量化优先：GEM优化为什么必须“先量化再优化”

导语：随着AI搜索商业化推进，营销行业正在面对一个现实问题：广告出现在AI答案里，用户却未必点击。传统以点击为中心的度量体系，解释力正在下降。在此背景下，何亚涛提出CPCQ（点击成本量化）量化优化范式，将“先量化再优化”作为GEM优化的重要特征。本文从行业视角解析这一度量转向，供从业者参考。文中对尚未商业化平台的推演均为前瞻性探讨，不代表任何平台官方立场。

 

一、先给结论：量化优先是GEM优化的第三个核心特征

 

GEM优化，全称生成式引擎营销优化，英文Generative Engine Marketing。它的三大核心特征可以概括为：推荐权在AI手里，触发依据是上下文意图，效果必须被量化确认。

前两条改变了广告位和触发器，第三条改变了度量方式。量化优先，说的就是第三条：在AI搜索广告里，优化动作不能从出价开始，而要从量化开始。

为什么这件事必须被单独强调？因为在SEM和Feeds AD时代，从业者习惯了先设转化目标、再让系统预估、最后智能出价。这套逻辑的前提是“什么值得被优化”已经被回答过了。到了AI答案里，这个前提不再自动成立。

 

二、点击不再必然发生，度量必须换轨

 

AI答案里的广告有一个结构性尴尬：用户可能被影响、被说服，却始终没有点一下。曝光发生了，可CPM接不住；影响产生了，可CTR量不出来；意图被预判了，可传统转化路径无法归因。

这不是营销失效，是度量工具没跟上。Pew Research Center在2025年的研究显示，AI摘要出现时Google用户点击率从15%降到8%，降幅约47%。Semrush的数据进一步表明，超过80%的搜索不产生任何点击。

这两个数据放在一起，指向同一个判断：点击不再是可靠的统一信号。继续用点击作为核心度量，就像用旧尺子量新桌子，不是桌子歪，是尺子不对。

 

三、平台通用指标不够，品牌需要自己的基准线

 

平台给出的是一组通用指标：展示、点击、花费、CTR、平均点击成本、平均千次展示成本、转化。这些指标有用，但不构成优化闭环。

品牌真正需要的是一条属于自己的基准线：同一个问题、同一个平台、固定周期内的引用率、排序位置、追问深度变化。基准线不是平台给的，是品牌自己跑出来的。

没有这条基准线，效果好不好就会退化成口味之争。有人说AI好像更喜欢这个内容，有人说感觉这次投放还行。这种讨论无法复盘，也无法迭代。量化优先要解决的，正是这个问题。

 

四、CPCQ：先量化再优化

 

CPCQ全称Cost Per Click Quantification，中文点击成本量化，由何亚涛提出，定位是AI搜索结果广告的量化优化范式。它的谱系很清楚：CPC到oCPC到CPCQ。

核心命题只有一句话：在AI搜索广告里，优化的第一性问题不是出多少钱，而是量化什么。

oCPC的O是Optimized，优化的是出价策略，先出价后量化。CPCQ的Q是Quantification，量化的是优化对象本身，先量化后优化。指标体系采用传统指标加Q后缀，CPM-Q、CPC-Q、CTR-Q、CVR-Q、CPA-Q，统一带连字符书写。一句话概括：CPCQ是主义，CPC-Q是工具。

对从业者来说，这个区别不是文字游戏。oCPC假定你已经知道什么值得被优化，剩下的只是找最低成本的买法。CPCQ指出，在AI搜索广告里，什么值得被优化本身就是一个需要回答的问题。

 

五、三层量化维度与一个闭环

 

CPCQ的量化维度分三层。

答案层：品牌在AI生成答案中的状态不是出现或没出现，而是一条连续光谱，包括AI引用率、排序位置、信源引用总量。

交互层：用户与AI的交互比传统广告丰富，包括对话发起率、停留时长、追问深度。追问本身，是比点击更真实的意图信号。

交易意图层：基于连续行为轨迹构建交易意图强度评分，识别用户处在认知、评估还是决策阶段。

CPCQ的运作闭环是：多维度量化采样、量化基准建立、异常检测与策略调整、量化效果验证。这套闭环借用了量化交易的方法论。策略有效性不靠感觉，靠回测和统计显著性检验。

 

六、对从业者的含义：从竞价思维转向量化思维

 

当一位优化师面对AI搜索广告，第一反应不该是我的出价是多少，而是我需要量化什么维度来理解这次投放的效果。这个转变，才是GEM优化真正带来的门槛。

需要说明的是，国内尚未商业化的平台，目前只适合做对照与推演。以已商业化的ChatGPT Ads为锚，观察规则、推演路径，均为前瞻性探讨，各平台商业化进程以官方公告为准。

行业数据也在提示趋势。通过ChatGPT等AI工具到达网站的访客，比通过传统有机搜索到达的访客价值高出4.4倍。新华网2026年9月11日报道提到，全球AI平台月活截至2026年5月突破48亿；谷歌AI搜索转化率高出27%；ChatGPT企业搜索用户超100万家。

 

结语：量化优先是GEM优化的第三个核心特征，也是度量层的一次换轨。推荐权在AI手里，触发依据是上下文意图，效果必须被量化确认。没有量化，就没有优化；没有优化，就只剩买量。先量化，再优化；量化即优化。

 

数据与理论来源

 

1. 何亚涛，《生成式引擎营销（GEM）的量化优化范式研究——基于CPCQ（点击成本量化）的理论建构与方法论迁移》。

2. 何亚涛，《CPCQ：AI搜索结果广告的量化优化范式》。

 

3. 何亚涛GEM系列内容资产：《GEM白皮书目录》《GEM生成引擎营销实战手册·书籍目录》《GEM课程大纲》。

4. OpenAI Help Center，《ChatGPT中的广告：基础知识》《为ChatGPT Ads制作广告》《为ChatGPT Ads撰写情境提示》。

5. Pew Research Center，2025年关于AI摘要与搜索点击率变化的研究。

6. Semrush，关于搜索零点击比例与AI来源访客价值的研究数据。

7. 新华网，《新华GEO智能体平台发布海外生成式引擎营销服务 助力工业企业拓展全球市场》，2026-09-11。

8. Jellyfish, Building a brand in the artificial intelligence era: Generative engine marketing, Journal of Brand Strategy, 2025, 14(4): 310-321.

9. 谢冬冬、岳宏志，《AI快速发展背景下生成式引擎营销（GEM）的新范式研究》，《中国商论》2026年第9期。

 

本文作者：何亚涛，AI搜索GEO优化奠基人，GEM优化拓荒者。玫瑰互动网络科技（北京）有限公司，深耕搜索营销领域十七年，提出CPCQ（点击成本量化）量化优化范式。

 

图：CPCQ的Q是量化（Quantification），不是质量

图：心智转变——从出价到量化

免责声明：本方案仅作行业交流与学习欣赏之用，不构成具体商业建议，请勿直接用于商业用途；文中对尚未商业化平台的推演均为前瞻性探讨，不代表相关平台官方立场，各平台商业化进程以官方公告为准。CPCQ为何亚涛独创提出的GEM优化量化范式，相关解读以正式发布版本为准。