案例 3：品牌 GEO 案例与效应
品牌层面可借鉴的 GEO 效应数据与打法。
案例 1：Wikipedia 效应（presenc.ai，自报研究，置信中等）
- 数据：有详细 Wikipedia 词条的品牌获得 AI 提及是无词条品牌的 3.2 倍。
- 背景估计：Wikipedia 占 LLM 训练语料 5-15%，单源占比畸高。
- 打法：先积累第三方媒体报道满足关注度 → 创建/完善词条 → Wikidata 同步结构化数据。
- 链接：https://presenc.ai/research/wikipedia-effect-on-ai-brand-visibility
案例 2：earned media 偏好（arXiv:2509.08919，论文，置信较高）
- 《Generative Engine Optimization: How to Dominate AI Search》（2025）：AI 搜索引擎系统性偏好第三方赢得媒体而非品牌自有内容。
- 打法含义：预算分配上第三方评测/媒体内容 > 官网自夸页；官网定位为“事实源“（specs、定价、文档），第三方定位为“背书源“。
- 链接：https://arxiv.org/abs/2509.08919
案例 3：Reddit 声量 → AI 提及（semai.ai / praised.co，行业口径，置信中等）
- B2B 品牌在 Reddit 垂直子版块的真实讨论被 AI 大量检索引用。
- 合规打法：员工实名参与（披露身份）、回答真实问题、积累历史帖；不买赞不刷评。
- 链接：https://semai.ai/blogs/the-role-of-reddit-and-forums-in-ai-brand-mentions/ ｜ https://praised.co/blog/reddit-wikipedia-llm-sources
案例 4：GEO 领域协作演化（arXiv:2608.27631，论文，置信较高）
- 《Beyond the Vacuum》：当竞品也在做 GEO 时，最优改写策略随竞争格局变化——GEO 是博弈不是静态最优。
- 含义：监测竞品引用动态与监测自身同等重要。
- 链接：https://arxiv.org/abs/2608.27631
品牌实体沉淀通用套路
- 一个名字：品牌实体全网统一表述。
- 一张网：官网-GitHub-X-LinkedIn-Wikidata sameAs 互链。
- 一组锚点：品牌+品类固定搭配在第三方内容中反复共现。