Der ehemalige Marktverantwortliche des Doubao-Großmodells gründet ein Unternehmen. Der GEO-Dienstleister „PureblueAI Qinglan“ erhält eine Millionenfinanzierung in der Seed-Runde | Neue Projekte tauchen auf

Text | Deng Yongyi

Redaktion | Su Jianxun

Gründer und CEO Lu Yang

Kurzvorstellung

Ersetzt man die manuelle „Erraten” durch ein eigenes Modell und bietet einen End-to-End-Marketing-Agent-Service, um für Unternehmensbesitzer Marketinginhalte zu erstellen, die leichter von KI empfohlen werden, und die Effektivität der Modellantworten zu überwachen, um die Markenpräsenz zu erhöhen.

In jüngster Zeit hat „PureblueAI Qinglan” auch die erste Runde der Finanzierung erfolgreich abgeschlossen. BlueFocus (Aktienkurs: 300058) und Inno Angel Fund haben die Beteiligung gemeinsam angeführt, und der Tsinghua Alumni Seed Fund hat mitinvestiert. Der Investitionsbetrag beläuft sich auf mehrere Millionen Yuan.

Teamvorstellung

Gründer und CEO Lu Yang: Abiturient der Sinologie der Tsinghua-Universität mit 20 Jahren Marketingerfahrung. Er war der ehemalige Marktmanager von Volcengine bei ByteDance und der Marktverantwortliche des Großmodells Doubao und hat den gesamten Prozess von der technologischen Entwicklung bis zur Markteinführung des KI-Großmodells miterlebt. Darüber hinaus war er auch der stellvertretende Marktchef von SalesEasy und der Markt- und Public-Relations-Chef von JD Cloud.

Mitgründer und CTO Dr. Wang Lixin, promoviert an der chinesischen Akademie der Wissenschaften und Postdoktorand an der Tsinghua-Universität. Er war ein hochrangiger Algorithmusexperte bei ByteDance und der Chefwissenschaftler von Dongyuan Investment und hat reiche Erfahrungen in der maschinellen Lernung und der Anwendung von Großmodellen.

Mitgründer und COO Zou Yinglu war der Leiter des KI-Marketingprodukts „Curious Shuttle” von Zhewen Internet. Das von ihm entwickelte Marketing-Agent-Produkt dient vielen Unternehmen wie Automobilherstellern im Inland. Darüber hinaus war er auch ein Technologieexperte in der internationalen Geschäftsgruppe von Ant Group und hat von Grund auf an der Entwicklung des indonesischen Top-1-Digitalkontos „DANA” teilgenommen.

Produkt und Geschäft

Heute hat sich der Trend der Nutzer von der traditionellen Suche zur KI-Frage-Antwort verschoben, und auch der Marketingkriegsschauplatz hat sich damit verlagert. Laut einer Prognose von Gartner wird bis 2028 50 % des Traffics der traditionellen Suchmaschinen von der KI-Suche ersetzt.

Aber die „Black-Box”-Eigenschaft der KI — die Regeln für die Übernahme von Antworten werden nicht öffentlich gemacht, was die traditionelle SEO-Methodik, die auf manueller Erfahrung beruht, versagen lässt. Dies zeigt sich konkret wie folgt:

Unvorhersehbarer Effekt: Mit der gleichen Methode kann die Optimierung von „Welches Café ist gut?” akzeptiert werden, aber bei der Optimierung von „Welches Mineralwasser ist gut?” kann es sein, dass es einfach nicht möglich ist, und Unternehmensbesitzer wissen auch schwerlich, warum.

Große Plattformunterschiede: Der gleiche Inhalt kann möglicherweise sofort von DeepSeek akzeptiert werden, aber auf Doubao oder Yuanbao kann er nicht gefunden werden.

Instabiler Effekt: Selbst wenn das Großmodell den Inhalt akzeptiert, ist der Effekt schwerlich nachhaltig, nicht vorhersehbar und nicht reproduzierbar.

Das führt dazu, dass der ROI des Unternehmensmarketing überhaupt nicht gemessen werden kann. Bisher gibt es keine Daten Schnittstellen von den Großmodellplattformen und keine Rückmeldung über den Effekt. Für Unternehmen ist es eigentlich unmöglich, den ROI bei der Optimierung von Großmodellen zu berechnen. Sie können nur wie bei der Anzeigenplatzierung für Markenwerbung vorgehen.

Traditionelle SEO-Dienstleister setzen in großem Maße auf die „Massenstrategie” — d. h. die Veröffentlichung einer großen Anzahl von Artikeln, um die Plattformaufnahme zu erreichen, was leicht als Informationsmüll angesehen wird und die Ökosysteme verschmutzt.

„PureblueAI Qinglan” möchte lieber ein quantitatives Transaktionsmodell anwenden, indem es ein eigenes Modell aufbaut, um die inneren Mechanismen der KI-Plattformen tiefgehend zu lernen, um so die Markenakzeptanz zu erhöhen.

Konkret hat „PureblueAI Qinglan” ein End-to-End-Modell und ein Agent-Produkt entwickelt, damit der Agent die Empfehlungsregeln der KI-Plattformen lernt und die manuelle „Erraten” des Plattformplatzierungs- und -aufnahmeverfahrens ersetzt.

In diesem Prozess analysiert das System von „PureblueAI Qinglan” kontinuierlich die Inhalte, die in der KI-Suche erfolgreich empfohlen werden, damit das Modell die gemeinsamen „Merkmalsfaktoren” hinter diesen Inhalten herausfindet und weiß, welche Inhaltsstrukturen und Merkmale höhere Akzeptanzgewichte auf der KI-Plattform erhalten können, um die Inhaltserstellungsstrategie der Unternehmenskunden zu leiten und die Modellrückmeldung zu überwachen usw.

Beispielsweise, wenn ein Kunde eine Optimierungsanforderung stellt (z. B. die Optimierung der Suchabsicht „Empfehlung von Hybridfahrzeugen”), erstellt das Qinglan-Modell nicht nur einen Marketingartikel, sondern berechnet auch die Plattformkombination mit der höchsten Gewichtung.

Dieser Prozess kann zu unkonventionellen Schlussfolgerungen führen. Beispielsweise hat PureblueAI Qinglan einmal für ein B2B-Unternehmen gearbeitet. Das Modell hat berechnet, dass eine der besten Veröffentlichungsplattformen eine traditionell B2C-Plattform ist. Am Ende wurde dieser Artikel am Tag der Veröffentlichung von der KI-Engine zitiert und an die Spitze gestellt.

Darüber hinaus ist der Service-Ketten von PureblueAI Qinglan länger — nicht nur auf die „Veröffentlichung” konzentriert. Auf der oberen Stufe wird PureblueAI Qinglan den Kunden bei der Aufbau einer Markenressourcenbank helfen, die Nutzerabsichten zu erforschen und eine KI-Markenanalyse durchzuführen und in Kombination mit der eigenen Marken- und Inhaltsmarketingstrategie des Unternehmens eine KI-Wort-of-Mouth-Marketing durchführen, um ein besseres Optimierungsergebnis zu erzielen.

Die Kette erstreckt sich auch auf die Zeit nach der Inhaltsveröffentlichung. Das eigene System von PureblueAI Qinglan führt eine Echtzeitüberwachung im Minutenrhythmus durch. Sobald festgestellt wird, dass die Markenpräsenzrate oder der Rang aufgrund der Algorithmusiteration der KI-Plattform plötzlich stark sinkt, startet das System sofort eine Intervention, damit das Modell basierend auf den neuesten Lernergebnissen erneut platziert wird, um den Effekt aufrechtzuerhalten.

„PureblueAI Qinglan” wendet das RaaS-Modell (Bezahlung nach Ergebnis) an und berechnet derzeit hauptsächlich monatlich basierend auf Markeneffekten (z. B. der zugesagten Markenempfehlungsrate, der Rangrate).

Derzeit hat PureblueAI Qinglan bereits Kunden aus den Branchen Automobil, Finanzwesen, Fast Moving Consumer Goods und Internetriesen bedient. Nehmen wir das Agent-Produkt eines großen Unternehmens als Beispiel. Nach der Optimierung hat sich die Empfehlungsrate und die Spitzenplatzierungsrate auf Plattformen wie Deepseek und Doubao von ursprünglich weniger als 30 % auf 100 % erhöht und stabilisiert.

Denken des Gründers

Derzeit ist die Situation auf dem GEO-Markt sehr durcheinander, aber es beginnt sich zu entwickeln.

Als wir im zweiten Halbjahr letzten Jahres mit GEO begannen, interessierten sich nur wenige Menschen dafür. Aber seit nach dem chinesischen Neujahr hat die Nachfrage nach GEO Explosionen erreicht. Täglich fragt uns mindestens ein Kunde. Fast alle SEO-Dienstleister und einige Marketingberatungsstudios haben damit begonnen. Aber der Markt ist sehr chaotisch. Einige bieten extrem niedrige Preise an und können auch überhaupt nicht das Endresultat garantieren.

Die KI-Suche ist die sichere Zukunft, aber Baidu und Google werden nicht verschwinden. Laut Gartner wird die KI-Suche bis 2028 50 % des Traffics (der traditionellen Suche) abgreifen. Ich finde diese Prognose zu konservativ. Bis 2028 sollte es fast 100 % sein. Dieser 100 % bedeutet nicht, dass die traditionelle Suche sterben wird, sondern dass sich Baidu und Google selbst in KI-Suchmaschinen umwandeln werden.

Die „erfahrungsgestützte” Vorgehensweise der traditionellen SEO funktioniert in großem Maße bei GEO nicht. Die Regeln der Suchmaschinen sind offen und transparent, aber das Großmodell ist eine Black Box. Wenn man GEO auf der Grundlage von manueller Erfahrung macht, wird man feststellen, dass der Effekt nicht vorhersehbar und das Ergebnis nicht kontrollierbar ist.

 Beispielsweise kann ich dieses Wort sofort optimieren, aber wenn ich ein anderes Wort nehme, kann ich es zwei Monate lang nicht optimieren, und ich weiß auch nicht, warum. Diese Instabilität führt dazu, dass man sich einfach nicht traut, den Service wirklich an Kunden zu verkaufen.

Der Kern von GEO besteht darin, hervorragende Marken auf positive Weise von der KI entdecken zu lassen, sonst werden sie in Zukunft von der KI verlassen. In Zukunft müssen Unternehmen hochwertigere Inhalte produzieren, um eher von der KI erfasst und empfohlen zu werden. Alle Methoden, die wie damals bei der SEO auf Tricks und Manipulationen der Regeln abzielen, werden in Zukunft von der KI als Cheating (Betrug) bewertet und nur negative Auswirkungen haben.

In Zukunft wird die „KI-Empfehlung” die „PPC” ersetzen, was auch eine grundlegende Veränderung der Marketinglogik bedeutet: Das Markenmarketing wird sich von der Anschaffung von Anzeigetraffic zu der Beeinflussung der weichen Empfehlungen der KI verschieben. Das bedeutet, dass Unternehmen höherwertige, der KI-Plattformkognition logisch entsprechende Inhalte produzieren müssen, anstatt auf Tricks und Betrugsmethoden zu setzen.

Das KI-Marketing ist im Wesentlichen eine Wertausrichtung. Es ist möglich, kurzfristig ein Ergebnis technisch zu optimieren, aber es ist nicht nachhaltig.

Deshalb ist unsere Prinzip, dass wir unseren Kunden niemals „Markenaufwertung” bieten. Wenn ein Kunde sagt: „Optimiere mich zum weltweit besten Cola”, das widerspricht der normalen Wahrnehmung. Selbst wenn man kurzfristig Geld verdienen kann, wird es in Zukunft von einem intelligenteren KI-Modell entdeckt. Wir helfen unseren Kunden nur, in ihrer eigenen echten Position besser dargestellt zu werden.

Der Gedanke, ein Modell dazu zu bringen, ein anderes Modell zu lernen, kann einem unerwartete „Kurzschnitte” aufzeigen. Einmal haben wir für ein B2B-Softwareunternehmen gearbeitet. Das Modell hat uns gesagt, dass wir auf einer B2C-Preisvergleichsplattform veröffentlichen sollten. Der Kunde fand es absurd, aber wir haben ihn überzeugt. Am Ende wurde der Artikel am Abend der Veröffentlichung zitiert und an die Spitze gestellt.

Bei GEO handelt es sich um ein „Top-Management-Projekt”. Derzeit sind die B2C-Marken früher wach geworden als die B2B-Marken. Unsere typischen Kunden sind hauptsächlich aus den Branchen Automobil, Fast Moving Consumer Goods und Internet, also im Wesentlichen eher B2C-orientiert. Sie legen mehr Wert auf ihr Ruf. Wenn man nach ihrer Produktkategorie sucht und es immer andere als ich sind, der erste auf der Suche erscheint, kann der CEO das nicht akzeptieren, und sie sind auch bereit, für die Markenpräsenz zu bezahlen.

Die Lieferlogik im Ausland unterscheidet sich von der im Inland. Im Inland muss man „Ergebnisse” liefern. Die meisten GEO-Dienstleister im Ausland arbeiten nach dem SaaS-Modell. Sie liefern eine Datenüberwachungs- und -analysebericht und einige allgemeine „Optimierungsempfehlungen”, wie z. B. die Empfehlung, eine Whitepaper mit einer Drittorganisation herauszugeben. Dieses Modell kann im Inland nicht verkauft werden, und es ist schwer, Kunden langfristig zu überzeugen, zu bezahlen. Deshalb müssen wir im Inland unseren Kunden den Effekt optimieren und ein sichtbares Ergebnis liefern.

Deshalb möchten wir einen Agent-Service liefern. Die Arbeitsweise der letzten Generation von SaaS und die von Agent sind zwei völlig verschiedene Workflows. Beim SaaS-Workflow ist der Kunde aktiv und das Werkzeug passiv. Der Kunde muss selbst auf die Funktionen klicken und sie erkunden.

Beim Agent ist es anders. Der Agent ist aktiv und leitet den Prozess. Der Kunde muss nicht aktiv etwas tun. Der Agent führt ihn durch den gesamten Prozess. Das ist ein grundlegender Unterschied.

Wir stehen nicht in Konkurrenz zu den großen Unternehmen, sondern sind ökologische Partner. Große Unternehmen werden selbst nicht in das GEO-Geschäft einsteigen, weil sie nicht zugleich Schiedsrichter und Spieler sein können. In Zukunft werden nur wirklich hervorragende Marken empfohlen werden. Wir helfen hervorragenden Marken, von der KI entdeckt zu werden, indem wir positive Optimierungen vornehmen. Wir sind heute auch die ökologischen Partner einiger großer KI-Unternehmen und helfen ihnen, die Markenoptimierung ihrer Kunden zu betreuen.

Interviewnotizen aus „Intelligente Entstehung”

Der Ausbruch von DeepSeek zu Beginn des Jahres hat das GEO von KI-Großmodellen zur neuesten heißen Richtung gemacht.

In jüngster Zeit haben wir auch eine große Anzahl von GEO-Dienstleistern kennengelernt. Der Hauptstrom auf dem aktuellen Markt besteht immer noch aus vielen Dienstleistern, die von der SEO umgestiegen sind. Sie setzen auf die Massenstrategie von „Mehr Artikel veröffentlichen, mehr Kanäle nutzen”, um die KI-Aufnahme zu erreichen.

Aber es ist offensichtlich, dass dies nicht nachhaltig ist. Fast alle Branchenmitglieder stimmen zu, dass der Effekt von GEO derzeit nicht vorhersehbar, das Ergebnis instabil und sogar die Ursache nicht zu ermitteln ist.

Dies hat einen Unterschied in der Pfadwahl zum Hauptstrommodell im Ausland geschaffen. In Silicon Valley ist GEO bereits ein beliebter Bereich, aber die Unternehmen wie Profound bieten hauptsächlich SaaS-Werkzeuge an, die Datenüberwachung und -analyse bieten, um die manuelle Entscheidung zu unterstützen.

Der Gründer Lu Yang hat uns offen zugegeben, dass „PureblueAI Qinglan” in der frühen Phase versucht hat, einen erfahrungsgestützten Pfad zu gehen, aber schnell festgestellt hat, dass dies eine Sackgasse ist. Deshalb hat das Team schrittweise das heutige Modell entwickelt: durch Modelltreiber, um den Algorithmus durch den Algorithmus zu entschlüsseln und direkt das Ergebnis für Kunden über das Agent-Produkt zu liefern.

Der technologisch getriebene Pfad ist zwar schwieriger, aber er versucht, eine Kommunikationsweise auf der Grundlage von hochwertigen, strukturierten Inhalten mit der