Die Business-Angel-Investoren von Google und Microsoft setzen auf diese GEO-Firma, die die Sichtbarkeit von KI durch Modellgedächtnis verbessert | Aufstrebendes neues Projekt

Text | Wang Xinyi

Redaktion | Deng Yongyi

Einführung in einem Satz

geoSurge ist ein junges Unternehmen, das sich auf GEO (Generative Engine Optimization) spezialisiert hat. Es bietet GEO - Dienstleistungen auf der Grundlage von "internem Modellgedächtnis + RAG (Retrieval Augmented Generation)". Sein Hauptsitz befindet sich in London, und es wurde im April 2025 gegründet.

Derzeit hat geoSurge eine Pre - Seed - Finanzierungsrunde abgeschlossen, die von dem etablierten europäischen Venture - Kapitalgeber Passion Capital und dem US - amerikanischen Silicon Valley - Venture - Kapitalfonds Tuesday Capital unterstützt wurde. Es hat auch die Unterstützung von Business Angels aus Unternehmen wie Google DeepMind und Microsoft AI erhalten.

Teamvorstellung

Mitbegründer und CEO Francisco Vigo: Er hat 12 Jahre Berufserfahrung in der kommerziellen Datenanalyse und war zuvor Chief Data Scientist in dem Fintech - Unicorn - Unternehmen Zilch.

△Mitbegründer und CEO von geoSurge Francisco Vigo, Bildquelle: Unternehmen

Mitbegründer und CTO Jons Mostovojs: Ein erfahrener Spezialist für maschinelles Lernen und Systementwicklung, der seit langem an der Forschung und Entwicklung von großen Modellen und Datensystemen arbeitet und sich auf die Bereiche Modelltraining, -bewertung und Infrastruktur konzentriert.

Verantwortlicher für die APAC - Region Li Ziyue Zoe: Ehemaliger europäischer Frühstadien - AI / DeepTech - Venture - Kapitalgeber.

Produkte und Geschäftstätigkeiten

Der Gründer Francisco Vigo war zuvor Chief Data Scientist im Bereich Fintech und ist ein früher und intensiver Anwender von großen Sprachmodellen. Als normaler Benutzer hatte er die Erfahrung, dass er den Antworten von KI eher vertraute als den traditionellen Suchergebnissen, insbesondere wenn die Suchergebnisse mit Werbung übersät waren.

Anschließend begann er, die Modelle systematisch zu testen und stellte in einem bestimmten Zeitraum wiederholt die gleichen Fragen. Als das Modell aktualisiert wurde, bemerkte er, dass selbst wenn es keine großen geschäftlichen Veränderungen im Unternehmen gab, die Sichtbarkeit des Markennamens in den Antworten des großen Modells leicht und häufig wechselte.

Die Frage, wie man verhindert, dass eine Marke "aus den KI - Antworten verschwindet", war der Ausgangspunkt für die Gründung von geoSurge.

Francisco Vigo gab bekannt, dass die Produkte von geoSurge drei Hauptbereiche umfassen:

1. MEASURE (Messung): Es kann die aktuelle Position einer Marke in den wichtigsten KI - Systemen wie ChatGPT überwachen, verfolgen, ob die Marke erwähnt wird, die Häufigkeit und Konsistenz ihrer Erwähnung sowie verschiedene Daten über Zeit und Märkte hinweg.

△MEASURE, Bildquelle: Unternehmen

2. EXPLORE (Erforschung): Es hilft den Kunden zu verstehen, warum das Modell so reagiert, und gibt Optimierungsrichtungen an.

EXPLORE kann analysieren, wie diese Position entstanden ist, und zeigt den Denkprozess der internen Wahrscheinlichkeitsverteilung und der Neuwortvorhersage des Modells. Indem es Positionen mit Wahrscheinlichkeitsunterschieden erkennt, zeigt EXPLORE den Kunden auch, in welchen Nischenbereichen, Hinweisen oder Kontexten ihre Marke die Sichtbarkeit verbessern kann.

△EXPLORE, Bildquelle: Unternehmen

3. BOOST (Steigerung): Es hilft den Kunden, die Sichtbarkeit ihrer Marke in KI - Systemen zu verbessern, indem es Corpus - Engineering nutzt.

Die Corpus - Engineering - Technologie kann die Informationsmenge des Modells optimieren und das Gedächtnis und die Trainingsdaten des Modells aktiv beeinflussen, um zu helfen, dass die Marke genauer und zuverlässiger von dem Modell erkannt und aufgerufen wird und so die maximale Expositionsmöglichkeit für die Marke geschaffen wird.

△BOOST, Bildquelle: Unternehmen

Im September 2025 zeigte eine Studie von OpenAI über die Nutzung von ChatGPT, dass die Benutzer ChatGPT hauptsächlich nutzen, um nach etwas zu fragen oder um Rat zu suchen. 49 % der Anfragen waren "Fragen". Gleichzeitig nutzten etwa 70 % der Verbraucher ChatGPT nicht beruflich, sondern für alltägliche Entscheidungen, Entdeckungen und Anleitungen. Dies bedeutet, dass der Inhalt, den das Modell präsentiert, auf kommerzieller Ebene von großer Bedeutung ist.

Es gibt zwei Arten, wie ein Modell Informationen erhält: Die eine ist das interne Gedächtnis aus seinem Speicher, die andere basiert auf Suche und Gedächtnis. Das Gedächtnis eines Modells ist wie die Weltanschauung einer Person und hilft dem Modell, alles, was es sieht, zu interpretieren.

Das Funktionsprinzip von RAG in GEO ist grob wie folgt: Das Modell sucht im Internet nach einer großen Anzahl von Artikeln, lädt sie in den Speicher und fasst diese Inhalte zusammen, um die vom Benutzer benötigten Antworten zu extrahieren. Dieser Mechanismus kann die Lücken im internen Gedächtnis des Modells füllen, wenn es unvollständig oder unsicher ist.

Dennoch werden die Ergebnisse, die die KI zeigt und zitiert, auch bei Verwendung von RAG von der "Gedächtnisschicht" des Modells angetrieben. Daher ist das interne Gedächtnis des Modells der Hauptfaktor, der bestimmt, welche Marken es erkennt und empfiehlt.

Das Spezialgebiet von geoSurge liegt in der Gestaltung des Modellgedächtnisses. Es kann sicherstellen, dass die Markeninformationen tief in das Gedächtnis des Modells eingebettet sind, so dass das Modell auch ohne Echtzeit - Suche die Kundenmarken auf der Grundlage seines Gedächtnisses empfehlen kann.

Im Gegensatz zu anderen GEO - Anbietern, die hauptsächlich RAG - Lösungen verwenden, hat geoSurge einen differenzierten Ansatz gewählt. Es richtet seinen Blick auf das langfristige Gedächtnis des Modells, damit das Modell die Marke erkennt und merkt, anstatt nur die kurzfristige Platzierung zu optimieren. Genauer gesagt kann es Markenhelfern beim vorausgehenden Optimieren und Vorbereiten des Textkorpus helfen, damit die relevanten Informationen während des Modelltrainings oder der - iteration von großen Modellen effizienter gelernt, gespeichert und präzise aufgerufen werden können.

Verschiedene Modelle haben verschiedene Verhaltensmuster, Trainingsvorlieben und Anwendungsfälle. geoSurge kann auch auf der Grundlage der verschiedenen Modelle, der Ziele der Kunden und des Zielmarktes maßgeschneiderte Strategien entwickeln, um sicherzustellen, dass die Marke im gesamten KI - Ökosystem im Gedächtnis bleibt.

Beispielsweise hat geoSurge Zugang zu einer großen Menge an Telemetriedaten zur Überwachung, um sicherzustellen, dass die Daten, die mit der Kundenmarke verbunden sind, schließlich in den Trainingsdatensatz des Modells gelangen.

Nach der technischen Implementierung können die Kunden innerhalb weniger Wochen erste Ergebnisse sehen. Zu den spezifischen Indikatoren gehören die Erwähnungsrate der Marke in relevanten Stichworten, die Stabilität im Laufe der Zeit, die Genauigkeit des Kontexts sowie die Häufigkeit und Tiefe der Aktivitäten von KI - Crawlern. Aufgrund der Wahrscheinlichkeit von Generativsystemen, ethischer Richtlinien und anderen Faktoren kann geoSurge nicht garantieren, dass die Kundenplatzierung immer an erster Stelle liegt.

Was die konkreten Ergebnisse betrifft, hat geoSurge mit einem britischen Immobilienunternehmen zusammengearbeitet. Nach einem BOOST - Zyklus hat die Aktivität der KI - Crawler um das 5000 - fache zugenommen. In relevanten Stichworten war die Präsenz der Marke in allen Modellen stärker und konsistenter, und die Platzierung stieg von fast nicht erwähnt auf Platz zwei.

In den letzten fast zwölf Monaten hat geoSurge ein Team aus führenden Technologieexperten aufgebaut und eine Partnerschaft mit GPU - Anbietern eingegangen. Es arbeitet hauptsächlich mit wachstumsstarken Technologieunternehmen, Branchenführern und Unternehmen mit ausgebildeten Marketingteams zusammen. Es hat bereits stabile unternehmensweite kommerzielle Anwendungen realisiert und plant, diesen Jahr den asiatisch - pazifischen Markt zu expandieren.

Denken des Gründers

• GEO ist tausendmal schwieriger als SEO (Suchmaschinenoptimierung), und es gibt wesentliche Unterschiede zwischen den beiden.

SEO zielt darauf ab, Webseiten gemäß dem Google - Algorithmus zu bewerten. Zu den Einflussfaktoren gehören Backlinks, Stichwörter, veröffentlichte Artikel usw. SEO ist in gewissem Maße rückwärts engineerbar. Wir können durch Rückschluss auf den Algorithmus die Funktion von Backlinks und den Mechanismus von Stichwörtern verstehen. GEO hingegen ist eine komplexere Disziplin. Die zugrunde liegende Technologie von LLM basiert auf einem neuronalen Netzwerk mit Billionen von Parametern, das von der Branche als "Black Box" bezeichnet wird. Wir wissen, dass diese Modelle funktionieren, können aber die internen Gewichte nicht beobachten und die genauen Gründe für ihr Funktionieren nicht verstehen. Es erfordert, dass Sie verstehen, wie KI - Systeme trainiert werden, wie Daten gesammelt werden, warum sie so gesammelt werden, wie oft die Modelle aktualisiert werden usw.

• Das Ausmaß, in dem eine Marke von KI erkannt und zitiert wird, ist instabil.

In der GEO - Branche sind Marken dem Risiko ausgesetzt, "zu verschwinden". Die konkreten Gründe sind folgende: Das Gedächtnis von KI kann instabil sein. Manche Marken werden vielleicht in einer Woche von der KI erwähnt und in der nächsten Woche nicht mehr. Die Aktualisierung von Modellen kann die Assoziationen zwischen Begriffen ändern und damit das Zielpublikum der Empfehlungen beeinflussen. Darüber hinaus enthalten die Antworten von KI in der Regel nur wenige Optionen, was bedeutet, dass Marken, die nicht auf dieser Liste stehen, praktisch "verschwinden". Einige Marken "verschwinden" aus den KI - Antworten, was ein ernsthaftes geschäftliches Risiko für Unternehmen darstellen kann.

• Viele Lösungen auf dem GEO - Markt konzentrieren sich auf Messung und Überwachung. Sie geben oft ein Dashboard über die Position der Marken an oder optimieren kurzfristig über RAG.

Wir bieten GEO - Dienstleistungen hauptsächlich auf der Grundlage des Modellgedächtnisses (Memory) an, bieten aber auch Optimierungen auf dem Gebiet von RAG. Dennoch ist das interne Modellgedächtnis der Hauptfaktor, der die KI - Sichtbarkeit (das Ausmaß, in dem eine Marke von KI erkannt und zitiert wird) bestimmt.

• Damit eine Marke in KI - Systemen langfristig sichtbar bleibt, ist es wichtig, dass das Modell die Marke erkennt und merkt. Ein Modell kann es schwer haben, Marken zu empfehlen, die es während des Trainings nicht gesehen hat. Um die dauerhafte Sichtbarkeit der Kundenmarke sicherzustellen, müssen wir sicherstellen, dass das Modell während des Trainings bereits über Informationen über diese Marke verfügt.

Deshalb konzentrieren wir uns auf die Stärkung der Modellgedächtnisschicht. Wir wollen keine SEO ersetzen, sondern eine fehlende Gedächtnisschicht hinzufügen.

• SEO ist immer noch sehr wichtig, aber alleine reicht es nicht.

Derzeit befinden sich KI - Modelle noch in der Phase der ständigen Aktualisierung. Für Unternehmen, die die Markenexposition erhöhen möchten, ist es notwendig, beides zu tun. Während sie das Modellgedächtnis stärken, müssen sie auch die Wege der traditionellen Suchmaschinenoptimierung erkunden, um sicherzustellen, dass die von Modellen gesammelten Webseiteninformationen in das Modellgedächtnis gelangen und so beide Strategien, SEO und GEO, effektiv sind und Synergien erzeugen.

• Bei der KI - Suche können einige Unternehmen versuchen, in Nischenmärkten die Dominanz zu erlangen und sich von dort aus nach außen hin zu etablieren, um sich von der Masse abzuheben.

• Zu den wichtigsten Indikatoren für die Messung der GEO - Effektivität gehören nicht nur die echten Klick - Konversionen aus LLM, sondern auch die Anzahl der Abrufe durch KI - Crawler. Die Aktivitäten von Crawlern stehen in engem Zusammenhang mit der