隨著AI工具日益普及，“被AI看見”“被AI推薦”成為許多品牌宣傳的目標。一種新型營銷模式正在走紅，SEO（搜索引擎優化）影響力下降，GEO（生成式引擎優化）則愈發重要。

公募行業也不例外。中國證券報記者了解到，伴隨著AI選基興起，針對公募營銷需求的GEO服務也在推廣中，服務商通過向AI投喂語料、幫助基金公司優化宣傳資料內容結構等方式，提升其品牌在AI大模型眼中的能見度。目前，已有頭部基金公司試水這一業務，ETF這類同質化的產品成為AI營銷的重點領域。

近日，AI大模型“投毒”亂象引發關注。業內人士提示，上述業務也需要加強風險防范，避免AI算法偏見與利益輸送。

爭奪大模型注意力

GEO，即針對生成式人工智能平臺進行內容優化，旨在讓AI向用戶提供答案時優先引用或推薦特定公司的品牌信息。

這一概念正在公募行業走紅。為了提升AI好感度，讓AI更偏愛某些基金產品，針對基金包裝的GEO需求應運而生，不少服務商推出系列優化業務。

例如，一家金融垂直領域的服務商，打出“讓AI永遠記住您的品牌”口號。據其官方介紹，可根據不同AI大模型推薦分析，制定優化策略，從結構清晰度、精準話術、專家驗證、語境深度等幾個維度優化內容以適應人工智能模型的處理需求，并能實時追蹤基金公司品牌在AI推薦系統中的內容表現，根據AI推薦數據反饋，持續優化內容和策略。

據該服務商展示的對某頭部公募客戶的服務案例，經過優化后，該客戶基金產品在主流AI問答引擎中的推薦率由8%提升至69%，且在同類型基金中的排名提升至第一位。另一家大型公募客戶的基金產品經過優化后，在DeepSeek平臺上的推薦率提升了3倍。

據一家大中型公募人士透露，目前頭部公募機構AI投放業務仍處于探索階段，尚沒有形成規模化的產業鏈。“市場上有很多供應商專門提供業務，雙方談好合作后，服務商就會投喂語料給AI，短期內確實能看到一定效果。但投喂AI的時效性有限，一旦投喂停止，營銷效果立馬減弱。”他表示。

具體業務方面，ETF這類同質化的產品成為AI營銷的重點領域。上述公募機構人士介紹，公募AI投放目前以指數基金為主，這類工具型產品相對穩妥。一個針對公募ETF產品打造的“AI榜單”顯示，篩選某一賽道方向，就能看到自家產品在豆包、DeepSeek、元寶、Kimi、千問等主流國產AI平臺的推薦情況。

報價方面，供應商通常按照“產品+平臺+時間”組合計算。“初期費用很高，以萬元為單位，但后來競爭‘卷’起來了，幾百元到幾千元都能投放。”他表示。

由于用這種方式“帶貨”的效果很難量化，業內對這類服務通常以AI平臺“可見度”來衡量。正如上述GEO服務商所說，當用戶在各主流AI大模型提出品牌相關問題時，確保特定公司的品牌信息成為用戶獲得答案中的“必選項”，是AI時代下企業的核心要務。

鑒別門檻較高

在業內人士看來，隨著AI技術普及，“AI選基”越來越受歡迎，這極大改變了公募行業營銷策略。

在晨星（中國）基金研究中心總監孫珩看來，AI選基邏輯正從傳統多因子量化篩選轉向大模型加動態因子融合，從靜態指標匹配升級為實時數據驅動、語義理解與合規約束的智能決策。與此同時，行業營銷也正從流量投放轉向AI推薦“卡位”，通過結構化、高信源、強合規的內容建設搶占模型權重。

雖然AI技術帶來了便捷，但是目的性投喂帶來的“信息污染”某種程度上加劇了用戶的辨別負擔。“一些投資者的信息搜索習慣正從傳統渠道不斷向AI模型遷移，利用AI模型雖然能夠快速了解某類產品，但AI模型搜集的數據基本來源于網絡，數據存在真實性、滯后性、局限性等問題，再疊加模型的幻覺問題，其結果大概率存在一定誤區，鑒別門檻較高。”天相投顧基金評價中心表示。

在嚴肅的投資領域，要兼顧AI選基的便利性與公正性，孫珩認為，關鍵在于模型可解釋、數據可溯源、算法可審計、風險可隔離。例如，通過建立標準化、合規可披露的因子體系，杜絕黑箱決策，確保推薦邏輯透明可驗證；同時，嚴控數據源質量與去重去噪，引入第三方評測與動態回測機制，在提升效率的同時守住客觀中立底線，避免算法偏見與利益輸送。

在盈米基金看來，規避信息污染需要技術手段和行業協作共同發力。技術層面，關鍵在于讓AI具備“合規審查的能力”；行業協作層面，可以通過建立開放的生態，以便于隨時調用權威數據源、接受合規約束，實現輸出結果可追溯。

盈米基金介紹，公司已經在上述兩方面進行實踐探索。例如，“內容合規審查Skill”內置了100余條專業審查規則，依托審核案例庫，系統能夠精準識別違規表述內容進行預警或攔截。公司還通過且慢MCP（模型上下文協議），將專業的金融工具和數據接口向包括OpenClaw在內的各類AI智能體開放，提供資產診斷、基金數據查詢、回測分析等功能。

各參與環節應進行規范

未來，如何加強全鏈條的風險防范，在享受技術便利的同時，保護投資者利益不受到侵害，各參與環節都需要加以規范。

孫珩建議，一是AI模型方應確保AI選基模型底層數據真實可溯源、算法邏輯透明可審計，杜絕算法偏見與利益輸送；二是銷售機構需建立嚴格的投資者適當性匹配校驗機制，明確AI推薦僅為輔助工具并充分披露局限性；三是監管與第三方機構應強化算法備案、動態回測與合規審計，推動建立統一的AI金融服務標準與問責機制；四是投資者需提升金融素養，理性看待AI工具，避免過度依賴算法決策。

盈米基金高級副總裁、且慢業務負責人林杰才認為：“迎接AI時代，不僅要善于利用AI工具輔助工作，也要做好AI基礎設施的建設和完善。比如，通過MCP搭建可信數據底座，根治幻覺；打通物理世界數字接口，連接虛實；制定AI專屬安全、權限、法律規則，避免越界。在以上問題解決之前，可能需要暫時限定AI的應用場景，在享受技術紅利的同時，將風險關在籠子里。”