单一来源
当前只有一个可用来源,尚未完成多源交叉核验美国政客里,开始有人花钱优化ChatGPT的答案了
本文来自微信公众号: 刀客Doc ,作者:刀客Doc美国政治竞选团队开始研究一门新生意:如何让ChatGPT在回答选民问题时,更多地提到自己的候选人。10月26日,路透社披露了一份竞选咨询方案。
方案来自美国得克萨斯州奥斯汀的一家技术服务商Visigent,服务对象是准备挑战马萨诸塞州州长莫拉·希利(Maura Healey)的共和党候选人迈克·米诺格(Mike Minogue)。
这家公司提出的方案,已经超出传统搜索引擎优化的范畴。它的目标是让ChatGPT、Claude、Gemini等聊天机器人,在讨论税收、住房和公共安全等议题时,更容易提及该候选人及其政策主张。
路透社看到的材料还列出了收费方式。基础政治服务每月5000美元。如果包括媒体购买、内容投放和意见领袖合作,费用可达每月5万美元。方案甚至设置了最高20万美元的结果奖励。这门生意有了专门的名称,GEO,即生成式引擎优化。
但随之而来的问题是:企业能够花钱改善自己在AI信息系统中的可见度,却能否稳定改变模型的回答?如果涉及选举,商业优化与公共信息可信度之间又该如何划分界限?
一美国有多少选民
,真的开始向AI提问?美国全国公民会议组织(National Conference on Citizenship,NCoC)联合卡特中心研究人员,在10月上旬和中旬分别开展调查。10月1日至4日,14%的美国成年人表示,曾使用AI了解参议员、众议员或州长候选人。
到10月15日至18日,这一比例升至25%。使用AI完成至少一种选举相关任务的成年人比例,则从28%上升至40%。调查由SSRS实施,两轮有效样本分别为1033人和1030人,单次误差范围约为正负3.4个百分点。
数据来自NCoC与SSRS,两轮独立调查;图中比较候选人研究、投票信息及至少一种选举任务。不过,10月23日,皮尤研究中心发布了另一项调查。在10月12日至18日接受调查的5273名美国成年人中,只有8%表示,自己正在使用AI聊天机器人了解2026年选举信息。
25%和8%,相差很大。两家机构采用的调查问法有所不同。NCoC询问受访者在本次选举期间是否曾使用AI了解候选人,皮尤则询问他们是否正在使用聊天机器人获取本届选举信息。前者包含更宽泛的既往行为,后者聚焦正在发生的使用行为。
NCoC也指出,部分受访者把搜索引擎顶部的AI摘要计入了自己的使用经历。不管怎样,两组数字共同说明,AI已经进入美国选举信息的消费场景。而且,现阶段使用AI的主要目的,仍然是寻找和核对信息。
皮尤调查显示,在使用聊天机器人了解选举的受访者中,76%用它了解候选人的议题立场,71%用于核实其他渠道看到的信息,65%查询候选人的经历与背景。只有40%表示会询问投票选择建议。
样本基数为使用聊天机器人获取2026年选举信息的成年人,并非全体美国成年人。这个用户行为结构,对理解GEO尤其重要。目前人们使用AI,主要仍然希望获得信息。因此,候选人的政策记录、新闻报道和公开资料是否能够被准确整理,比所谓“AI直接推荐谁”更有现实意义。
二、5000美元一个月,政治GEO公司究竟卖什么?路透社调查中的Visigent公司,提供了一个观察GEO商业模式的具体案例。从公开报价看,这家公司有两套不同的产品体系。面向一般客户的软件服务,月费从134美元起。
需要编辑设计和开发服务的大型客户,月费最高可以达到9000美元。政治竞选业务的起价则为每月5000美元。如果加入媒体购买、付费内容和其他传播服务,月费最高可达5万美元。路透社获得的方案,还设置了最高20万美元的所谓“类别胜出”结果奖励。
不同产品的服务范围差异较大,价格不能直接横向比较;20万美元结果奖励未计入月费。与传统广告代理商相比,这些公司出售的服务组合更加复杂。其中一部分是监测。服务商持续观察不同AI系统如何描述某一候选人、是否引用相关公开资料,以及答案是否存在事实错误或信息缺失。
另一部分是内容与信息管理。竞选团队可能需要整理政策文本、候选人履历、公开声明和具有来源依据的数据,让这些信息更容易被检索与核验。此外,还有传统的编辑、媒体关系和技术开发服务。
三从SEO到GEO
,归因变得更难了过去二十年,搜索引擎优化已经形成相对成熟的商业体系。企业可以监测网站排名、自然搜索流量、页面点击和用户转化。虽然搜索算法并不完全透明,但企业仍有相对清晰的可观察指标。
GEO则不同。用户向聊天机器人提出一个问题,模型可能直接给出一段综合答案。有些回答附带来源链接,有些不会;不同提问方式、不同模型版本和不同检索时间,也可能产生不同结果。如果某位候选人的名字出现在回答中,服务商能否把这次曝光归因于自己的工作?
很难。首先,AI回答的变化可能来自新闻事件本身。一位候选人获得新的媒体报道,即使GEO服务商没有采取任何行动,模型检索到的信息也可能变化。其次,模型和检索系统会更新。同一条问题,在不同时间得到不同答案,并不能直接证明外部内容优化产生效果。
第三,用户提问具有高度差异性。有的人询问税收,有的人关注教育,有的人需要核对候选人履历。不同问题对应不同的信息需求。如果服务商只监测少量预设问题,就可能高估自己对真实用户场景的覆盖能力。
这也使所谓“AI推荐份额”成为一个需要严格定义的指标。路透社报道,部分服务商使用AI recommendation share作为收费或效果评价依据。但“提到候选人”“引用候选人官方网站”“准确概括政策”与“直接推荐候选人”,显然不能混为一谈。
例如,在回答两位候选人政策差异时同时提及双方,是一种正常的信息服务。如果服务商将其中一方被提及的次数统计为胜利,却忽略回答是否准确、是否完整,指标就可能失去实际意义。更复杂的是,用户看到AI回答之后可能继续查看原始新闻、官方文件,或者直接结束查询。
因此,传统搜索可以通过点击和转化追踪部分效果,GEO却很难形成相同的归因闭环。它出售的可能是一项真实的信息监测服务,也可能包含大量目前尚难验证的效果承诺。这恰恰是GEO市场商业化过程中最需要解决的问题。
四、政治GEO比品牌GEO更敏感同样是优化AI信息可见度,商业品牌和政治竞选存在重要区别。一家消费品牌希望AI准确了解商品价格、功能、售后政策和购买渠道,这些信息通常可以由企业自身提供,并通过公开资料核验。
政治信息涉及的是公共人物、政策争论、历史记录和不同社会群体的利益。关于某项政策是否有效,往往存在合法的不同观点。AI需要区分客观事实、候选人的公开主张、媒体分析及不同机构的评价。如果商业优化服务试图把具有利益关系的宣传材料包装成独立可信的第三方信息,就可能增加回答偏差的风险。
另一方面,候选人及其团队当然也有澄清错误信息、公开政策资料和纠正事实性遗漏的正当需要。两者的区别在于信息真实性、来源透明度与是否造成误导,而非是否使用了GEO这个名称。路透社报道的CampSight提供了另一种行业案例。
这项服务由Run for Something Action Fund运营,面向部分政治竞选团队,收费为每月9至250美元。州级及联邦竞选项目则采用定制收费。其服务包括监测大语言模型如何描述候选人,以及提供相关信息质量分析。
Run for Something方面向路透社表示,已有数十个竞选团队使用CampSight,还有超过300名候选人及组织在等待名单中。有意思的是,CampSight技术负责人Jordan Haines对模型表现的评价相对谨慎。
他介绍,团队早期曾观察到网络论坛内容很快出现在AI答案中的现象,因此担心不可靠资料可能影响回答。但在后续观察中,他认为部分模型对可靠和不可靠信息的区分能力,比最初预想的更强。这说明GEO行业内部也存在不同判断。
有的服务商强调内容可见度和优化空间。有的从持续监测中发现,模型对于信息质量仍具有一定识别能力。目前还需要更多公开、可复现的测试来判断这些能力的边界。五、GEO的商业化难题距离2026年11月3日美国中期选举,只剩下几天。
从市场规模看,政治GEO仍是一项发展早期的服务。路透社调查呈现了具体公司、公开报价和部分客户线索,却没有证明政治竞选已形成大规模、稳定的GEO预算池。皮尤的调查同样提醒人们,AI选举信息使用仍处于发展阶段。
只有8%的美国成年人表示正在通过聊天机器人获取本届选举信息。但另一方面,NCoC研究显示,AI已经进入相当一部分受访者的选举信息接触过程。这两种事实可以同时成立。新信息入口正在成长,而围绕它的商业服务市场仍然缺少成熟标准。
因此,2026年美国中期选举对GEO行业的意义,主要在于提供了一次公开观察机会。研究者可以观察信息服务商如何定价,客户愿意购买哪些服务,不同AI系统怎样处理有来源的事实,以及模型能否有效区分新闻报道、公开政策资料和带有利益关系的宣传内容。
与此同时,政治信息本身对准确性和透明度有更高要求,也会迫使行业更早面对服务边界和效果验证问题。未来,GEO服务商如果希望建立长期竞争力,就需要提供可重复的测量方法、明确的服务交付物,以及能够经受独立核验的信息质量改善结果。
这种要求同样适用于商业品牌。一家企业可以花钱让自己的商品信息更加完整、及时、容易被查证。但它很难合理要求第三方AI系统按照商业利益作出预设判断。GEO的商业空间,可能来自帮助信息被准确发现和理解;
而它最大的信任风险,则来自把信息优化包装成能够购买AI判断结果的服务。美国竞选团队开始为这项服务支付预算,说明企业和政治组织已经意识到AI信息入口的重要性。但一家咨询公司能否从这门生意中持续赚钱,还需要回答比“AI会不会提到客户”更复杂的问题:它究竟为客户改善了什么?
效果如何独立测量?回答是否保持真实、完整和透明?2026年,美国政治传播行业第一次把这些问题推到了商业市场面前。对于正在兴起的GEO行业来说,这或许比任何一份高额服务报价都更重要。
Evidence
来源与证据
当前仅有一个可用来源,尚未完成多源交叉核验。
- 发布时间
- 内容处理
- AI 翻译 / 摘要,需结合原文核对
相关资讯
如果AI解开了世界难题,人类数学家还剩下什么?
本文来自微信公众号: 秦朔朋友圈 ,作者:Irene Zhou继知名数学家陶哲轩公开批评OpenAI后,近期另一位新晋菲尔茨奖得主邓煜也炮轰OpenAI——不能你蒸馏了全世界,不让别人来蒸馏你。随着顶级模型公司不断破解世界级数学难题,数学家们集体破防。邓煜近期提出的观点大意是,AI公司在构建大模型时,通过“知识蒸馏”或抓取全人类的网络文献、学术论文与知识库来训练自己。然而,当外界或同行希望了解模型的推理过程(即“思维链”)时,这些公司却以“防止被蒸馏”为由进行全方位加密和拒绝公开。邓煜直言:“你不能在只有你蒸馏全人类的网络文献、全人类的知识的时候,就大大方方地去蒸馏;然后觉得别人想要了解一下思
程序员要和司机坐一桌了
本文来自微信公众号: 冯伟冯大白 ,作者:文/冯大白不会写代码的创业者,已经拿着自己做的软件去接订单了。Jon Cheney想做企业AI服务,曾收到10.5万美元的开发报价。后来他用Replit搭出了网站和后台,按他在平台访谈中的说法,搭建花了不到400美元,五天内拿到首位客户的1.5万美元订单。他此前创过业、融过资,也卖过公司。这一次,缺少编程能力终于没有把他挡在产品开发之外。程序员因此要面对很多变化:客户先做了一版,甚至先找到了愿意付钱的人,才来考虑下一步需要什么技术帮助。软件开发原本位于生意的起点,现在有机会随着生意一起出现。今年6月,AI应用开发平台Lovable公布的一项调查中,超过
2万报价被还到2000:我的FDE 朋友决定回去上班了
本文来自微信公众号: ToB老人家 ,作者:王戴明,原文标题:《2 万报价被还到 2000:我的 FDE 朋友决定回去上班了》一位资深的FDE朋友告诉我,他已经决定放弃FDE创业,回企业上班了。至于原因,他给我讲了一件真事:一位客户找他做一个AI项目,他报价2万,结果对方果断还价2000。他无奈回复客户:2000块连AI工具的成本都不够。朋友说:这2年FDE做下来,收入还不如打工,所以果断止损了。另一位FDE朋友也给我说:做FDE其实不赚钱,因为企业的要求很高,但又不愿意给匹配的费用。而市场上真正赚到钱的FDE,其实大部分都是卖培训,或者卖FDE的课程。他甚至半开玩笑的说:FDE之所以这么火,
少有的同时做过Agent、多模态和具身的人
本文来自微信公众号: 42章经 ,作者:曲凯,原文标题:《少有的同时做过 Agent、多模态和具身的人 | 42章经》淏楠最早在MiroMind做Agent,后来转去混元,负责多模态RL infra,最近又去了某具身公司负责模型训练。本期播客原文约19000字,编辑整理后约5600字。曲凯:去年应用落地有两条主线,一是Agent,二是多模态。现在Agent这边方向已经比较明确了,尤其是最近又有Personal Agent这一波。那多模态这边,这一年有哪些新的进展?淏楠:在这个领域里,一年太长了哈哈。不过我们可以再往回倒一下。其实在做多模态之前,25年10月的时候,我在MiroMind做纯语言的
AI 翻译、摘要和解读仅用于辅助判断;涉及重要决策时,请回到上方来源核实。