随着AI工具日益普及，“被AI看见”“被AI推荐”成为许多品牌宣传的目标。一种新型营销模式正在走红，SEO（搜索引擎优化）影响力下降，GEO（生成式引擎优化）则愈发重要。

公募行业也不例外。中国证券报记者了解到，伴随着AI选基兴起，针对公募营销需求的GEO服务也在推广中，服务商通过向AI投喂语料、帮助基金公司优化宣传资料内容结构等方式，提升其品牌在AI大模型眼中的能见度。目前，已有头部基金公司试水这一业务，ETF这类同质化的产品成为AI营销的重点领域。

近日，AI大模型“投毒”乱象引发关注。业内人士提示，上述业务也需要加强风险防范，避免AI算法偏见与利益输送。

争夺大模型注意力

GEO，即针对生成式人工智能平台进行内容优化，旨在让AI向用户提供答案时优先引用或推荐特定公司的品牌信息。

这一概念正在公募行业走红。为了提升AI好感度，让AI更偏爱某些基金产品，针对基金包装的GEO需求应运而生，不少服务商推出系列优化业务。

例如，一家金融垂直领域的服务商，打出“让AI永远记住您的品牌”口号。据其官方介绍，可根据不同AI大模型推荐分析，制定优化策略，从结构清晰度、精准话术、专家验证、语境深度等几个维度优化内容以适应人工智能模型的处理需求，并能实时追踪基金公司品牌在AI推荐系统中的内容表现，根据AI推荐数据反馈，持续优化内容和策略。

据该服务商展示的对某头部公募客户的服务案例，经过优化后，该客户基金产品在主流AI问答引擎中的推荐率由8%提升至69%，且在同类型基金中的排名提升至第一位。另一家大型公募客户的基金产品经过优化后，在DeepSeek平台上的推荐率提升了3倍。

据一家大中型公募人士透露，目前头部公募机构AI投放业务仍处于探索阶段，尚没有形成规模化的产业链。“市场上有很多供应商专门提供业务，双方谈好合作后，服务商就会投喂语料给AI，短期内确实能看到一定效果。但投喂AI的时效性有限，一旦投喂停止，营销效果立马减弱。”他表示。

具体业务方面，ETF这类同质化的产品成为AI营销的重点领域。上述公募机构人士介绍，公募AI投放目前以指数基金为主，这类工具型产品相对稳妥。一个针对公募ETF产品打造的“AI榜单”显示，筛选某一赛道方向，就能看到自家产品在豆包、DeepSeek、元宝、Kimi、千问等主流国产AI平台的推荐情况。

报价方面，供应商通常按照“产品+平台+时间”组合计算。“初期费用很高，以万元为单位，但后来竞争‘卷’起来了，几百元到几千元都能投放。”他表示。

由于用这种方式“带货”的效果很难量化，业内对这类服务通常以AI平台“可见度”来衡量。正如上述GEO服务商所说，当用户在各主流AI大模型提出品牌相关问题时，确保特定公司的品牌信息成为用户获得答案中的“必选项”，是AI时代下企业的核心要务。

鉴别门槛较高

在业内人士看来，随着AI技术普及，“AI选基”越来越受欢迎，这极大改变了公募行业营销策略。

在晨星（中国）基金研究中心总监孙珩看来，AI选基逻辑正从传统多因子量化筛选转向大模型加动态因子融合，从静态指标匹配升级为实时数据驱动、语义理解与合规约束的智能决策。与此同时，行业营销也正从流量投放转向AI推荐“卡位”，通过结构化、高信源、强合规的内容建设抢占模型权重。

虽然AI技术带来了便捷，但是目的性投喂带来的“信息污染”某种程度上加剧了用户的辨别负担。“一些投资者的信息搜索习惯正从传统渠道不断向AI模型迁移，利用AI模型虽然能够快速了解某类产品，但AI模型搜集的数据基本来源于网络，数据存在真实性、滞后性、局限性等问题，再叠加模型的幻觉问题，其结果大概率存在一定误区，鉴别门槛较高。”天相投顾基金评价中心表示。

在严肃的投资领域，要兼顾AI选基的便利性与公正性，孙珩认为，关键在于模型可解释、数据可溯源、算法可审计、风险可隔离。例如，通过建立标准化、合规可披露的因子体系，杜绝黑箱决策，确保推荐逻辑透明可验证；同时，严控数据源质量与去重去噪，引入第三方评测与动态回测机制，在提升效率的同时守住客观中立底线，避免算法偏见与利益输送。

在盈米基金看来，规避信息污染需要技术手段和行业协作共同发力。技术层面，关键在于让AI具备“合规审查的能力”；行业协作层面，可以通过建立开放的生态，以便于随时调用权威数据源、接受合规约束，实现输出结果可追溯。

盈米基金介绍，公司已经在上述两方面进行实践探索。例如，“内容合规审查Skill”内置了100余条专业审查规则，依托审核案例库，系统能够精准识别违规表述内容进行预警或拦截。公司还通过且慢MCP（模型上下文协议），将专业的金融工具和数据接口向包括OpenClaw在内的各类AI智能体开放，提供资产诊断、基金数据查询、回测分析等功能。

各参与环节应进行规范

未来，如何加强全链条的风险防范，在享受技术便利的同时，保护投资者利益不受到侵害，各参与环节都需要加以规范。

孙珩建议，一是AI模型方应确保AI选基模型底层数据真实可溯源、算法逻辑透明可审计，杜绝算法偏见与利益输送；二是销售机构需建立严格的投资者适当性匹配校验机制，明确AI推荐仅为辅助工具并充分披露局限性；三是监管与第三方机构应强化算法备案、动态回测与合规审计，推动建立统一的AI金融服务标准与问责机制；四是投资者需提升金融素养，理性看待AI工具，避免过度依赖算法决策。

盈米基金高级副总裁、且慢业务负责人林杰才认为：“迎接AI时代，不仅要善于利用AI工具辅助工作，也要做好AI基础设施的建设和完善。比如，通过MCP搭建可信数据底座，根治幻觉；打通物理世界数字接口，连接虚实；制定AI专属安全、权限、法律规则，避免越界。在以上问题解决之前，可能需要暂时限定AI的应用场景，在享受技术红利的同时，将风险关在笼子里。”