:41
我只能看30條信息
18:42
但是我在做Pre Training的時候
18:44
尤其是現代的
18:45
比如說2026年的所有的模型
18:47
他們肯定是要把互聯網上所有的信息都抓下來
18:50
那麼這個時候我就不光看30個
18:51
我可能就要看比如說100個1000個1萬個信息了
18:54
那麼這個時候假如說你的信息可能都排在
18:57
比如說100名以後
18:58
那麼你在Post Training是沒有機會的
19:00
但是在Pre Training還是有機會的
19:02
當然Pre Training它會有非常高的壓縮
19:04
所以你可能你如果100名你只有一條信息
19:07
那你其實根本是不會有影響
19:09
但是假如說你100名以後
19:10
你有很多條信息
19:12
那就會有影響了
19:13
其實這個東西還是會對大於模型會有一定的影響的
19:18
那麼第二就是說這個東西它會不會
19:21
就是說如果是同樣一個信息
19:23
它到底會不會去同樣的去影響AI
19:27
我覺得也不一定
19:28
因為Pre Training其實它我們做的主要的東西
19:32
其實是在於讓AI去學習這些東西
19:35
然後而且我們的所謂
19:38
如果我們講一個機器學習的術語
19:41
就是說我們的目標函數是不一樣的
19:43
我們可能是比如說讓AI不光是要學習
19:46
這個知識是什麼
19:48
我們甚至要去讓AI去學習怎麼去說話
19:50
對吧
19:50
然後可能是Reddit上面的聊天的
19:53
风格是什么样的
19:54
那么这些东西可能都会影响到AI
19:56
而如果我们作为一个
19:59
Post Training的时候
20:00
我们只会把这个东西当做一个
20:02
参考资料去读
20:04
就好像比如说
20:05
如果我们把同样一个知识
20:08
我假如说交给一个小孩
20:10
然后我让他在从小到大
20:12
成长的过程中交给小孩
20:14
他可能这个知识就会影响到
20:16
这个小孩的行为方式
20:17
对吧
20:18
就比如说这个内容是怎么说的
20:20
那这个小孩可能未来长大
20:22
怎么说话
20:23
但如果我交给一个研究生
20:25
然后我就告诉他你要去用这个文档
20:28
然后去做一个东西
20:29
那么他可能只是去提取形容信息
20:31
而不会受到文章中的风格中的影响
20:35
我不知道这样子有没有解释的清楚
20:37
其实他Pre Training和Post Training
20:38
现在都是非常复杂的一些话题
20:42
然后我这里只是一个很简单的去介绍了一下
20:47
对
20:47
我觉得刚才可能我们聊了一些技术的原理的层面
20:51
但我们如果把镜头拉回来一些
20:53
从需求的角度来看的话
20:55
我觉得我们今天是讨论这个问题的
20:57
一个很重要的原因
20:57
就是似乎大家已经很长时间没有使用过
21:01
原先我们获取信息的方式
21:03
比如说社会引擎
21:04
对吧
21:04
我不知道两位怎么样
21:05
我感觉我应该至少一年以上
21:07
没有使用过百度和Google了
21:09
也就是说现在可能大家获取信息的主要的入口
21:12
对于很多人来讲
21:14
都是在大模型的Chatbot基础之上
21:17
对吧
21:17
刚才全然提到国内和国外分别有一些
21:20
日活和月活都做的比较好的
21:22
所以既然浏览入口在这的话
21:25
可能就更多的厂商要去做一些GEO的工作了
21:32
所以我想从全然的角度来看的话
21:33
因为你现在可能也刚才也介绍
21:35
就是说从咨询的角度服务了一些客户
21:38
你自己观察现在的这些客户的特点
21:40
以及他们对这件事情的具体需求是怎么样
21:45
对
21:46
我觉得其实我们可以把需求分为三类
21:50
那么有一类就是说大圆模型已经知道你了
21:53
但是它的信息是不准确的
21:55
那么这个时候我们要去纠正
21:56
这种一般来说都是一些比较大的一些企业
21:59
那么还有一类就是说大圆模型还不知道你
22:03
但是你想去获得流量
22:07
然后就希望尽量的在常委次中去获得
22:10
那么还有一个就是更像一个PR的作用
22:12
就是说大圆模型可能它不一定知道你
22:17
但是就是说你希望在某一个特定的词下面
22:19
排到很靠前
22:20
比如说最好的某某某是什么
22:22
那么这个东西其实它比较适合去PR
22:25
所以我们会针对这三种需求
22:27
去专门做不同的一些方案
22:29
那么对于大部分的新生的出海的项目来说
22:32
往往那直接他们是不是去
22:35
他们目的是做流量还是做排名
22:37
那么做排名就是我觉得其实它有一定的
22:40
Vanity Matrix的效果
22:41
有点接近虚荣指标
22:43
就是说它会让你说出去很好听
22:45
对吧
22:45
你是某某排名第一
22:47
或者说拆机挺认可你
22:49
当然也可以带来流量
22:50
那么还有一类就是说
22:51
我甚至我就不要求我到底是某一个词排名第一
22:55
但是我比如说我做100个词
22:57
那么我可能在30个词里面排的比较靠前
23:00
然后它的总流量可以给我带来的相对比较多的
23:04
所以我觉得基本上大家可以根据自己的需求
23:07
去选择一个相应的一个
23:09
比如说不管是方法还是套餐
23:12
我感觉曾经有一段时间
23:14
有一些朋友他在自我介绍的时候会写
23:17
比如TryGP或者是豆包或者是DeepSeek图
23:19
对吧
23:19
就是说我搜索一下
23:23
例如说我是做一个什么应用的
23:26
然后就你看在这个评论里面
23:28
我问了个问题说谁是做最好的
23:30
TryGP或者DeepSeek回答说是我的
23:32
就这个作为他的新的一个对外介绍的一个方式了
23:36
也挺有意思
23:37
有的也可以去融资
23:39
拿给投资人去融资
23:40
然后我知道我们有一些客户也是
23:42
因为比如说先做了GEO
23:45
然后突然就排到前面了
23:47
然后这个时候去投资
23:49
然后可能就比较快的去close
23:52
可能比如说几个million的一个投资也有的
23:57
对这个就是到我们想聊的下一话题
24:00
因为其实在苏联影音时代
24:01
大家都知道Google最早排的算法叫Patreon
24:04
对吧
24:05
然后百度他会再结合一些竞价的部分进来
24:09
但是在那个时代实际上大家在解决问题
24:12
就是说什么样的信息是更有价值的
24:17
以及更重要的会排在我们前面
24:19
或者是需要获得我们的attention对吧
24:22
那刚才其实宇哲也提到说
24:26
最近315在说AI投资的事情了
24:28
如果是在大模型时代
24:30
因为刚才其实全然也解释到
24:32
从技术和机制角度来讲的话
24:34
这些大模型是怎么去做post-trend
24:38
然后根据实时的一些信息
24:39
然后来给出这样的答案对吧
24:41
那我们到底是怎么去balance这个过程
24:44
以及怎么去看这个所谓的投赌和不投赌
24:47
这个level或者是程度的这个问题
24:49
怎么去界定它呢
24:50
我觉得这个是一个很好的话题
24:54
我可以先讲一下SEO的问题
24:55
就是说SEO其实当年也有投赌的问题
24:58
Google其实就是所谓的Patreon
25:01
它只不过是非常多的迭代以后的Patreon
25:05
那么怎么去做呢
25:07
就是说还是说看权重
25:08
就是说如果我是Google搜索引擎公司
25:13
我需要知道全世界上
25:14
我其实需要去index all the internet对吧
25:18
我们需要去搜索你整个互联网的时候
25:20
我们就会发现我肯定有很多东西
25:22
我没办法自己去verify对吧
25:24
那么在这个时候我肯定会有一些
25:26
有一个办法就是说
25:27
我有一些东西是我比较相信的
25:30
有一些东西是我不太相信的
25:32
那么我就看它有信息链的一个概念
25:34
那么我比较相信的东西
25:36
比如说我比较相信维基百科
25:38
然后我比较相信纽约时报
25:40
我比较相信福布斯
25:41
那么福布斯又引用了一个
25:43
比如说旧金山的餐饮联盟
25:45
然后旧金山餐饮联盟里面
25:47
又引用了另一个信息
25:48
就是比如说旧金山本土的一个餐厅
25:50
所以这个时候我知道这个餐厅
25:52
它相对来说是比较靠谱的
25:54
当然谷歌还用了很多其他的信息
25:56
比如说Google Maps的数据
25:58
甚至是其他的比如说
26:00
用户的搜索
26:02
然后包括客户网站上的信息
26:05
那么它用了这些信息去帮助它
26:07
去做所谓的ICU的排名
26:11
那么我们回到ICU就说
26:13
其实Google会给所有的一个网站会打分
26:18
那么大部分人会把打分叫做
26:20
不管是叫做Dominion Authority
26:22
或者叫Dominion Reputation
26:24
那么也就是权重
26:25
那么一个网站会有一个权重
26:27
那么另外一个网站上面还会有很多内容
26:29
那么这个内容会有一个质量
26:31
那么如果两个网站的内容的质量是一样的时候
26:35
Google就会看哪个权重高
26:36
然后我就会把哪个排在前面
26:38
那么比如说我要去找旧金山的理发店
26:41
那么可能有两个
26:42
可能比如说有三家
26:43
那么有一家它做的是一个高质量的内容
26:45
可能图片也比较清晰
26:47
文字也比较多
26:48
另一个可能比较简单
26:49
就是只给你一个address
26:50
然后只给你一个电话号码
26:53
那么在这个时候
26:54
那么我们可能首先就排除掉信息质量比较低的
26:58
那么然后我们就看信息质量比较高的时候
27:00
我们就看它的权重
27:02
就是说我两个网页本身
27:04
它可能质量都是差不多的
27:06
那么在这个时候我就去看它的权重到底高不高
27:08
那这个基本上就是看外链了
27:10
那么这个就是Google的一个
27:12
ICU的一个最basic的一个版本
27:14
那么我们现在在经营上讲
27:17
比如说GEO的投赌的时候
27:21
我们就先考虑
27:22
我Google它这个ICU的投赌可不可以做
27:25
其实也可以去做
27:27
但是为什么大家现在基本上投赌不会成功
27:30
就是因为Google的这个东西相对来说
27:32
还是需要经过一定的检验的
27:35
就是说你不是说我随便搞一个简单的网站
27:39
然后这个网站我上面说
27:41
我是旧金山最好的理发店
27:43
那别人就会信
27:44
因为你的新网站肯定是
27:46
第一是时间比较短
27:47
第二是权重比较低
27:49
那么即使你把内容做得很高
27:50
那么别人也不一定会相信
27:52
那么这个就是Google的
27:53
这个尽量去排除spam的一个办法
27:57
当然也不是说就是它完全没有任何的spam
27:59
它还是会有的
28:00
那么这个时候我们在考虑就是GEO
28:03
那么GEO的时候
28:04
那么其实我们不管看
28:06
Chadwick还是看Anthropic还是看Gemini
28:09
他们都在用相应类似的一些搜索引擎的结果
28:13
那么基本上他们做的办法
28:14
其实就是第一是他们会有自己的index
28:17
就是他们会自己去
28:18
搜引整个互联网的信息
28:19
第二就是他们也会去参考
28:21
Google的信息
28:22
这些基本上他们都会
28:24
不管参考是Google还是Bing的信息
28:27
他们都会有搜索引擎的信息来参考
28:31
然后这个时候他们再去整理自己的信息
28:34
所以如果搜索引擎在第一步已经能帮他们去
28:37
尽量的保证他们的搜到的东西是高质量的
28:41
那么它的搜索结果基本上
28:44
大学模型的搜索结果也是高质量的
28:47
那么第二就是说
28:48
这些大学模型相对来说还是会
28:51
就是说用一些
28:54
不管是cross reference
28:55
就是说交叉检查
28:56
还是各种办法去检查某一个内容
29:00
到底是不是真实的
29:01
比如说我的可能某一个网站上
29:03
他提了A餐厅是最好的
29:06
但是在10个
29:08
我们在看了10个内容以后发现
29:10
只有一个提了A餐厅最好
29:11
那么这个时候我们可能就不相信他
29:13
或者说我们会觉得这个东西是更偏偷渡
29:16
对吧
29:16
那么这就是讲了
29:18
比如说我们在海外
29:20
或者说我们讲美国的
29:23
不管是ICU还是GU的一些思路
29:26
那么回到国内的话
29:27
我们会发现其实百度的
29:30
说实话
29:31
就是我觉得百度它在整体构建
29:34
中国互联网的生态的方面
29:36
其实它是有一些负面作用的
29:39
就是说它并没有一个非常公允的
29:41
周遭引擎排名的一个算法
29:43
或可能大家也会发现
29:45
就是说所以你真的要排在百度上面
29:47
你做的办法不是说你提升
29:49
自己的高质量内容
29:50
不是说你拿外联
29:51
而是说你给百度去交钱
29:53
那么在这种情况下
29:55
就会导致中国互联网上面的信息
29:57
相对来说
29:58
尤其是公开互联网上信息
29:59
相对来说是舆论混杂的
30:01
那么在这个时候
30:02
就是说更适合被偷渡
30:04
或者说就是一个第三方平台
30:06
没有办法去真正的去检测到
30:09
一个内容到底是真的还是假的
30:11
那么甚至包括我们现在也知道
30:14
有一些这个最优的平台
30:15
比如说像搜狐
30:18
或者说像知乎这些平台
30:20
也可以比如说通过付费的办法
30:23
或者什么方法
30:24
去把一些相对来说
30:27
就是说不太真实的信息
30:29
放到这个平台上面
30:31
那么这个会
30:32
我觉得其实是会影响
30:34
这个平台本身的可信度的
30:36
那么如果这种事情发生在
30:38
比如说美国的话
30:39
其实这一类平台的可信度
30:40
会逐渐下降的
30:41
那么我觉得在中国
30:42
如果我们要做提升更高质量的
30:45
这些可信度的这种内容怎么去做
30:48
其实第一就是说大圆模型
30:50
它要去做cross reference
30:51
就是说我要去
30:53
不光我要看一个内容
30:54
我要看多个内容
30:55
然后这个时候去做出更加精准的回答
30:59
那么当然了
31:00
这个其实相对来说
31:01
就会有token的消耗
31:03
那么第二就是说
31:05
我觉得可能在就是
31:08
如果是中国的话
31:09
还是需要逐渐去构建起来一个
31:11
就是对于网站的
31:14
这个可信度的一个评分
31:16
对吧
31:16
就好像美国每个人都会有自己的
31:20
social security score
31:22
对吧
31:22
就是有一个社保的一个分数
31:25
那么我觉得在中国
31:27
其实现在也会有
31:28
比如说芝麻信用的分数
31:29
那么其实每个网站
31:30
可能也会需要有一些相应的分数
31:33
那么首先它有没有
31:34
它肯定是有的
31:35
那么其次它准确不准确
31:37
我觉得目前还不太准确
31:38
但是未来我们希望它可以更准确
31:41
这样子才能尽量让互联网上的信息
31:44
就是说有比较好的分布
31:45
然后有一个比较好的真实性
31:50
对
31:50
所以我理解就是说
31:51
本质上来讲的话
31:52
无论是在所有引擎时代
31:54
还是现在大模型的时代
31:55
其实都同样在解决问题
31:57
就是你面向互联网
31:59
海量的信息
32:00
你如何高效
32:01
这里高效
32:02
你是需要兼具效率和效果的
32:04
去解决这个信息的排序的问题
32:06
对吧
32:07
让那些可能更加高质的
32:10
或者你想要的信息
32:11
能够再来到你的面前
32:13
所以刚才秦轩他也分享到说
32:16
其实在Sony引擎时代
32:17
也存在类似的问题
32:19
但是比如说Google
32:20
可能它本身的排序算法
32:23
也经过不断的迭代
32:24
然后我相信过程中
32:26
可能最开始就像你说的
32:27
也有过通过SEO投资的问题
32:30
对吧
32:30
但是最终可能现在我们看到的
32:33
Sony引擎的结果
32:34
已经相对在Balance效率和效果的
32:37
情况之下去解决了这个问题
32:41
所以包括我们刚刚讲到
32:43
新时代AI的投资
32:45
可能它也是一个过程中
32:46
会不断优化和解决这样的问题
32:51
对 是这样的
32:52
同时我觉得过去我们做SEO或SM
32:56
其实它虽然是一个营销的方式
33:00
但是总体来讲的话
33:01
是在整个的生态之中
33:03
还是起到了很多正面的结果的
33:05
对吧
33:06
所以刚才我们可能讲到投资两个字
33:08
现在听起来不是特别的好听
33:10
但是我觉得长期来看的话
33:13
其实在生态里面
33:15
你去做一些优化的部分
33:17
本身并不是一个负面的事情
33:19
对吧
33:20
对 我觉得我们要这么去看
33:22
就是说优化本身它不是负面
33:23
但是我们还是希望优化它是有理有据的
33:27
就是如果你真的是一个比较好的东西
33:29
你去优化
33:30
如果还不是的话
33:31
我建议你先去提升自己的产品
33:34
然后再去优化
33:35
所以从长期来讲
33:37
肯定是做
33:38
就是说你要一个东西要卖出去
33:40
你首先你的产品是自己本身可能得是
33:43
相对来说比如说我觉得有80分
33:45
你得先做了80分
33:47
然后再去做优化
33:48
可能从长期来讲是更合适的
33:50
比如说有的人可能他就做了60分
33:52
他就去优化
33:53
那么在草莽时代是可以的
33:55
但是我觉得未来就是说当大圆模型
33:57
它自己也有一定的可能在进化的过程中
34:00
它会逐渐你60分的一个产品的
34:04
你再怎么优化
34:04
我觉得理论上也不太可能会出现在
34:07
特别靠前的位置
34:08
这里我还有一个小问题想请教一下
34:11
就是因为其实刚刚拆解的过程中
34:13
其实有讲到说它其实有一个
34:16
本身优质的数据源
34:19
以及数据源可能有一个比较好的
34:21
搜索的能力其实挺重要的
34:24
在国内的话可能是像知乎
34:26
或者是像我们之前聊的小宇宙
34:29
它可能其实是权重比较高的
34:31
或者是说是AI也认为比较可信的
34:33
一些数据源
34:35
那我在想说这些数据源
34:38
相当于把入口抢掉了
34:40
所以说这些优质的数据源
34:41
本身会持一个什么样的态度
34:43
是更开放的去让这个模型来调用
34:45
还是说它也会要有所保留
34:48
来保障它在整个生态位上面
34:50
它的一个位置
34:54
那这种我觉得其实
34:57
我觉得一般来说
34:58
我们要考虑这么几点
34:59
第一就是说你的这个网站
35:02
它的主要的目的
35:04
是不是真的是只给去AI去调用
35:07
那么我们就举这么几个例子
35:10
而且我觉得这几个例子
35:11
它可能最后的结果是完全不一样的
35:13
比如说一个是Stack Overflow
35:15
这个可能大部分程序员都知道
35:17
但是可能上一次用
35:20
可能也是几年以前了
35:21
它是一个什么
35:22
它就是一个程序员互相交流
35:23
就是说你怎么去debug一个东西的
35:25
但是它在AI出现以后
35:27
它的流量迅速下跌
35:29
因为大家都开始直接去问AI了
35:31
而不去问它了
35:32
那么它的流量就下降了
35:33
然后现在基本上Stack Overflow
35:36
可以说就是说
35:37
属于第一批被AI杀死的网站
35:40
那么在这个时候
35:41
它肯定是不太情愿被AI读取的
35:44
但是其实它可能当时也没反应过来
35:46
结果一下子就会被AI冲击了
35:49
另一类就是说有一个叫Chag
35:51
它是帮助很多学生去解题的
35:55
那么现在学生也肯定不会去网站上搜一个题了
35:57
基本上都是直接问AI了
35:59
那么这一类就是
36:00
我觉得是完蛋的比较快的
36:02
那么剩下的一类可能就是说
36:04
我觉得更接近和AI共生
36:06
因为它们里面有很多内容
36:08
其实是可以帮助更偏长期的讨论型的
36:13
而且更偏这种生活体验型的
36:15
比如说我们发现Reddit它的流量
36:17
其实总体来说是还维持着一个不错的效果
36:22
甚至会上升
36:23
而且甚至OpenAI会买Reddit的数据
36:26
然后帮助去训练它们内部的东西
36:28
我觉得这个就是因为
36:30
Reddit它本身它其实是有自己的生命力的
36:32
就是说它人们来Reddit
36:35
不光是我去搜索一个什么东西去来Reddit
36:37
而是说我本身就有刷Reddit的需求
36:40
那么这种我觉得比如说小红书和抖音
36:42
其实都有这样的需求
36:43
那么他们可能就是说会开放一部分数据给AI
36:47
或者至少是给自己的AI
36:49
那么然后但是他们同时就是说
36:54
人们还是会有一个定期去消费
36:57
不管是这个Reddit还是小红书
36:59
还是这个抖音上面的信息的这样的一个需求
37:02
因为我可能我即使我不需要搜索任何的东西的时候
37:06
我还是会去刷抖音对吧
37:08
我还是会去刷小红书
37:09
那么但是如果我不需要搜索任何东西的时候
37:12
我会不会去刷stackoverflow
37:13
或者说我会不会去刷stack
37:15
我觉得大概率是不会的
37:16
所以我觉得可能就分这么两种场景
37:19
如果你纯粹拿的是搜索的流量
37:21
那么会比较麻烦
37:23
但是如果你比如说这个网站本身
37:26
它就是有一定的娱乐或者说搜索的功能
37:30
那我觉得它其实还是会保持它的流量
37:34
甚至会被AI就是说引流一部分
37:39
对那刚刚其实讲的是这个数据源的这一层面
37:42
就是包括说你的数据源到底是提供了比较偏功能的价值
37:46
还是说可能也有一些额外的情绪的价值在
37:48
那另外一重就是搜索的能力了
37:51
当在AI去搜索某一个平台的时候
37:54
比如说Reddit好了
37:56
它其实是直接用到的是Reddit自身的搜索结果
37:59
也就是说其实这个搜索结果是包含了Reddit自己的搜索能力的
38:03
还是说其实它有就是它可以有比Reddit
38:08
或者是说我们说比知乎更高的搜索能力
38:12
我不知道有没有表达清楚我的这个问题
38:16
我觉得它的搜索能力可能是不如Reddit或者说不如知乎的
38:23
为什么就是说你在构建索引的时候
38:26
一般来说大部分的其他的第三方
38:30
其实拿的都是这些信息的快照
38:32
对吧而不是这个信息的这个原始数据
38:35
原始数据肯定是只有他们这个平台自己有
38:38
那么在这种情况下你如果平台去搜索
38:40
它往往会可以搜索的更加及时的信息
38:44
而如果是第三方可能会搜索到没有那么及时的信息
38:48
那么这是一个考虑
38:49
那么另一个考虑就是搜索技术
38:51
那么确实其实我的感觉是Reddit的搜索技术相对来说比较差
38:55
所以这就导致Reddit它有最好的数据
38:57
它反而搜索出来的结果是不如Google的
39:00
所以我们要考虑这两个因素
39:01
然后所以有的时候是比如说平台搜索的好
39:04
有的时候可能就是搜索引擎搜索的好
39:08
是 那么因为前面讲到说其实谷歌的搜索能力是很强的
39:13
那如果是说我们来分美国的这些科技公司和中国的这些
39:18
我们刚刚聊到像百度这样的公司
39:20
是不是整体来讲也是可能美国的整体的水平会高一点
39:27
我觉得这个要取决于具体问题就具体分析
39:31
我觉得肯定是国内的有一些的搜索的效果是比较好的
39:36
但是有一些的我觉得搜索效果可能就没有那么好
39:39
当然它有多方面的原因
39:41
一方面是技术的因素
39:43
另一方面是信息的因素
39:45
然后包括还有一些就是
39:46
就是人们使用的场景的因素
39:48
所以我觉得这个就不能不太能一概而论
39:52
我自己的感觉就是说
39:54
如果是首先比如说有些信息
39:56
中文世界比较多或者说中文世界没有
39:59
那么如果是这样子的话
40:00
那么搜索的效果是不太一样的
40:02
那么其次就是说
40:04
还有一个就是说你技术一样
40:06
但是你是否愿意去花足够的钱
40:09
对吧 比如说我在用cloud
40:11
那么cloud它的基础的版本费用是20美元一个月
40:15
那么在这个时候
40:16
这个公司它就愿意去花更多的token去帮我去解决一些问题
40:20
而如果我用的是比如说国内的
40:24
假如说我用的是这个元宝
40:26
我不知道元宝或者说是这个豆包
40:28
他们一个月会收多少钱
40:31
也不知道他们到底是
40:32
比如说是付费率是多少
40:34
那么如果付费率比较低
40:36
然后这个费用比较低
40:38
他们即使有一个很强的技术
40:40
他们不一定愿意花这么多的token
40:41
那么这个时候相对来说搜索结果
40:44
也可能会有一些偏差
40:46
那么这个时候其实也可能会更容易中毒
40:48
因为为什么
40:49
就是他只愿意看一个
40:50
他其实有能力看三个
40:52
但是他看三个他费钱
40:53
他就只看一个结果
40:55
看一个结果
40:56
这个结果假如说被偷渡了
40:57
他就中毒了
40:58
所以也有可能有这个情况
41:00
对 是的
41:01
因为我其实刚刚问这个问题也是想说
41:04
在AI的这个本身
41:06
它自己如果没有多花一些token来做检验的前提下
41:09
它其实还蛮受本身平台搜索结果的影响的
41:13
所以说如果搜索平台自己的排毒的能力
41:16
如果不够强的话
41:17
其实对于我们说黑会产来讲
41:20
其实它的可操作的空间会更大
41:22
相当于它可以用钱解决很多问题
41:24
对吧
41:25
对 是这样的
41:27
好呀 我想再来聊一聊服务商这个事情
41:30
因为我其实比较惊讶的是
41:32
就是315这一次爆出来之后
41:34
我感觉GEO或者是说AI偷渡这个事情
41:37
似乎已经产业化了
41:39
所以这个事情给到我的启发是
41:41
一个是这世界门槛很低的事情吗
41:44
第二个是这个产业现在是什么样的状态
41:48
我们在做相关服务的这些公司中
41:51
会有一些什么样不同的类型
41:53
能不能请你作为业内的人
41:55
给我们做一下分享
41:57
首先它的门槛是不是很低的
42:00
我觉得也是分这么几个情况
42:04
第一是国内和国外的
42:06
首先就是说从国外来讲
42:08
我觉得它的门槛是比较高的
42:10
因为你要做到搜索引擎排名比较靠前
42:13
这个本身就不是一个容易的事情
42:15
那么你肯定可以优化
42:17
但是你优化到出结果
42:19
就现在来说是比较长期的
42:21
那么所以我们看到其实很多的
42:24
不管是创业公司还是说一些咨询公司
42:28
他们主要做的第一是提供信息
42:31
第二是优化内容
42:32
但是很难去做到优化结果
42:34
那么第二就是说我们看国内的
42:36
国内的可能确实有一前一段时间
42:38
确实它的投资的难度比较低
42:40
所以我觉得它的优化的难度
42:44
会相对来说比较低
42:46
甚至比如说你就一直去发帖
42:48
你也可以达到一个比较好的优化的效果
42:51
但我觉得现在我
42:52
根据我和一些朋友的交流
42:54
其实这个也在逐渐调整
42:57
就可能很多人你发帖以后
42:59
其实效果并没有那么好
43:01
所以我觉得但是效果不好
43:03
它到底是因为被别人顶下去了
43:05
还是说是因为比如说
43:08
代言模型发现这家公司
43:09
其实属于水军或者说属于投赌
43:13
这个我觉得可能还要去验证一下
43:15
但是未来可能从长期来讲
43:17
就是说我们优化肯定是有效果的
43:21
但是它的效果还是会去围绕着
43:24
就是我们本身的产品的质量
43:26
到底是怎么样的
43:28
比如说我们80分的产品
43:30
假如说我们真的做得很好
43:31
或者说我们是做到90分的
43:33
那我可以把这个东西推广的海外
43:36
就推广的更加的到更多人
43:40
但是如果我们的产品本身是不好的
43:42
我觉得理论上就是
43:44
那么你即使花最多的钱去推广
43:47
它的效果应该也是有限的
43:51
就我们在说产品本身好的点位上是说
43:55
可能它需要有一些正向的反馈
43:57
是来自消费者吗
43:59
还是怎么样
44:00
以及说GU在中间的作用
44:02
是把这个好去扩大
44:04
其实我对于这个边界
44:07
我还是没有特别能理解
44:09
这个时候我们就是
44:11
我觉得GU它可能在这时候
44:13
我们单纯把它想成一个marketing的
44:15
一个功能
44:17
而不是说去扩展一个产品的质量
44:20
那么我觉得产品质量可能还是要
44:23
首先是要从产品本身去提升
44:25
但是如果我们怎么从第三方客观的去评价
44:28
我觉得可能就是说
44:30
我们要去看它的比如说reviews
44:33
或者要看其他的一些客观的数据
44:37
所以服务商一般在提供GU服务的时候
44:40
它可能是包括几个部分
44:41
一个是本身内容的生产
44:43
然后第二个就是相当于内容
44:45
在不同渠道上的一些运营和一些管理
44:49
对我们肯定会去有运营的内容的管理
44:53
然后包括我们甚至还有
44:55
对于大模型的监控
44:58
这些也会比较重要
45:00
OK
45:01
那在内容生产这个部分的话
45:03
你们怎么来做呢
45:05
这个需要去结合对公司产品很深的理解吗
45:08
还是说它可能其实是由AI去做了
45:11
很多的一些延展或者是一些扩充
45:17
对
45:18
我觉得这个是很好的问题
45:20
那么首先我们肯定是
45:22
首先我觉得不同的团队是不一样的
45:24
那我就着重讲一下我们团队怎么做
45:27
我们首先是要和客户去做一个深度的交流
45:30
那么甚至要和客户的产品
45:32
我们要去体验一下
45:33
然后这个时候我们要尽量去想好
45:36
这个客户想要做的一些关键词
45:39
它到底会不会有流量
45:40
那么有的客户想要做A关键词
45:42
它已经定好了
45:43
那有的客户只是想提升流量
45:44
没有定好
45:45
那么这个时候我们就去想
45:46
我们真正的人到底会搜哪些词
45:49
才能搜到这个客户
45:51
然后这个时候我们就去做更多的内容
45:53
然后写更多的内容
45:54
在这个过程中
45:55
我们会有这些AI的一些引入
45:57
然后我们会有和客户的跟进
46:00
然后最后我们会去和一些媒体第三方
46:03
把这些东西发出去
46:05
所以这个是我们这边的一些
46:06
基本的一个操作
46:09
听上来还是可能之前的一些
46:11
就是做marketing agency的
46:13
基本的东西打底
46:15
但是加了很多对于AI的一些knowhow
46:17
然后让这个事情的效率和效果
46:19
会变得更好
46:21
对的是这样的
46:25
所以现在的服务上的这个生态中
46:27
是不是其实还是有蛮多的一个占比
46:29
是本身就在提供SEO
46:31
或者是一些这个marketing服务的
46:33
一些这个agency在做
46:37
对就是说我们其实有很多的
46:39
一部分的那个工作内容
46:41
其实更偏近
46:42
更接近于这个咨询类的
46:45
就是说我们要和客户去做
46:46
特别多的沟通
46:49
了解
46:50
那现在我们说这个小龙虾
46:51
其实是把很多的工作
46:53
AI化了
46:54
而且它这个可以
46:55
这个不休不眠的一天工作24小时
46:58
这个事情对于我们在做GU
47:00
这件事情上面会有什么影响
47:02
或者是说因为小龙虾
47:04
我们做这个事情会有什么变化吗
47:07
我觉得可以从这么几个地方去考虑
47:10
首先就是说如果龙虾
47:12
它就是这个世界上
47:14
突然出来了这么多龙虾
47:15
那么我们是否
47:16
是否需要为龙虾
47:17
这样的一些形态去优化
47:19
那么我觉得有一些
47:20
对于比如说developer tools
47:22
这些东西其实
47:23
首先他们可以
47:24
以龙虾为客户去优化
47:26
那么就是把
47:27
这个时候我们把龙虾
47:28
当做你的客户
47:29
而不是当成一个员工
47:31
那么有没有可能
47:32
我觉得是有可能的
47:33
甚至有很多人
47:34
比如说他现在
47:35
所谓的在scale里面
47:36
可以去优化
47:37
甚至说有人把它成为投赌
47:39
对吧
47:40
这是一部分的人去做的东西
47:42
那么另一部分就是说
47:43
我还是把龙虾当成一个员工
47:45
那么这个时候我们就想
47:46
他到底能帮我们做了什么呢
47:48
我觉得他其实是
47:50
如果有足够好的一些scale
47:52
他其实是可以
47:54
去完成一部分的
47:55
这个marketing的工作的
47:58
那么我们甚至
47:59
我们把我们这边的
48:00
很多的功能
48:01
其实也放成
48:02
也做成一个龙虾的scale
48:04
或者说我们做成
48:05
一个AI的scale
48:06
那么不管是龙虾
48:07
还是cloud code
48:08
还是像一些其他的
48:10
AI agent都可以去使用
48:12
那么这个时候
48:13
就是说假如说
48:14
与其比如说
48:15
直接和我去沟通
48:17
那也可以直接和
48:18
我们的这些
48:19
让你的龙虾
48:20
对吧
48:21
和我们的这个
48:22
AI agent去沟通
48:23
这样子
48:24
我觉得也是
48:25
未来的一种协作的模式
48:29
是的
48:30
特别是关于这个
48:31
龙虾作为客户这一层
48:33
我其实想问问看
48:34
就是因为
48:35
其实现在龙虾是可以
48:37
自动的去高效的理解
48:39
他的主人的指令
48:40
然后去帮他完成一些事情
48:42
所以有了龙虾之后
48:44
大家会更倾向于说
48:45
比如说
48:46
给了一个任务之后
48:47
这个龙虾去分工
48:48
比如说部分信息
48:49
从这个扫描中上去找
48:51
部分信息
48:52
从这个ready上面去找
48:54
还是说
48:55
其实龙虾会更倾向于
48:56
去直接导到说
48:57
那你去cloud上
48:58
帮我找这个答案
48:59
就是我不知道
49:00
这个事情是怎样的
49:01
就是他到底是会让
49:03
这个资源更像模型集中呢
49:05
还是说他其实反而去做
49:07
那个分包的
49:08
那个角色
49:09
所以其实会
49:11
对于各个平台的
49:12
那个结果是单独去查
49:15
我觉得
49:17
现在我们讲龙虾
49:18
其实他
49:19
因为他现在有特别多的
49:21
其他的版本
49:22
所以这个也很难讲
49:23
就比如说
49:24
每个
49:25
比如说有open cloud原版的
49:26
那其实open cloud原版
49:27
你可以接有不同的模型
49:29
你可以接cloud code
49:30
你可以接
49:31
你可以接deep seek
49:32
对吧
49:33
你可以接这个kimi
49:34
那么你接了不同的AM模型
49:36
它其实偏好是不一样的
49:38
那么其次就是说
49:39
你上面用的skills不一样
49:41
所以skills带来的
49:42
这个偏好也是不一样的
49:44
所以呢
49:45
我觉得现在来看
49:47
很难达成一个共识
49:49
那么可能他每个人的
49:51
所以大家就说养龙虾
49:53
就是说
49:54
你的龙虾其实是
49:55
可以高度定义化的
49:56
那么在这个时候
49:57
他的行为可能就没有那么统一
50:01
所以我觉得未来可能
50:02
就是说
50:03
可能会有各种各样的一些偏好的
50:05
那有的人就是
50:06
喜欢让他龙虾去读
50:08
自己的个人的信息
50:10
有的可能就是喜欢去读
50:11
网上的信息
50:12
那网上的信息
50:13
也有可能有
50:14
可能有不同的地方
50:15
比如说有的是在这个
50:17
比如说reddit上去找的
50:19
有的可能是从
50:20
这个某一个大元模型里面去找的
50:22
我觉得都有可能
50:25
是的
50:26
所以其实这个问题就引到了
50:28
就是因为我觉得你们在做GEO
50:30
其实是离信息
50:31
这个非常近的一个位置
50:33
其实它这个核心的一个驱动力
50:37
其实本质是
50:38
我们现在这个时代
50:39
AI时代
50:40
大家怎么去看信息
50:42
怎么去决策
50:43
怎么去信任
50:45
所以就是可能在这一块
50:48
我们可以聊聊看
50:49
AI的时代这样的一个
50:50
信息的分化的逻辑
50:51
在发生什么样的一些变化
50:53
未来可能是什么样子的呢
50:56
我觉得
50:57
其实大家要讨论这个问题
50:58
首先就是先要考虑
51:00
自己的行为有没有变化
51:02
那么其实大部分人
51:03
肯定是在AI时代
51:04
行为有特别大的变化
51:05
对吧
51:06
比如说
51:07
有的人可能说
51:08
我就已经把很多工作交给AI了
51:10
那即使你不是
51:11
把很多工作交给AI
51:12
你可能已经把很多的
51:13
信息的获取交给AI了
51:15
问很多问题交给AI
51:16
那比如说
51:17
我现在每天去健身
51:18
我就问AI
51:19
我昨天健身什么
51:20
我今天健身什么
51:21
那么它就可以告诉我
51:22
我今天应该健身什么
51:24
然后可能我在另一个绘画里面
51:26
我告诉它
51:27
我其实有点生病了
51:28
比如说我感冒了
51:29
那么它在跟我聊健身的时候
51:31
它就会说
51:32
因为你今天感冒了
51:33
你不如就少练一组
51:34
那么其实也就是说
51:35
AI其实把
51:36
我觉得至少对我来说是
51:38
在生活方方面面都会有所改变
51:41
那么在这个时候
51:42
我觉得肯定我们很多的时候
51:45
如果它改变了人与人的交互方式
51:48
或者说人与世界交互方式的话
51:50
那么本身它其实是一个
51:52
巨大的范式转变
51:53
就比如说互联网
51:54
那么比如说像我们说的智能手机
51:57
其实它带来了特别多的机会
51:59
那我觉得
52:00
比如说GEO本身它是一个机会
52:03
那么比如说龙虾
52:04
它可能也是一个范式的转变
52:07
所以我觉得在这个过程中
52:09
其实是有很多很多新的机会的
52:13
那么在这个过程中
52:14
我们也可以去看到
52:16
我们可能可以去
52:18
在这个过程中去做一些
52:19
利用这些机会
52:20
或者利用这些场景
52:22
我们可能可以去做很多新的一些
52:24
商业上面的探索
52:26
所以你会觉得
52:27
它可能会演绎出不同的可能性来
52:30
它有可能是更分化的一个世界
52:32
因为大家其实可以有更多个性化的
52:34
跟AI互动分工的一些模式出来了
52:39
我觉得很有可能是这样子的
52:44
这个时候你们做GEO怎么做呢
52:46
就是这个
52:48
当共性的东西变少了之后
52:50
那你们怎么去通过个性的方式
52:53
去满足不同的人的一些行为的模式呢
52:57
对 所以这个就涉及到
52:58
我们刚才提到的就常委的需求
53:00
就是说与其我们满足一个keyword
53:02
我要排到很上限
53:04
我可能要做100个keyword
53:05
对吧 100个chorus
53:06
那么这个时候
53:07
我们能不能还是排到前面
53:08
我觉得这也是我们去研究的
53:11
或者说我们可以这么想
53:12
每个人的需求都是有一定的区别
53:16
但是肯定也要共性 对吧
53:17
那么比如说人们还是要吃饭
53:19
只不过人们的口味的变化就更多了
53:21
我们是否可以去满足这些人的口味
53:23
比如说是否有人就是
53:25
喜欢吃辣味的沙拉 对吧
53:29
假如说有这样的一个需求
53:31
我们是否可以去满足
53:32
我觉得有了AI以后
53:34
其实这种需求也可以去满足的
53:37
是 所以有可能我们接下来能看到的是
53:40
更多有个性化的一些品牌冒出来
53:43
它沿着它的品牌的逻辑
53:45
其实它能找到就是喜欢它
53:47
或者是跟它一样的人群
53:50
它其实可能也能获得
53:52
一个不小的市场的空间
53:54
对的
53:56
所以面对来找你们的客户
53:58
你们会去怎么建议它做品牌增长
54:02
我觉得这个时候
54:03
可能还是要具体问题具体分析
54:05
就是说多去了解他们的用户
54:09
然后多去了解他们的竞争对手
54:11
然后多去看一下到底
54:14
比如说实际上哪些东西是可以去
54:18
比如说大规模的去用AI去做的
54:20
哪些东西是需要人去做的
54:22
包括我自己在工作过程中
54:24
我也是尽量去用AI
54:26
去提升我本身的工作效率
54:28
我有时候会觉得
54:29
我其实有时候把一个东西分配给一个人
54:32
然后还不如我去
54:34
比如说直接分配给AI
54:35
或者说有的东西我要AI
54:37
把一个任务交给我
54:38
不如让它自己去做决定
54:40
很有可能是有这种情况
54:41
那么我觉得尽量去拥抱
54:45
更加AI更加自动化的一个
54:48
这种工作流或者说这种世界
54:50
但是同时也要想好
54:52
哪些东西还是需要去人去控制
54:55
我觉得这也是挺重要的
55:00
我觉得刚才大家聊到一个
55:02
更有意思的话题就是说
55:03
未来我们获取信息的方式
55:05
以及这里面个性化的问题
55:07
因为如果大家回溯过往的历史的话
55:09
会发现这其实是一个蛮有意思的话题
55:12
因为媒体以及渠道的形态的变化
55:14
实际上会对
55:16
包括我们的消费品
55:17
我们的产品和服务的提供商
55:19
它本身的竞争的环境和生存的状态
55:21
也会产生很大的影响
55:23
比如说最早大家可以想说
55:25
可能对中国这样大的国家来讲的话
55:28
可能每个县每个镇都有个剧团
55:31
都有一个什么乒乓场
55:35
然后都有一个什么品牌
55:37
然后当我们的媒体
55:39
可能我们变成是广播变成电视
55:41
我们的通路可能变成是全国一体的时候
55:44
我们的品牌它就相对非常的挤具了
55:47
这时候可能它的行业的集中度
55:50
会有一个很大的提升
55:52
从我们使用
55:54
其实电子产品也是一样的道理
55:56
你像送引擎
55:57
可能大家只能看第一页
55:59
然后到了移动互联网时代
56:01
可能我们APP的数量又变得更加有限了
56:03
我们的首页的APP可能就这么几个
56:05
那我们的赛道它的集中度又提升了
56:08
但未来现在其实GEO
56:10
我们讲起来就是说
56:11
我们跟Chatbot对话的时候
56:13
可能它给出的回答甚至是更少的
56:16
它会更加集中
56:17
但如果未来大家获取的信息
56:19
每个人都个性化是针对你
56:21
对吧
56:22
我们基于大模型对你的memory
56:24
去做特定的优化的时候
56:26
这时候更多厂委的品牌
56:28
它的机会又出来了
56:29
所以我觉得这其实是一个
56:31
非常有意思的话题
56:32
而且更往前一步
56:33
刚才全然有提到说
56:34
可能未来我们刚才那套逻辑
56:37
还是基于人去做这个决策
56:39
如果未来是AI或你的agent
56:41
去做这个决策的时候
56:42
它又会变成什么样的形态呢
56:44
我觉得这个可能不光
56:45
已经不光是一个AI的问题
56:47
也不光是一个信息获取的问题
56:49
它可能是对于所有的产业来讲
56:51
都会产生巨大的影响
56:53
对的是这样的
56:56
所以我们不如现在也来聊一聊
56:58
就是未来的这个产品的形态
57:00
会是长什么样子的
57:02
因为我其实前阵子
57:03
去参加一个小龙虾的线下活动
57:05
大家都在聊的是
57:06
AI变成专门是龙虾的平台
57:09
或者是说我们现在
57:10
可能有一些新的一些应用出来
57:12
它其实是专门去面向龙虾的
57:14
其实我认为GEO
57:15
其实应该已经算是一个
57:17
面向AI和面向agent的一个产品了
57:20
这个未来可能会是怎么样子
57:23
因为你本身也是在美国
57:25
在中国两地跑
57:26
你的视野也足够的广阔
57:28
能不能给我们分享一下
57:29
你看到的一些
57:31
正在发生的一些新的趋势
57:33
以及说这些趋势
57:35
正在怎么样的去进入到
57:37
商业化的阶段了
57:40
首先我觉得我这里有这样一个观点
57:43
就是我不知道是不是一个popular观点
57:45
就是我认为龙虾只是一个中间产品
57:48
它很有用
57:49
它比原来的东西有用
57:50
但我觉得它还有很多很大的限制
57:54
所以我觉得我们可能
57:58
还是多去考虑AI agents
58:00
龙虾是AI agents的一部分
58:02
但是我觉得未来可能会有
58:04
比龙虾更加智能的
58:07
一个AI agent的形态出现
58:09
那么我们考虑到这一点以后
58:11
然后我们再考虑
58:12
未来有哪些的产品
58:14
那么我知道可能有很多人说
58:17
UI已经不重要了
58:18
对吧
58:19
我现在觉得UI可能确实
58:21
UI的重要性可能已经在下降了
58:23
比如说我现在假如说我要去转账
58:25
那么我到底是打开我的转账app
58:29
说请给某某某
58:32
我要点比如说转账
58:34
然后我要输入对方的信息
58:36
还是说我直接发一个截图
58:38
然后我用我的AI agent
58:39
去给我去做一件事
58:41
那么目前可能转账这些比较敏感的
58:43
现在还不能完全AI化
58:45
但是假如说我比如说邮件
58:47
或者说假如说我是
58:49
可能很多其他的东西
58:51
我现在已经不再打开这些
58:53
比如说邮件系统
58:54
或者说其他的什么系统
58:56
而是说我直接打开我的命令行
58:58
告诉我的这个AI说
59:00
请你帮我去回复一下
59:02
这个人的一个信息
59:04
那么我觉得未来大部分的东西
59:06
他会把这个
59:08
AI agent当成他的一种native user
59:11
那么什么叫native user
59:12
就是说我们的一个产品
59:13
我们不光是给人类设计的
59:15
我们也是给AI agent设计的
59:17
我们不光要有这个
59:18
比如说苹果版安卓版
59:19
对吧
59:20
我们要有手机版
59:21
网页版电脑版
59:23
我们也要有这个agent的版本
59:25
然后让agent可以去使用
59:27
那么我觉得这是一个未来
59:29
很多的场景可能去需要的
59:32
比如说未来转账
59:34
可不可以直接用agent去操作
59:36
未来比如说我们发小红书
59:39
当然小红书这些可能小红书我不知道他怎么去想到
59:43
但是比如说有些平台是否就应该更加智能化
59:46
那么比如说可能X或者说Reddit可能都会有这个方法
59:51
那或者从另一个角度来讲
59:54
那么会不会有另一些平台它的特点就反而变成了
59:58
我是纯粹只有真人
1:00:00
我没有AI agent
1:00:01
那么可能它变成这个东西可能又变成另一类产品的一个特色
1:00:05
我觉得也有可能
1:00:07
我想做个小调查
1:00:09
就是你们愿意跟AI是共在一个平台吗
1:00:12
还是说你希望的是在一个全是人的平台上
1:00:16
我是我很喜欢AI
1:00:17
因为我觉得怎么说呢
1:00:19
我有时候跟大部分人聊天
1:00:20
我是就是觉得
1:00:22
就有时候会觉得第一是比较慢
1:00:25
第二就是说我就是很难把这些东西变成actionable的items
1:00:32
那么比如说我跟AI聊完了以后
1:00:33
AI就去给我工作了
1:00:35
我跟人聊完以后
1:00:36
我觉得还不一定能做到这一点
1:00:38
所以我现在就是觉得很多东西
1:00:40
我可能会觉得和AI聊更高效一点
1:00:45
对这个问题我是经过一个变化的
1:00:49
对就是最开始我会觉得说跟AI聊天好像挺蛮奇怪的
1:00:52
对吧
1:00:53
然后但是我最近我其实有两个事情触动我
1:00:57
第一个事情是
1:00:58
我们有一个校友他去做AI陪伴app在海外做的还不错
1:01:03
然后他就分享说其实他们线上的这种
1:01:06
就他有讲到一个fact
1:01:07
就是说他说其实这种AI陪伴的产品
1:01:12
就是类似于carry.ai的这样的一个产品
1:01:14
它的用户平均使用时长
1:01:17
竟然能做到120分钟左右每天
1:01:21
就是这个数字其实是跟我们抖音是类似的
1:01:24
这个是让我特别意想不到的一个事实
1:01:28
第二件事实就是上周末
1:01:30
因为最近春天来了
1:01:31
我带我儿子去杭州苏迪上逛了一圈
1:01:36
然后我就把我手机给他
1:01:38
打开了豆包
1:01:40
打开摄像头
1:01:41
然后他就一路跟豆包聊了一路
1:01:43
你知道吧
1:01:44
就这个场景我觉得是
1:01:46
可能之前我们是很难想象
1:01:47
后来我就慢慢理解说
1:01:49
其实未来我们就是跟AI共生的时代
1:01:51
并且最开始你可能觉得好像跟一个机器对吧
1:01:54
跟一个非生物体
1:01:56
一个归基生命聊天蛮奇怪
1:01:59
但实际上最终你会发现说
1:02:00
它一定会融入到我们这个生活之中的
1:02:03
是的
1:02:03
我觉得肯定是一个选择
1:02:05
然后至少对我来说
1:02:07
我觉得它的AI给我的生活带来的
1:02:11
主要还是正面的影响
1:02:12
我觉得如果有的人比如说他
1:02:15
就像原来可能有很多人不喜欢用智能手机
1:02:18
确实比如说还是会用功能机
1:02:20
但是这些人可能未来会发现生活相对来说越来越不便
1:02:24
比如说发现原来支付现在用支付宝了
1:02:26
而不是说原来用现金
1:02:28
或者说可能东西地方要刷脸了
1:02:30
而不是说我在用自己的一个身份证什么的
1:02:33
所以我觉得未来可能就是整个社会会让
1:02:37
比如说有AI用AI的人会觉得越来越方便
1:02:42
对我觉得另外就是从不同的人视角来看的话
1:02:44
这件事的影响是不同的
1:02:46
比如说刚才全来讲到一点
1:02:47
比如小红书怎么看
1:02:49
就现在不是OpenCloud有scale
1:02:51
就是小红书scale对吧
1:02:54
然后你就可以通过
1:02:55
我自己都通过scale
1:02:58
然后让他帮我去编辑
1:03:00
和自动发送一个小红书的推文对吧
1:03:03
然后那我觉得从这一类的
1:03:05
就小红书因为三号它是一个
1:03:07
以UGC为主的这样一个平台对吧
1:03:11
对他来讲其实用户
1:03:13
一个用户产生或者是人产生内容还是蛮重要的
1:03:16
因为这个某种意义上讲是他的护身盒
1:03:18
是他的网络效应的重要组成部分
1:03:21
如果都是AI生成了
1:03:23
可能他现有的这个生态的网络效应
1:03:26
有可能就被别人能够打破了对吧
1:03:28
就算包括你像抖音
1:03:30
现在它有大量内容其实是UGC或PGC的
1:03:32
那如果未来都可以通过AI替代了
1:03:34
那另外一个平台就有机会去干掉它了对吧
1:03:38
所以这个是平台的角度来看的
1:03:41
另外一点就是
1:03:42
但我觉得从用户的角度
1:03:44
我最近还思考一些更加有意思的问题
1:03:48
就比如说社交AI社交这个事
1:03:50
刚才我们想象的是说我人和AI社交对吧
1:03:53
就是刚才我讲比如AI陪伴
1:03:55
你是你跟AI聊天
1:03:57
但另外一个场景是AI和AI社交
1:03:59
因为我最近我就发现说我的一个需求是什么呢
1:04:02
就大家有没有想过
1:04:04
对碳基生命我们其实有很多边界的
1:04:07
比如说大家可能知道一个概念叫邓巴数字
1:04:10
邓巴数字就是说我们人
1:04:13
其实日常能够平凡高频维护的熟人
1:04:16
其实是150人以内的对吧
1:04:19
也就是说从我们一个碳基生命的角度来讲
1:04:22
我去长期维护我的朋友
1:04:26
他的人数是非常非常有限的
1:04:28
但150人意味着什么
1:04:30
就是中国有接近15亿人
1:04:32
那你要每千万人之中有一个
1:04:35
去找到一个你能够经常维护的这个人
1:04:37
你要去筛选你的好朋友
1:04:39
你的朋友圈其实你要去筛选他
1:04:41
其实他的效率是很低的
1:04:43
也就是说我们人一辈子碰到什么样的人
1:04:45
其实是蛮随机的对吧
1:04:48
但是我们有的时候我们身边是什么样的人
1:04:51
会极大地影响我们
1:04:52
所以这个社交本身
1:04:53
我们怎么去碰到那些我们喜欢的
1:04:56
然后我们仰慕的
1:04:57
或者说对我们能产生正能量的人
1:04:59
是很重要的一个命题
1:05:00
但是sorry我们可能
1:05:03
作为一个太极生命我们能力是有限的
1:05:05
但假如我们有一个agent对吧
1:05:07
他就是我的AI的分身
1:05:09
然后他能帮我去大量地跟其他人的agent去交流
1:05:14
然后帮我去完成筛选的过程
1:05:17
然后帮我引荐那个真正
1:05:18
可能我喜欢或者我匹配的人
1:05:21
这个是不是一个更佳的一个模式
1:05:24
去突破了我们太极生命的一些边界
1:05:26
对吧
1:05:27
然后达到一个更好的社交状态
1:05:29
这可能也是其中一个点
1:05:30
所以我觉得未来真的是
1:05:32
如果你畅想一下
1:05:33
它的变化有可能是非常的大
1:05:35
会超出我们过去对这个世界理解的这些点
1:05:39
对
1:05:40
就是我觉得确实在现在这个点位上
1:05:43
未来变得特别的可以想象了
1:05:46
所以我也会好奇
1:05:48
全联作为创业者
1:05:49
在未来这么大的变化的情况下
1:05:52
其实你可以做的事情很多
1:05:54
那你怎么去选择你做什么
1:05:58
以及说其实你现在其实也是
1:06:00
在做自己的一家做AI slide的公司
1:06:03
对吧
1:06:04
然后同时其实你又延展出来
1:06:06
发现这个GEO对于你这个公司的增长
1:06:09
起到了很大的作用
1:06:10
所以说你会怎么去管理你的经历
1:06:12
以及说在这么多机会中你去抓哪个
1:06:17
对
1:06:17
我觉得我们去考虑这么几点
1:06:20
就是第一点我发现
1:06:22
其实AI会让我们去看一下
1:06:26
就是我自己看一下我自己的时间的分配
1:06:28
我会发现其实我最高效的一天
1:06:33
可能就是说我跟AI聊10个小时
1:06:35
然后让AI帮我做ABCD一大堆事情
1:06:38
然后我比较低效的一天可能就是说
1:06:40
我让我去跟人去沟通
1:06:41
比如说我有一个credit card dispute
1:06:44
比如说我甚至我要去开一个银行
1:06:46
那么我就觉得如果我们把很多的这些
1:06:49
比如说我和物理世界需要交互的东西
1:06:52
我去放在一边
1:06:53
我们去做完了以后
1:06:54
那么我们会发现让AI和AI去交互
1:06:57
其实是效果最高的
1:06:59
那么我现在就会觉得
1:07:00
我可能在有些时候比如说
1:07:02
我需要把我甚至我需要把我一些
1:07:04
和人去交互的一些东西
1:07:05
我去外包给别人
1:07:06
比如说我们有一些授前有一些授后
1:07:09
我会去外包给也不是外包
1:07:12
我会比如说让我们的一些合作方
1:07:13
或者说让我们的一些员工去做
1:07:15
而我去专门的去专注在这些长线的
1:07:19
这些可以复制的这些AI的开发上面
1:07:21
那么在这个时候我就会发现
1:07:24
还有一点就是说我们自己
1:07:26
我的第一个项目它其实是一个产品
1:07:29
那么我们第二个项目它是一个
1:07:31
可以说是一个增长对吧
1:07:33
那么我们把这两个东西放在一块
1:07:34
我就会获得更多的insight
1:07:37
我就会发现
1:07:37
原来比如说我本来可能收别人
1:07:40
一个月1000块钱的东西
1:07:42
那么实际上放在我们自己的产品上
1:07:44
它可能带来的是2000块钱的效果
1:07:46
对吧
1:07:46
但是我在销售给别人的时候
1:07:49
可能我会发现别人他不太愿意相信
1:07:51
这有2000块钱的效果
1:07:52
或者说他是有一些怀疑的
1:07:55
那么在这个时候我就会觉得
1:07:56
我是不是一方面我应该是销售给别人
1:08:00
那另一方面我是不是应该
1:08:01
直接去做自己的产品对吧
1:08:03
做自己的产品
1:08:04
然后我可能比如说会有
1:08:07
比如说ABC三个产品
1:08:09
然后我都去把它流量做起来
1:08:11
然后这样子完全让AI自己去运营
1:08:14
那么我目前可能就是有一些
1:08:15
比如说自己的产品
1:08:17
然后有一些自己的一些增长的方法
1:08:20
那么未来这些东西完全都是AI化的
1:08:23
那也就是说基本上是不需要我去投入的
1:08:25
那么这个时候我就觉得
1:08:28
它应该是一个我长期需要去关注的东西
1:08:31
或者说我自己是觉得这样子的东西
1:08:33
从增长的效果来说是最有效的
1:08:36
那么它其实就是一大堆的
1:08:38
比如说不管是做产品的AI
1:08:40
还是做marketing的AI
1:08:41
还是说是做技术的AI
1:08:44
做客服的AI
1:08:45
那么让这些AI互相去交互
1:08:47
我觉得它的最后我们要做这样的一个
1:08:50
ecosystem应该是效果最好的
1:08:53
是我们今天其实在录制前还在聊这个事情
1:08:56
就是全然应该是现在这个叫OPC都不算
1:08:59
应该就是什么零人公司对不对
1:09:01
其实我觉得也是蛮代表就是新一代的
1:09:05
我们所谓说AI native的这些企业
1:09:07
它的一个组织的一个形态
1:09:08
它可能其实是跟AI的整个的工作流
1:09:12
是一个高度的嵌入的
1:09:14
这一块现在也是属于常态吗
1:09:17
或者是说也是很多的AI的这些公司的
1:09:21
这样的形态和组织的模式吗
1:09:25
我觉得现在讲零人公司是很多的组织的模式
1:09:29
我觉得有点为时过早
1:09:30
但我觉得它可能是一个趋势
1:09:32
或者说至少它只能说原来是impossible
1:09:36
现在是possible
1:09:37
但原来所谓的零人公司
1:09:38
我觉得无非就是说你搞一个租房的
1:09:42
天天收房租
1:09:44
你可能你可以把它送进零人公司
1:09:46
或者说你就搞一个炒股的养老金的
1:09:48
只能是这种投资类的
1:09:49
那么现在它完全可以不是投资
1:09:51
它完全可以自己去写代码
1:09:53
自己去修bug
1:09:55
然后自己去找客户对吧
1:09:57
所以我觉得未来这些可能性会越来越大
1:10:01
我觉得可能还会有一段时间
1:10:03
才会有更多的这种零人公司的形态出现
1:10:06
但是我自己对这个是比较
1:10:10
怎么说我是比较有信心的
1:10:14
对其实我现在是建议所有的朋友
1:10:16
就无论是你在做什么
1:10:17
都是要充分的去拥抱AI
1:10:19
因为之前我记得纳瓦尔宝典里面
1:10:22
有一个说得很好
1:10:23
他说其实人生是需要杠杆对吧
1:10:25
你最基础的杠杆
1:10:26
可能最开始你管理了一些人
1:10:28
你的团队是你的劳动力是你的杠杆
1:10:30
然后你融资你通过资本去发展
1:10:32
资本是你的杠杆
1:10:33
反正他说最好的杠杆是代码对吧
1:10:36
代码是一个非常棒的一个杠杆
1:10:38
那三号在现在的AI的时代
1:10:40
其实AI或者是以代码来形成的AI
1:10:44
甚至你不需要懂代码的能力
1:10:46
就能去形成的一个人工智能的agent
1:10:50
其实就是咱们非常好的杠杆
1:10:53
甚至一个杠杆
1:10:54
如果是真的是零人公司的话
1:10:55
听起来这个杠杆是一个无限的杠杆
1:10:57
对吧
1:10:58
刚才跟全大家讲说
1:10:59
这个就是我们之前讲的一个
1:11:01
叫税后收入
1:11:02
你睡着睡着就产生收入了
1:11:04
还是很期待这样的未来
1:11:07
确实我觉得现在我们还
1:11:11
肯定还不能算零人公司
1:11:12
或者说我们现在有一些零人项目
1:11:15
但现在还不能算是零人公司
1:11:17
因为还是有很多东西需要手动去做的
1:11:19
手动去调整
1:11:20
但我觉得可能未来有一些功能
1:11:23
我们可以把它逐渐的变成agent化
1:11:27
自动化
1:11:29
我这边还有一个问题想请教
1:11:31
因为全联理除了GEO这块
1:11:34
其实有很多的深的思考之外
1:11:36
其实你还是有一家公司
1:11:38
也正在很认真地在做
1:11:39
就是chatslide
1:11:41
它其实是一个AI产品
1:11:43
现在其实随着AI coding
1:11:45
或者是AI的能力
1:11:47
它其实变得越来越强了以后
1:11:49
假设我想复制一个
1:11:51
或者是想抄你一个
1:11:52
你的这样的产品
1:11:53
是不是很简单的事情
1:11:55
然后这个延伸就是
1:11:57
在AI时代当你的产品的能力
1:12:01
门槛变低之后
1:12:02
就跟我们说了之前
1:12:03
可能产品是一个很大的杠杆
1:12:05
我不知道现在会不会有变化
1:12:08
我觉得第一是抄容易不容易
1:12:10
我觉得它肯定不是说
1:12:12
你一句话就能抄下来的
1:12:13
但是确实抄任何的产品
1:12:16
都会变得容易了
1:12:18
这个是事实
1:12:19
那么就是说你在任何产品抄起来
1:12:21
都容易的情况下
1:12:23
我觉得我们再看就是说
1:12:26
大家的核心的优势是什么
1:12:27
对吧
1:12:28
我自己感觉就是说
1:12:29
一个是你掌握一定的流量
1:12:32
还是很重要的
1:12:34
那么另外一个就是说
1:12:35
掌握一定的用户数据
1:12:36
用户的行为数据
1:12:38
这些东西还是比较重要
1:12:39
或者说有很多东西
1:12:41
我们如果觉得它原来就是一个
1:12:43
套壳的工具
1:12:44
那么你去做一个套壳
1:12:45
这是很容易的
1:12:46
但是如果它在套壳的过程中
1:12:49
套壳的基础上还有所调整
1:12:51
那这个时候我觉得
1:12:54
它没有那么容易去抄
1:12:56
那么第三就是说
1:12:59
如果就是说你有一个同样的产品
1:13:01
你是否就代表你有同样的AR
1:13:04
或者说有同样的流量
1:13:05
其实也未必
1:13:07
因为有很多的产品的它的资产
1:13:11
其实不只在于它的代码
1:13:13
而是在于它的
1:13:15
比如说它的流量
1:13:16
比如说它有很多高质量的外链
1:13:19
比如说它已经占据了
1:13:21
很多用户的一个心智
1:13:23
那么我觉得这些东西
1:13:24
其实我们也是要去考虑的
1:13:29
接下来就是其实还是
1:13:30
尽早地开始做这个事情
1:13:32
你还是可能能赢取很多的先发的优势的
1:13:34
可能是这个AI时代
1:13:36
我觉得是特别的一个地方了
1:13:39
对的
1:13:42
好呀
1:13:42
今天我们其实也聊了挺多
1:13:44
从GEO开始聊起
1:13:47
我们也聊到了
1:13:48
AI时代信息的分发的逻辑的变化
1:13:51
再聊到我们其实对未来的产品的形态
1:13:53
组织的形态
1:13:54
其实都在发生一些萌芽期的一些尝试
1:13:59
最后其实我们也能看到
1:14:01
全来其实是一个
1:14:02
在AI时代走在最前线的
1:14:04
这样的一个探索者
1:14:06
不光是在打造产品
1:14:07
其实也在把自己的
1:14:09
AI时代的一些方法论去做沉淀
1:14:12
不知道全来还有没有什么
1:14:14
可能觉得刚刚没有聊到的
1:14:15
特别想跟大家分享的东西
1:14:19
我觉得基本上是这些
1:14:21
然后如果大家对硅谷这边的
1:14:23
艺人公司的社群感兴趣的话
1:14:25
可以联系我
1:14:26
或者说如果大家对于
1:14:28
增长Organic Growth
1:14:30
或者说比如说做
1:14:31
不管是social media
1:14:33
还是说是做SEO
1:14:34
GEO感兴趣的话
1:14:35
都欢迎和我联系
1:14:38
最后因为我们今天也是几位
1:14:40
浙大校友在这聊天
1:14:42
然后也特别想跟全来聊一聊
1:14:45
就是说你觉得浙大
1:14:47
在你的人生的发展之中
1:14:49
有过什么样的影响
1:14:50
或者你对在浙大或者校友之间
1:14:53
比较印象深刻的一个故事
1:14:55
会是什么
1:14:58
我觉得其实上浙大
1:15:00
我觉得还挺有缘分的
1:15:02
因为我当时是加入了浙大的自主招生
1:15:04
然后也是利用自主招生
1:15:06
然后进入了浙大
1:15:08
我觉得可能最大的影响
1:15:10
就是说我觉得了解了
1:15:12
比较早快速的接触互联网的潮流
1:15:16
因为我觉得可能确实在杭州这边
1:15:19
大家其实对于创业是非常积极的
1:15:23
包括我当时在浙大上学的时候
1:15:26
也是阿里巴巴如日中天的一段时间
1:15:28
然后包括当时网易也很厉害
1:15:31
所以当时就可以有很多的接触业界的东西
1:15:34
然后我觉得这个是
1:15:36
我觉得是一个非常好的机会
1:15:39
然后包括到现在我们发现
1:15:41
其实浙大还是或者说杭州
1:15:43
有很多AI方向的人才
1:15:46
对吧
1:15:47
包括机器人方向的人才
1:15:48
我觉得其实整个产业
1:15:50
其实在这块的聚集是很多的
1:15:52
我觉得这个给我了特别多的资源
1:15:55
然后包括我其实最近就经常和很多人聊
1:15:59
很多人在美国的我的朋友
1:16:02
他们说他们想回国
1:16:03
但是他们遇到一个很大问题
1:16:04
就是说他们在国内没有任何的关系
1:16:07
没有任何的connection
1:16:08
他们可能是比如说从本科的时候
1:16:10
就来美国读书了
1:16:12
然后他就觉得其实国内挺好的
1:16:14
但是他回国以后一个人都不认识
1:16:17
然后我就觉得我不是这样的
1:16:19
我回到中国以后
1:16:20
我还可以在杭州有很多认识的人
1:16:24
然后有很多的合作方
1:16:25
然后有很多的朋友
1:16:27
所以我觉得这个其实会给我
1:16:29
就是说我觉得它在我的整个人生中
1:16:34
其实是一个很重要的一个支点
1:16:36
所以我觉得也是一个很幸运的事情
1:16:38
还有我们保留的问题
1:16:41
你有没有什么好的推荐
1:16:43
想跟我们的听众朋友来分享
1:16:45
对
1:16:46
首先就是我自己的
1:16:50
我其实写了两本书
1:16:51
原来有一本叫How to win PEO
1:16:53
然后我又写了一本书叫Zero person company
1:16:56
然后基本上就是把我这两年的一些想法
1:17:00
然后总结在这里了
1:17:01
但是我肯定也不能只推荐我自己的东西
1:17:04
我想推荐一些别的东西
1:17:06
一个是我觉得如果从书的角度来说
1:17:11
我其实比较喜欢理查德·道金斯的
1:17:17
他是一个进化论的专家
1:17:20
然后他有很多书
1:17:23
比如说自私的基因
1:17:24
然后比如说像盲眼中表将
1:17:27
那么我觉得其实我们在考虑智能的进化的时候
1:17:32
我们不妨去先研究一下人类是如何进化出来的
1:17:36
那么人类的智能是如何出现的
1:17:38
然后这个时候我们用它来对比这些AI的一些发展
1:17:44
我觉得会很有启发
1:17:47
然后对我来说
1:17:48
其实我们刚才也聊到纳瓦尔
1:17:50
其实我也是比较赞同纳瓦尔的一些想法
1:17:54
所以我觉得这个书也可以推荐
1:17:57
播客的话
1:17:58
我自己今天我其实正在听黄元勋和
1:18:04
也是应该是叫Friedman的一个播客
1:18:08
然后他们就在讲AI revolution
1:18:13
然后我觉得首先黄元勋是对AI技术是比较正面的
1:18:19
那么我们知道其实AI在大脑里面也有正面和负面的
1:18:23
比如说像Hinton相对来说他是比较负面的
1:18:28
那么我们负面他认为AI是很危险的
1:18:31
还有一类的负面是认为AI很弱智
1:18:34
比如说像Ian Laquan他认为AI其实不危险
1:18:37
因为他很笨
1:18:38
对吧
1:18:38
那么Hinton认为AI很危险是因为AI很聪明
1:18:41
还有一类人认为是AI不危险
1:18:44
而且AI也很聪明
1:18:45
那么比如说像黄元勋
1:18:46
对吧
1:18:46
或者说他是比较积极的
1:18:49
那么我觉得可以多听一些这些人的观点
1:18:51
然后包括他们会对于整个科技的发展的长时段的发展
1:18:57
会有一个判断
1:18:59
那么我觉得去了解这些人的判断其实也是很有用的
1:19:03
好的
1:19:04
谢谢全莱的推荐
1:19:06
也最后再次感谢全莱给我们分享了这么多
1:19:09
那听众朋友中如果你有相关的GEO的需求
1:19:13
如果你对我们的节目有什么建议
1:19:15
想听什么话题
1:19:16
也欢迎大家留言
1:19:18
那我们也会尽量去做相关的安排
1:19:21
那今天的录制就到这里
1:19:22
谢谢大家
1:19:25
好
1:19:25
谢谢