GEO服务商在卖什么？不是visibility，是“市场团队在AI时代的焦虑解药”。年初我交流了四五家GEO服务商，回过头来看，这是我目前关于GEO这块业务最大的感受。 ------ 1/ 市场团队需要给老板汇报“我们在AI时代做了什么” 2/ GEO平台提供一个dashboard，让市场团队有东西可以汇报 3/ 这个dashboard是不是真的代表商业价值?不重要，因为老板自己也不太懂 这就是为什么2025-2026年GEO服务商能快速融资+快速签客户的原因。它们卖的不是结果，是焦虑解药。 ------ 不过从长期的角度，个人还是很认可和接受 “GEO”的概念的，即便很多行业里的观点是“GEO就是给SEO贴了个新的标签”，但是从成功定义上存在不同，且用户通过AI来获取产品/服务推荐的习惯在逐渐被养成，甚至未来常见的场景之一就是AI Agent直接替用户下单做决策。更进一步，GEO不是“让用户看到你”,而是“让Agent选择你”。 这是个完全不同的游戏。 年初在跟GEO服务商沟通的过程中，察觉到了B端对GEO的付费意愿确实强劲，比如： 1/ Profound在2026年2月完成$96M Series C，估值$10亿，Fortune 500中有10%是它的客户 2/ 国内某头部GEO服务商半年多积累了近百家客户 3/ Semrush这类的传统SEO巨头也在GEO领域快速追赶，在G2 Spring 2026报告中反超Profound,成为AEO category的#1# 但是也面临一个问题——相对于SEO，B端对GEO服务的续费率不高，要么就是试一下就不做了；要么是打好了基础后自己做。这背后的原因在我看来，很核心一点，在于GEO难以被量化。难以量化，就难以算出ROI；算不出ROI，B端就不会加大资源投入。 ------ 现在GEO平台衡量效果的主要方式，就是用prompt去query AI engine，然后统计品牌出现的频次。以Profound为例，核心的评估指标包括：出现频次的百分比、在品类中被提及的占比、在AI回答中的平均位置、情绪倾向、AI引用了哪些source。 但这些指标仍旧还比较抽象，前面提及的“难以被量化”，体现在： 1/ AI公司不提供“Search Console” — OpenAI/Anthropic不公开品牌被搜索/提及的频率 2/ 没有“AI Analytics” — B端不知道真正有多少用户在ChatGPT里看到了自己 3/ 归因模型还不成熟 — 行业还在debate怎么算“AI visibility的ROI”，比如，如何判断用户的购买行为是来源于AI推荐 4/ 数据波动 — AI模型每次迭代，都可能彻底改变品牌在回答中的position。Cloudflare的数据显示，各大AI engine的citation drift每月波动40-60%。这意味着一个客户付了$5K/月做GEO，如果第二个月visibility下降30%，可能不是因为他做错了什么，而是ChatGPT自己变了 5/ 测量本身有偏差 — 几乎所有GEO工具都用clean API state去query AI，但真实用户有conversation history、personalization、地理位置等，两者之间存在着差距 如果GEO的需求随着用户通过AI检索获取推荐的习惯被养成而增长，那么GEO效果如何被量化，或许会是个需要被解决的课题，当然这也存在很多要解决的问题，比如——AI公司并没有动力主动开放数据（类似Google Search Gonsole）、第三方测量基础设施并不成熟以及缺乏统一的GEO相关指标定义标准、缺乏类似Cookie的跨平台归因协议等（Google花了30年建了一整套infrastructur「GSC + GA4 + UTM标准 + Cookie + ads tracking」来让SEO可量化）。 但当ROI能算清楚的阶段，GEO或许才真正从“焦虑解药”升级为“营销基础设施”。

🆓 Google Analytics 的开源版本来了，自己托管一份，网站的流量数据全留在自己手里 GitHub 揽获 2.8 万 star，自托管之后不用再交分析服务的月费 给一个小博客装统计，本来是五分钟的事，实际是埋点、cookie 横幅、隐私条款一路配下来折腾一星期，最后数据还躺在别人服务器上。 Plausible 的社区版可以自己托管，通用数据落在你自己的 PostgreSQL，分析数据落在 ClickHouse，后端是 Elixir 和 Phoenix，前端是 React 加 Tailwind。数据在哪、留多久、谁能看，都是你说了算。 边界也说清楚：社区版不含营销漏斗、电商收入目标、单点登录和站点 API 这几项，那些留在订阅制的云服务里；社区版按长期支持模式一年发两次，许可是 AGPLv3 或更高版本，跟踪脚本单独用 MIT。 看自己网站的数据，本来就不该先把数据交出去。 GitHub：

美股小白的学习路径 / 用到的网站： · 日常行情：Yahoo Finance · 看盘与技术分析：TradingView · 基本面与估值：TIKR + Fiscal. ai · 美股筛选：Finviz · 宏观数据：FRED · 新闻：Bloomberg + X · 组合追踪：Sharesight 或 Snowball Analytics · 实际交易：Interactive Brokers · 学习基础：Investopedia · 深入估值：Damodaran 这么努力，最后只为了把口袋里的 10u 投到 QQQ

🔍 开源工具推荐：《Claude Code Templates》—— 100+ 即装即用的 Agent、命令、MCP、Hooks 配置，配套 Analytics 监控面板 如果你在从零搭建 Claude Code 工作流，这个模板库能省你几个小时 核心特性： 1. 100+ 模板覆盖 Agent 行为、自定义命令、MCP 服务器、Hooks 配置全链路 2. Analytics 监控面板，可视化 agent 调用链路与 token 消耗 3. 一键安装，交互式选择 4. 模块化设计，可按需组合，不强迫全量安装 5. 持续更新，跟随 Claude Code 版本迭代 目标人群：想快速落地 Claude Code 的工程团队、AI 工具链建设者、Claude API 重度用户 🔗 #ClaudeCode# #AIAgent# #AI工具# #AI编程# #AIEngineering#

纳斯达克100指数成分股调整 加入 $CRWV CoreWeave $NBIS Nebius Group $RKLB 火箭实验室（Rocket Lab） $TER 泰瑞达（Teradyne） $ALAB Astera Labs 移出 $CHTR 特许通讯（Charter Communications） $VRSK Verisk Analytics $ZS Zscaler $CTSH 高知特（Cognizant） $INSM Insmed

TRON 又放大招了！稳定币数据直接用「自然语言」就能查！ TRON 正式接入 Dune Analytics 的 Model Context Protocol（MCP），现在你可以用大白话直接问 AI 关于 TRON 上稳定币的一切数据，再也不用写一行 SQL 了！ 举个例子，你现在可以直接对 Claude / Cursor 说： “过去 24 小时 TRON 上 USDT 转账量多少？Top 钱包和主要流动通道是哪些？” “TRON DEX 交易量和净流入情况给我拉一下” “最近一周大户 USDT 流动趋势如何？” AI 秒回图表 + 数据，丝滑得像聊天一样！ 这到底有多牛？ TRON 本来就是稳定币之王，Q1 结算量接近 2 万亿美元，稳定币供应常年稳定在 850-860 亿美元（基本全是 USDT）。 现在把这海量数据彻底「AI 化」，普通用户、分析师、甚至合规团队都能零门槛玩转链上数据。 这不只是技术升级，更是把区块链数据从「程序员专属」变成了「人人可用」！ 简单来说，这一步把 TRON 从「稳定币结算高手」升级成了「稳定币数据智能平台」。 未来，当你想了解 TRON 上 USDT 到底在怎么流动的时候——不再是查表，而是直接问 AI！ @justinsuntron #TRONEcoStar#

周末快乐-转： 10个最应该被禁的GitHub仓库 1. yt-dlp 下载YouTube、X、TikTok、Instagram等平台的视频。YouTube Premium每月14美元，它免费。 仓库 → 2. Ollama 在笔记本上本地运行GPT-4级模型，没有API成本。有人每月花500美元用OpenAI，它离线免费。 仓库 → 3. Fooocus 用自己的GPU生成接近Midjourney质量的图像。Midjourney每月30美元，它无限免费生成。 仓库 → 4. Whisper OpenAI开源的转录模型，支持99种语言。Otter每月20美元做的事，它免费完成。 仓库 → 5. Plausible Analytics Google Analytics的开源隐私替代品。GA 360企业版每年15万美元，自托管免费。 仓库 → 6. AppFlowy 开源Notion。Notion每用户每月20美元，自托管无限用户免费。 仓库 → 7. Penpot Figma开源替代品。Figma每编辑每月45美元，自托管免费。 仓库 → 8. n8n 开源Zapier。Zapier Pro复杂自动化每月600美元，自托管无限自动化免费。 仓库 → 9. Calendly开源替代品。Calendly Teams每用户每月16美元，个人免费，团队开源。 仓库 → 10. Bitwarden 1Password开源替代品。很多密码管理器每用户每月8美元，它提供完整免费版且完全开源。 仓库 →

【優勢領先】報告稱中國人形機械人製造商在全球出貨量中的佔比逾97％ 根據行業數據顯示，2026年上半年，中國人形機械人製造商在全球出貨量中的佔比超過97％。據Smart Analytics Global數據，2026年上半年，全球人形機械人出貨量總計約19100台，是去年同期5100台的三倍多。

大多数人聊区块链，第一反应还是：性能、TPS、共识、生态。 @CNPYNetwork 但我越来越觉得，真正的问题不是“能不能发一条链”。 而是： 发完之后呢？ Explorer 要不要自己接？ Wallet 要不要重新适配？ Analytics 要不要从零搭？ 升级要不要等几个月？ 迁移要不要祈祷别出事？ 很多项目不是输在想法不够好，而是输在基础设施太重。 这也是为什么 @CNPYNetwork 让我觉得有意思。 它不是只告诉你“来这里发链”。 它更像是在说： 链可以快点启动。 安全可以从第一天就有。 工具不需要每次重建。 社区应用可以真的跑起来。 Builder 应该把时间花在产品本身，而不是重复搭一堆每条链都需要的东西。 Block Rocket 就是一个很好的例子。 社区成员做出来，发布在 Canopy 上，然后用户开始玩，排行榜开始卷，99.29x multiplier、162-game win streak、thousands of rounds played。 这才是我想看到的 onchain 应用状态。 不是 PPT 里的生态。 不是空喊的 future。 而是有人 build，有人 play，有数据，有反馈。 Canopy 的重点，在我看来不是“再造一条链”。 而是让更多人可以拥有自己的链、自己的经济系统、自己的社区入口。 AI 可以帮我们更快做出应用。 但问题是，谁拥有它？ Canopy 给出的答案很简单： AI creates apps. Canopy creates owners. 🌿 @CNPYNetwork