GEO 自建還是外包?企業內部做 vs 找顧問的決策框架與成本比較

一家 B2B SaaS 的行銷長去年底做了個決定:把 GEO 收回來自己做。理由很合理,她不想每個月付顧問六位數,卻連自己被 ChatGPT 引用了幾次都要等對方報表。半年後我去看,他們的確養出了一個人,寫了四十幾篇內容,但在 Perplexity 上搜品牌類問題,引用來源還是競品。不是那個人不努力。是他一個人要同時扛內容、結構化資料、監測工具、還有說服工程團隊改網站——這是四個職能,壓在一個 headcount 上。

GEO(生成式引擎優化,讓品牌在 AI 回答中被引用)到底該自建還是外包,是我們今年被問最多的問題之一。答案不是「看情況」這種廢話,而是有一條相當清楚的分水嶺。我把我們踩過、看過的東西整理成一個判斷框架。

GEO 自建 vs 外包:先看它其實是三件事

大多數人把 GEO 想成「寫一種新的 SEO 內容」,於是覺得內部團隊順手就能做。這是第一個誤判。GEO 實際上綁著三塊能力:一是內容與敘事,要寫出 LLM 願意當作權威來源引用的段落;二是技術實作,結構化資料(Schema)、llms.txt、內容可被爬取與 Markdown 協商、實體一致性;三是監測與歸因,你得知道 ChatGPT、Perplexity、Google AI Overviews 到底有沒有提到你、提到時說了什麼。

自建的隱形成本,幾乎都出在第二和第三塊。內容誰都能開始寫,但「讓 AI 引用」跟「讓人讀完」是兩套遊戲規則,而驗證這件事需要工具和工程配合。你養一個內容編輯很容易,你要他同時懂 JSON-LD、會讀網站日誌、還能跟 RD 排上開發時程,這種人一個月開價通常不便宜,而且市場上很稀缺。

真實的成本結構,兩邊都攤開講

先講數字,再講判斷。以下是我們實際看到的區間(台灣市場、中型企業口徑),不是行銷話術:

看這張表,很多人第一反應是「自建比較貴還比較慢,那外包就好了」。慢著,這不是全部。自建真正的價值在最後兩列:知識沉澱和長期單位成本。如果你一年只發二十篇內容,自建那三個人的攤提成本高得離譜;但如果你是內容工廠,一年上百篇、GEO 是你獲客命脈,那顧問費用是按量線性成長的,養團隊反而規模化。

那條分水嶺:用三個問題自我判斷

我給決策者的框架很簡單,問自己三題。

第一,GEO 是不是你的核心獲客渠道?如果 AI 引用帶來的流量,未來兩年會佔你新客來源的兩成以上,這是戰略資產,值得自建。如果只是「別人都在做我也試試」,外包。

第二,你的工程團隊有沒有餘裕?GEO 有一半是技術活。如果你的 RD 連現有 backlog 都排不完,你把 GEO 塞進去,它永遠是最低優先級,自建注定卡死。這種情況下,一個能自己動手改網站、不占用你 RD 的外部團隊,反而跑得快。

第三,你等得起前六個月的試錯嗎?自建初期一定會走冤枉路——選錯監測工具、寫錯內容格式、Schema 埋錯。這些學費外包團隊已經替別的客戶付過了。時間敏感的話,外包買的是別人的教訓。

我們常推的第三條路

實務上最務實的答案,很少是純自建或純外包。我們給客戶最常見的做法是「外包啟動、內建接手」:前三到六個月由外部團隊把方法、工具、監測儀表板全部架起來並跑出第一批被引用的成績,同時刻意培訓客戶內部一到兩個人,約定好知識移交的節點。等體系穩定、ROI 驗證過了,再決定要不要整批收回內部。

這條路避開了自建最痛的前半年試錯,也避開了純外包永遠看不到自家後台的依賴風險。關鍵在合約裡就要寫明移交,不然三年後你還是什麼都不會。

Tenten 做 GEO(我們叫它 FDM,前線部署行銷)時就是這個邏輯:工程師和內容的人一起進場,先把你的品牌在 AI 回答裡真的被引用出來,再把方法留在你的團隊裡。我們的信念沒變過——Demo 上被 AI 提到一次不算數,你自己的人能持續做、指標能長期成長,才算真的上線了。