隨著AI工具日益普及，公募“被AI看見”“被AI推薦”成為許多品牌宣傳的機(jī)構(gòu)目標(biāo)。一種新型營銷模式正在走紅，爭奪SEO（搜索引擎優(yōu)化）影響力下降，好感GEO（生成式引擎優(yōu)化）則愈發(fā)重要。度業(yè)

　　公募行業(yè)也不例外。內(nèi)提中國證券報(bào)記者了解到，示謹(jǐn)伴隨著AI選基興起，防信針對公募營銷需求的息污GEO服務(wù)也在推廣中，服務(wù)商通過向AI投喂語料、公募幫助基金公司優(yōu)化宣傳資料內(nèi)容結(jié)構(gòu)等方式，機(jī)構(gòu)提升其品牌在AI大模型眼中的爭奪能見度。目前，好感已有頭部基金公司試水這一業(yè)務(wù)，度業(yè)ETF這類同質(zhì)化的內(nèi)提產(chǎn)品成為AI營銷的重點(diǎn)領(lǐng)域。

　　近日，AI大模型“投毒”亂象引發(fā)關(guān)注。業(yè)內(nèi)人士提示，上述業(yè)務(wù)也需要加強(qiáng)風(fēng)險(xiǎn)防范，避免AI算法偏見與利益輸送。

　　● 本報(bào)記者 王鶴靜 張舒琳

　　爭奪大模型注意力

　　GEO，即針對生成式人工智能平臺進(jìn)行內(nèi)容優(yōu)化，旨在讓AI向用戶提供答案時(shí)優(yōu)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(yè)走紅。為了提升AI好感度，讓AI更偏愛某些基金產(chǎn)品，針對基金包裝的GEO需求應(yīng)運(yùn)而生，不少服務(wù)商推出系列優(yōu)化業(yè)務(wù)。

　　例如，一家金融垂直領(lǐng)域的服務(wù)商，打出“讓AI永遠(yuǎn)記住您的品牌”口號。據(jù)其官方介紹，可根據(jù)不同AI大模型推薦分析，制定優(yōu)化策略，從結(jié)構(gòu)清晰度、精準(zhǔn)話術(shù)、專家驗(yàn)證、語境深度等幾個維度優(yōu)化內(nèi)容以適應(yīng)人工智能模型的處理需求，并能實(shí)時(shí)追蹤基金公司品牌在AI推薦系統(tǒng)中的內(nèi)容表現(xiàn)，根據(jù)AI推薦數(shù)據(jù)反饋，持續(xù)優(yōu)化內(nèi)容和策略。

　　據(jù)該服務(wù)商展示的對某頭部公募客戶的服務(wù)案例，經(jīng)過優(yōu)化后，該客戶基金產(chǎn)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(chǎn)品經(jīng)過優(yōu)化后，在DeepSeek平臺上的推薦率提升了3倍。

　　據(jù)一家大中型公募人士透露，目前頭部公募機(jī)構(gòu)AI投放業(yè)務(wù)仍處于探索階段，尚沒有形成規(guī)模化的產(chǎn)業(yè)鏈。“市場上有很多供應(yīng)商專門提供業(yè)務(wù)，雙方談好合作后，服務(wù)商就會投喂語料給AI，短期內(nèi)確實(shí)能看到一定效果。但投喂AI的時(shí)效性有限，一旦投喂停止，營銷效果立馬減弱。”他表示。

　　具體業(yè)務(wù)方面，ETF這類同質(zhì)化的產(chǎn)品成為AI營銷的重點(diǎn)領(lǐng)域。上述公募機(jī)構(gòu)人士介紹，公募AI投放目前以指數(shù)基金為主，這類工具型產(chǎn)品相對穩(wěn)妥。一個針對公募ETF產(chǎn)品打造的“AI榜單”顯示，篩選某一賽道方向，就能看到自家產(chǎn)品在豆包、DeepSeek、元寶、Kimi、千問等主流國產(chǎn)AI平臺的推薦情況。

　　報(bào)價(jià)方面，供應(yīng)商通常按照“產(chǎn)品+平臺+時(shí)間”組合計(jì)算。“初期費(fèi)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(yè)內(nèi)對這類服務(wù)通常以AI平臺“可見度”來衡量。正如上述GEO服務(wù)商所說，當(dāng)用戶在各主流AI大模型提出品牌相關(guān)問題時(shí)，確保特定公司的品牌信息成為用戶獲得答案中的“必選項(xiàng)”，是AI時(shí)代下企業(yè)的核心要務(wù)。

　　鑒別門檻較高

　　在業(yè)內(nèi)人士看來，隨著AI技術(shù)普及，“AI選基”越來越受歡迎，這極大改變了公募行業(yè)營銷策略。

　　在晨星（中國）基金研究中心總監(jiān)孫珩看來，AI選基邏輯正從傳統(tǒng)多因子量化篩選轉(zhuǎn)向大模型加動態(tài)因子融合，從靜態(tài)指標(biāo)匹配升級為實(shí)時(shí)數(shù)據(jù)驅(qū)動、語義理解與合規(guī)約束的智能決策。與此同時(shí)，行業(yè)營銷也正從流量投放轉(zhuǎn)向AI推薦“卡位”，通過結(jié)構(gòu)化、高信源、強(qiáng)合規(guī)的內(nèi)容建設(shè)搶占模型權(quán)重。

　　雖然AI技術(shù)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(fù)擔(dān)。“一些投資者的信息搜索習(xí)慣正從傳統(tǒng)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(chǎn)品，但AI模型搜集的數(shù)據(jù)基本來源于網(wǎng)絡(luò)，數(shù)據(jù)存在真實(shí)性、滯后性、局限性等問題，再疊加模型的幻覺問題，其結(jié)果大概率存在一定誤區(qū)，鑒別門檻較高。”天相投顧基金評價(jià)中心表示。

　　在嚴(yán)肅的投資領(lǐng)域，要兼顧AI選基的便利性與公正性，孫珩認(rèn)為，關(guān)鍵在于模型可解釋、數(shù)據(jù)可溯源、算法可審計(jì)、風(fēng)險(xiǎn)可隔離。例如，通過建立標(biāo)準(zhǔn)化、合規(guī)可披露的因子體系，杜絕黑箱決策，確保推薦邏輯透明可驗(yàn)證；同時(shí)，嚴(yán)控?cái)?shù)據(jù)源質(zhì)量與去重去噪，引入第三方評測與動態(tài)回測機(jī)制，在提升效率的同時(shí)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(guī)避信息污染需要技術(shù)手段和行業(yè)協(xié)作共同發(fā)力。技術(shù)層面，關(guān)鍵在于讓AI具備“合規(guī)審查的能力”；行業(yè)協(xié)作層面，可以通過建立開放的生態(tài)，以便于隨時(shí)調(diào)用權(quán)威數(shù)據(jù)源、接受合規(guī)約束，實(shí)現(xiàn)輸出結(jié)果可追溯。

　　盈米基金介紹，公司已經(jīng)在上述兩方面進(jìn)行實(shí)踐探索。例如，“內(nèi)容合規(guī)審查Skill”內(nèi)置了100余條專業(yè)審查規(guī)則，依托審核案例庫，系統(tǒng)能夠精準(zhǔn)識別違規(guī)表述內(nèi)容進(jìn)行預(yù)警或攔截。公司還通過且慢MCP（模型上下文協(xié)議），將專業(yè)的金融工具和數(shù)據(jù)接口向包括OpenClaw在內(nèi)的各類AI智能體開放，提供資產(chǎn)診斷、基金數(shù)據(jù)查詢、回測分析等功能。

　　各參與環(huán)節(jié)應(yīng)進(jìn)行規(guī)范

　　未來，如何加強(qiáng)全鏈條的風(fēng)險(xiǎn)防范，在享受技術(shù)便利的同時(shí)，保護(hù)投資者利益不受到侵害，各參與環(huán)節(jié)都需要加以規(guī)范。

　　孫珩建議，一是AI模型方應(yīng)確保AI選基模型底層數(shù)據(jù)真實(shí)可溯源、算法邏輯透明可審計(jì)，杜絕算法偏見與利益輸送；二是銷售機(jī)構(gòu)需建立嚴(yán)格的投資者適當(dāng)性匹配校驗(yàn)機(jī)制，明確AI推薦僅為輔助工具并充分披露局限性；三是監(jiān)管與第三方機(jī)構(gòu)應(yīng)強(qiáng)化算法備案、動態(tài)回測與合規(guī)審計(jì)，推動建立統(tǒng)一的AI金融服務(wù)標(biāo)準(zhǔn)與問責(zé)機(jī)制；四是投資者需提升金融素養(yǎng)，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(yè)務(wù)負(fù)責(zé)人林杰才認(rèn)為：“迎接AI時(shí)代，不僅要善于利用AI工具輔助工作，也要做好AI基礎(chǔ)設(shè)施的建設(shè)和完善。比如，通過MCP搭建可信數(shù)據(jù)底座，根治幻覺；打通物理世界數(shù)字接口，連接虛實(shí)；制定AI專屬安全、權(quán)限、法律規(guī)則，避免越界。在以上問題解決之前，可能需要暫時(shí)限定AI的應(yīng)用場景，在享受技術(shù)紅利的同時(shí)，將風(fēng)險(xiǎn)關(guān)在籠子里。”