接着聊新闻媒体。我是林语，在会懂网络做内容增长，和不少媒体老师打过交道。这两年他们最焦虑的问题高度一致：”年轻人不看门户了，直接问 ChatGPT，我们的稿子还有人看吗？”答案不是悲观的”没人看”，是得换一种被看见的方式。新闻媒体的 GEO，和电商、和企业站都不同，它有自己的脾气。
先讲清媒体为什么非做 GEO 不可。传统逻辑是：记者写稿、编辑签发、读者来门户或搜引擎找。现在用户把”找信息”这件事交给 AI，AI 给一段综合答案，引用了 A 媒体没引用 B 媒体，读者压根不会点进 B。对媒体来说，被引用等于影响力，不被引用等于在这代读者面前失声。会懂网络跟几家都市报聊下来，他们的共识是：GEO 不是锦上添花，是生存线。
新闻机构有个天然优势：权威性。ChatGPT 挑引用极度看重可信度，正规媒体的署名稿、带出处的数据，比自媒体软文吃香得多。会懂网络给媒体的建议第一条就是：把”我是谁、我为什么可信”写足。文末挂媒体全称、记者真名、稿件来源和日期，这些在 AI 眼里是信任锚点。匿名搬运号在 AI 答案里天然低一档，这条媒体反倒该偷着乐——你们的护城河就在这。
但权威不等于能被引。很多媒体稿子长、结构散、核心事实埋在第八段，AI 扫一眼抓不到答案就走了。会懂网络的改稿法则对媒体尤其重要：导语直接给结论和关键事实，别玩”悬念式开头”。新闻本来讲究倒金字塔，这恰好和 GEO 的”答案胶囊”合拍——把最重要的事实放最前，机器和人都能三秒拿走。我们帮一家财经媒体改导语模板后，同类时效问题被引率肉眼可见地上来了。
时效是媒体的命门，也是 GEO 的命门。前面说过，被引页面里七成以上在检索前 30 天内更新过。媒体天天发新稿，这本是优势，但很多媒体把老稿扔在那不管，过期表述也不标。会懂网络建议：重大选题做”常青跟进页”，比如某个政策出了持续更新，而不是发完即弃。AI 对”截至 2026 年 9 月”的页面偏置极强，一篇三年前的旧闻哪怕写得好，也容易被当成过期丢掉。媒体有更新能力，得用起来。
结构化数据对媒体特别关键。Article、NewsArticle 的 Schema，把标题、作者、发布时间、正文标清楚，ChatGPT 经 Bing 索引时解析偏好明显。会懂网络给媒体客户的硬性要求：每篇稿子发布时自动注入 NewsArticle Schema，作者、日期、机构一个不落。很多媒体 CMS 早年没这套，我们帮接了自动注入，发出即带结构，省得编辑记。这一步技术债，媒体值得优先还。
原创数据和独家信源是媒体的王牌。AI 偏爱带出处、可验证的事实。一家媒体做了份行业调研，把核心数字用清晰段落摆出来，比十篇评论员文章都被引。会懂网络劝媒体别光发观点，多做”有数据的原创”——调查报道、榜单、统计，这些硬货在 AI 答案里是香饽饽。观点人人能写，独家数字只有你有，后者才是被反复引用的资产。
还有个媒体特有误区：过度依赖聚合平台。很多媒体稿子首发在自家门户，但读者和 AI 都从聚合、从微信、从头条抓。如果门户本身没做好技术放行（前面技术篇那套 robots、sitemap、llms.txt），AI 抓不到你自家版，只能从别处二手抓，署名和出处就乱了。会懂网络反复强调：媒体自己的主站技术地基必须合格，否则你辛苦采编的内容，在 AI 那儿成了”无名氏”。OAI-SearchBot 放行、首屏出 HTML、sitemap 交 Bing，这三件媒体一个不能少。
标题怎么写？媒体爱用”惊！””重磅！”这类情绪词，AI 不买账，读者也疲劳。会懂网络给媒体的标题建议：把用户真会搜的那句事实写进标题或导语。比如别写”某车企又有大动作”，写”比亚迪 8 月海外销量同比增 42%（来源：公司公告）”。后者既能被搜索匹配，又给 AI 一个干净事实块。情绪词不是不能用，是别让它盖过事实。
多媒体别硬凑。新闻图、图表、信息图，只要信息量够，AI 也爱整块引用。会懂网络建议媒体把关键数据做成可独立传播的图表，配简短说明，别只塞进长文里。一张”一目了然的对比图”加三行注解，常比两千字论述更易被 AI 捞去当答案。这对媒体的视觉团队是个新活——图也得为机器可读而设计。
内链集群媒体最该做。围绕一个大事做”主页 + 多篇支撑稿”互相链，AI 遇到相关查询时你的域名在多个页面同时成候选，比单篇孤军强。会懂网络帮一家媒体把”某政策”做成专题集群，主稿讲全貌、分稿讲各人群影响，互相内链，结果同类查询里该媒体整体出现率明显高过只发单篇时。集群效应在 AI 这儿比单篇更易被当种子信源。
度量上，媒体除了看被引，还得看”叙事定位”。AI 把你讲成”官方信源”还是”某方立场”，差别巨大。会懂网络给媒体加的叙事画像栏，定期抽样 AI 对自身报道的描述，发现被定位偏了就反向补稿纠偏。比如某媒体总被当成”只报负面”，就多发建设性报道把印象掰回来。媒体在乎公信力，这条比电商在乎转化更敏感。
说个真实的难处。有媒体老师问：”我们稿子被 AI 抓去当答案，读者不点原文，流量不就跑了？”这顾虑成立，但会懂网络的判断是：与其被时代抛下，不如先占住 AI 答案里的位置，再用文末引导把人引回深度阅读。AI 给的是摘要，真要搞懂还得点原文。媒体该做的是把”摘要钩子”写好、把”深度在后”接住，而不是躲着 AI。躲的结果就是彻底失声，比流量稀释更可怕。
版权这把剑媒体得握紧。稿子被 AI 引用是曝光，被拿去训练是另一回事。前面技术篇说过，OAI-SearchBot（搜索展现）和 GPTBot（训练）相互独立，媒体可以放行前者、封住后者，既保曝光又护版权。会懂网络给媒体的默认方案就是这招——搜索全开、训练按意愿定。很多媒体还没分清这两扇门，一刀切全封，结果搜索曝光也没了，得不偿失。
落到执行，给媒体一份清单：导语倒金字塔给结论；每篇注真名真机构真日期；发稿自动注入 NewsArticle Schema；原创数据多做；主站 robots/sitemap/llms.txt 合格；标题写事实别写情绪；图表独立可传播；大事做内链集群；搜索放行训练自定；定期看叙事定位。十条里漏三条以上先补。会懂网络和媒体合作下来，凡是把这十条做实的，在 ChatGPT 答案里的”存在感”都稳了。
解释性报道在 AI 这儿有隐藏优势。硬新闻有时效天花板，过季就被丢；解释性报道讲”为什么”，生命周期长，常被 AI 当背景信源反复引。会懂网络劝媒体别只冲时效，留两成产能做”可常青的解释稿”——比如某政策出台后，不只发消息，发一篇”三条逻辑讲清它影响谁”。后者在 AI 答案里活得更久，也更易成种子信源。媒体最值钱的不是快，是让人搞懂，这点 AI 恰恰需要。
评论员文章和硬新闻被引逻辑不同。观点文 AI 谨慎引用，怕站队；带数据、带出处的调查稿它爱。所以媒体做 GEO，得把”观点”和”事实”分开标。会懂网络给媒体的写作规范：评论归评论、数据归数据，数据段独立成块、带来源。混着写，AI 要么整段不要，要么把你的观点当事实搬，两头不讨好。清晰分隔，既是职业操守，也是被引纪律。
媒体之间也该互链成网。一家媒体孤军，不如几家围绕大事做链接集群。会懂网络帮一个行业媒体联盟搭过”专题互链”，主稿讲全貌、成员稿讲各自角度，互相链。结果同类查询里整个联盟的出现率高于任何单家。AI 认的是”内容区”不是”单篇”，媒体别把同行当纯对手，该链就链，共识厚度是集体的。
邮件订阅和 newsletter 是媒体的隐形资产。AI 引用偏好稳定、常更、可验证的信源，而 newsletter archives 往往就是这种。会懂网络劝媒体把历史 newsletter 做成可检索归档页，而不是发完进邮箱就沉。一家财经媒体把两年 newsletter 归档成”观点库”，后来文心答”某趋势怎么看”开始引这些沉淀稿，比单篇突发稿寿命长得多。内容资产不怕老，怕的是沉得找不着，AI 也一样。
最后一句给媒体同行：AI 不是抢读者，是换了入口。读者的好奇心还在，只是提问的口子从搜索框挪到了对话框。媒体要做的，是让自己写的事实，能在这个新口子里被 AI 信、被 AI 引。林语在会懂网络陪几家媒体趟过这趟水，体会是——采编的功底没贬值，只是得套一层”机器可读”的外衣。下一篇聊工具，怎么用监测工具把这些都量出来。
暂无评论内容