上个月我与一位金融科技公司的首席执行官通话，他刚发现他的公司丑闻正通过人工智能被曝光给每一个潜在客户。
不是记者。也不是竞争对手的广告活动。是ChatGPT。
当潜在投资者输入他的公司名称时，该模型总结了2019年的一宗诉讼、2021年一条不满的Glassdoor评论，以及一个关于破产的论坛讨论。这三条信息都已过时，其中两条已合法解决，但人工智能将它们呈现为“在与团队会面之前你应该知道的事情”。
他的自然排名很好。他的网站非常干净。他的公关团队多年前就把负面故事埋在了谷歌的第三页。所有这些都无关紧要。人工智能不关心页面排名。它关心的是它能提取什么。
这就是新的声誉战场。传统的搜索引擎优化在洪水中就像灭火器一样无用。
为什么你的防御已经过时
数据非常明显。现在大约30%的用户在研究公司时同时使用传统搜索和生成性人工智能。在研究B2B服务的用户中，大约三分之二从谷歌开始，但近30%直接使用ChatGPT、Gemini或Perplexity。
这里的关键区别是：传统搜索向你展示一系列链接，让你自己决定。人工智能搜索为你做出决定。它进行综合。它进行判断。如果负面信息存在于它的训练数据或实时检索范围内，它会将其纳入叙述中——通常没有上下文、没有时效性，也没有你上诉的能力。
传统的搜索引擎优化在这里无法拯救你。你可以拥有谷歌的第一页，但仍然会被一个从有毒的Reddit线程或五年前的诉讼文件中提取的信息的人工智能概述所暗杀。你不再是在争夺位置。你是在争夺黑箱内的叙事控制。
实际成本
这不是理论。一家大型快餐连锁店因污染问题而遭受了347亿日元的损失，导致声誉危机。一个化妆品制造商因“白斑”损害而损失超过50亿日元，该事件迅速传播。在人工智能时代，这些数字加速增长，因为负面故事不仅仅是排名——它被说出由一个可信的声音。
当一个人工智能告诉用户“这家公司面临监管审查”时，用户不会进行事实核查。他们只是不会购买。他们不会签字。他们不会出席会议。
水星防御框架
在水星，我们将此视为引用工程反向进行。就像我们为客户建立积极的算法权威一样，我们也构建防御性护城河，使负面信息在结构上更难被AI模型引用、综合和呈现为真相。
该框架分为三个阶段。没有一个阶段涉及希望问题自行消失。
第一阶段：实时监控（每周三合一）
你无法管理你看不见的东西。在AI时代，“看见”意味着检查那些在发言的机器。
我们每周在三个工具上运行一个协议：ChatGPT、Gemini和Perplexity。我们输入公司名称、服务名称和高风险关键词组合。我们不仅仅查看答案。我们还查看来源用于构建答案的人工智能。
困惑度在这里特别有价值，因为它展示了其工作过程——实际提取的 URL。如果一个负面网站作为来源出现，我们就能确切知道感染来自哪里。
我们对响应进行五级正向评分。如果出现负面响应，我们会在 24 小时内追踪其来源。每月检查太慢了。等你注意到时，人工智能已经告诉了一百个潜在客户。
第二阶段：源控制（构建你的算法免疫系统）
一旦你知道负面信号来自哪里，你就有两个任务：压制坏的，强化好的。
实体架构与结构化数据
人工智能模型信任它们可以在多个高权威来源中验证的信息。因此，我们构建了一座主要信息的堡垒，模型必须必须尊重。
这始于你自己的数字资产。你网站上的每个页面都应该有结构化数据标记——正确实施的Schema.org：组织类型、文章类型、常见问题类型。这不是“可有可无”的。它是你告诉人工智能的方式，“这就是我们是谁，这就是我们做什么，这些数据是权威的。”
我们还确保你的官方网站包含人工智能用来判断可信度的元素：全面的公司简介、管理背景、验证的成就、奖项、投资者关系信息，以及——至关重要的——新鲜内容。人工智能模型非常重视时效性。一个一年没有更新的网站在算法看来就像被遗弃了一样。
第三方锚定
人工智能并不单独信任你的网站。它想要共识。因此，我们战略性地增加在经过验证的高信任外部节点上的提及：专业媒体、学术引用、公共机构数据库、维基百科（在适当和准确的情况下）以及行业目录。
目标是让人工智能的检索系统接触到如此多的积极、一致、高权威来源，以至于负面来源在统计上被淹没。
自有媒体与主要数据
我们发布专有研究、案例研究和专家分析，竞争对手无法复制。AI模型优先考虑包含定量信息的内容——统计数据、实施结果、调查数据。通过不断发布新鲜、数据丰富的原始内容，我们占据了AI更倾向于引用的信息层。
第三阶段：反向引用工程（外科切除）
有时候，仅仅压制是不够的。需要切断来源。
反向SEO
对于在传统搜索中排名的负面内容，我们采用反向SEO——不是黑帽操控，而是积极部署正面内容，推动负面结果从首页下移。我们的目标是占据首页10个位置中的8个，展示正面或中立的信息。负面文章不需要消失；它只需要对不翻到第三页的人来说变得不可见。
反向AIO
这是一个关键的区别。反向SEO针对的是谷歌排名。反向AIO则针对AI的合成引擎。
我们识别出AI在生成负面回应时所引用的具体来源。有时是诽谤文章，有时是论坛帖子，有时是误解的新闻报道。然后，我们使用法律删除请求（当权利侵权明显时）、内容替换和来源优先级降级，使这些来源对模型的检索系统变得不那么吸引。
这比反向SEO更难，因为你不是在争夺页面上的位置。你是在争取被排除在统计模型的参考集之外。但这是在AI时代唯一有效的防御。
建议污染控制
AI模型还会参考搜索引擎的自动补全建议。如果输入你的公司名称触发了“公司名称 + 丑闻”或“公司名称 + 诉讼”，那么这个信号会影响AI对你品牌的理解。
我们通过战略性地增加积极关键词组合的搜索量来反击——“公司名称 + 奖项”、“公司名称 + 创新”、“公司名称 + 案例研究”。随着时间的推移，这会改变自动补全的格局和AI相关的语义领域。
实际上重要的五个关键绩效指标
如果您在内部运行此项工作或评估供应商，请每月跟踪这五个指标：
表格
关键绩效指标
我们如何衡量
目标
人工智能正面评分
在 ChatGPT、Gemini、Perplexity 上进行 5 级评估
4.0 以上
正面关键词搜索量
谷歌搜索控制台 / 趋势数据
年同比增长150%以上
负面建议率
每月手动检查自动补全
零负面触发
首页积极性
谷歌前10名结果中正面/中性比例
80%+
AI提及速度
每周积极AI引用的数量
月环比增长
如果你的供应商只在跟踪传统排名，他们是在打上一场战争。
组织现实
这不是一次性的修复。这是一个永久的运营功能。
在内部，这需要公关（媒体关系）、市场营销（内容和数据）以及法律（删除请求和合规）之间的协调。每周站会。共享仪表板。快速决策。
如果你缺乏内部带宽，这就是外部专业化的重要性。但要小心你雇佣的人。市场上充斥着销售“人工智能声誉管理”的机构，这不过是旧的SEO换了个新标签。
在Mercury，我们不做传统的SEO。我们做引用工程—包括进攻性（建立你的算法权威）和防御性（保护它免受污染）。我们每周进行三重检查。我们构建实体架构。我们执行反向引用协议。我们将一切与上述五个KPI进行衡量。
不作为与行动的成本
反向SEO和AIO措施的范围因严重程度而异——从基本的建议优化到全面的法律支持内容压制。但不采取行动的成本是信任的缓慢流失，这在你的流量报告中不会显现，直到管道已经干涸。
如果负面信息被你的潜在客户在每个重大决策前咨询的AI模型合成，你将失去你从未意识到的交易。
第一步
如果你最近还没有查看人工智能对你的评价，现在就去做吧。打开 ChatGPT、Gemini 和 Perplexity。输入你的公司名称。阅读回复。检查来源。
如果你对看到的内容不满意，那么开始建立你的防御的最佳时机是昨天。第二好的时机是今天。
— 詹姆斯，水星科技解决方案了解更多信息请访问www.mtsoln.com香港，2026年5月
