生活分享
GEO、AEO、AIO 與 SEO 名詞總索引:四個縮寫差在哪
SEO、GEO、AEO、AIO 常被混著用,但它們想換到的東西不同,定義的共識程度也不同。這份索引用一張比較表把四個縮寫分開,連到各篇專文,並逐條列出目前沒有共識的五個地方,包括 GEO 與 AEO 是不是同一件事,以及 llms.txt 有沒有引擎真的在讀。
更新日期: 閱讀時間約 7 分鐘

SEO、GEO、AEO、AIO 常常出現在同一篇文章裡,好像是同一件事的四種說法。它們不是。這四個縮寫想換到的東西不一樣,定義的共識程度也不一樣:有的寫在搜尋引擎自己的文件裡幾十年,有的出自一篇2023 年的論文,有的根本是三個不相干的東西共用一個縮寫。這份索引先用一張表把它們分開,再連到各篇專文。
查證截止日是2026 年 9 月 14 日,面向的是台灣的一般網站經營者與內容工作者。收錄範圍是這次查證過、而且找得到一手來源的名詞。這個領域的用語還在增加,所以這是一份有日期與範圍的導讀,不是一本宣稱收齊了的字典。
這個系列和市面上多數同題材文章的差別,在於每一句主張都標明它是哪一級:搜尋引擎自己的文件說明的機制、業界普遍做法但官方沒有說明、還是廠商或代理商的行銷主張。第三級一律寫出是誰說的。這個題目的中文搜尋結果幾乎全是行銷內容,彼此定義互相矛盾,分不清級別就無從判斷一份提案值不值得照做。
本系列沒有做過任何成效實測,因此不承諾排名、索引、被引用或流量的結果。看到任何一篇文章給你百分比,先問那個數字是在什麼設定下量到的。
先看這張表:四個縮寫各自在講什麼
| 比較項目 | SEO | GEO | AEO | AIO |
|---|---|---|---|---|
| 中文常見譯法 | 搜尋引擎最佳化 | 生成引擎最佳化 | 答案引擎最佳化 | 沒有穩定譯法 |
| 想換到什麼 | 在搜尋結果裡被找到 | 被生成的答案引用 | 成為那一個答案 | 要看對方指的是哪一個 |
| 這個詞從哪裡來 | 業界長期用語 | 2023 年的一篇論文 | 業界用語,早於生成式 AI | 縮寫碰撞,三個所指同時在用 |
| 有沒有共同定義 | 有,官方文件寫得很細 | 論文有;業界沿用名字沒沿用指標 | 沒有,混用與區分兩派並存 | 沒有,得先問對方指哪一個 |
| Google 官方文件 | 整套機制都有文件 | 文件裡有提到這個詞 | 文件裡有提到這個詞 | 查證的文件裡沒有這個縮寫 |
| 從外面量得到嗎 | 可以,有官方報表 | 部分:回答附來源時看得到 | 部分:曝光與點擊是兩個數字 | 看它指的是哪一個 |
這張表最該記住的一列是「有沒有共同定義」。SEO 之外的三個縮寫都處在定義還沒收斂的階段,所以同一個詞在兩份提案裡可能指兩件不同的事。遇到爭論時,先確認雙方用的是不是同一個定義,往往比爭論誰對誰錯有用。
閱讀完整文字說明
四欄並排比較 SEO、GEO、AEO、AIO。每一欄依序列出中文譯法、這個詞想換到什麼、詞從哪裡來、有沒有共同定義、從網站外面量不量得到。SEO 是唯一四項都有明確答案的;GEO 出自 2023 年的一篇論文,業界沿用名字卻沒沿用指標;AEO 有混用與區分兩派並存;AIO 是三個所指共用一個縮寫,得先問對方指哪一個。底部提醒:先問對方用的是哪一個定義,再看他的數字是在什麼設定下量到的。
從你想解決的問題開始
不必按順序全部讀完。先找到你現在遇到的情況,從那一篇進去,再沿文章裡的連結補齊相鄰的概念。
- 有人提案要幫你做「GEO」或「AI 最佳化」,你想判斷值不值得做:先讀 GEO 與 AIO 這兩篇,它們教你怎麼問對方用的是哪一個定義。
- 想知道 AI 時代還要不要做傳統那一套:先讀 SEO,它把可被抓取、已被索引、出現在結果裡拆成不同的狀態。
- 看到「加了結構化資料就會被 AI 引用」這類說法:讀結構化資料那篇,它的重點是資格不等於排名。
- 被要求「提升 E-E-A-T」:讀 E-E-A-T 那篇,先確認它到底是不是一個可以設定的東西。
- 有人建議你放 llms.txt 或調整 robots.txt:讀 llms.txt 那篇,它把三類爬蟲分開。
- 想知道自己的網站有沒有被 AI 引用:讀量測那篇,它先講哪些東西從外面根本測不到。
四個縮寫本身
這四篇是系列的骨幹。SEO 那篇建立後面共用的詞彙,另外三篇各自處理一個定義還沒收斂的縮寫。
SEO 是什麼:搜尋引擎最佳化在 AI 時代沒有改變的那一半SEO 是什麼:搜尋引擎最佳化在 AI 時代沒有改變的那一半這篇說明搜尋引擎最佳化(SEO)裡有官方文件可查的那一半:HTTP 成功、可被抓取、已被索引、出現在結果裡是四件事,canonical、hreflang、sitemap、robots.txt 各自解決不同問題。文中把每個說法分成官方文件說明的機制、業界慣例、廠商行銷主張三級,並說明為什麼生成式答案仍然從被索引的頁面取材。本文不承諾任何排名或引用結果。閱讀全文
GEO(生成引擎最佳化)是什麼:論文定義與行銷業用法的落差GEO(生成引擎最佳化)是什麼:論文定義與行銷業用法的落差GEO 出自 2024 年 KDD 的一篇論文,論文帶著自己的查詢集與兩個曝光指標,行銷業沿用了名字卻多半沒有沿用指標。這篇整理論文原本怎麼定義 GEO、它的數字在什麼設定下才成立,以及業界把這個詞用成了什麼;並列出 Google 官方文件、原始論文與廠商行銷內容三方對「GEO 算不算 SEO」的不同說法。閱讀全文
AEO(答案引擎最佳化)是什麼:生成式 AI 之前就存在的做法AEO(答案引擎最佳化)是什麼:生成式 AI 之前就存在的做法AEO(答案引擎最佳化)常被說成生成式 AI 帶來的新學問,但精選摘要、其他人也問與語音助理都比大型語言模型更早。本文用 Google 官方文件說明答案引擎的實際歷史、擷取式答案與生成式答案的差別、AEO 與 GEO 為什麼兩種用法都現行,以及被選為答案為什麼不等於帶來流量。不承諾任何成效。閱讀全文
AIO 是什麼:同一個縮寫的三種用法,以及怎麼分辨AIO 是什麼:同一個縮寫的三種用法,以及怎麼分辨AIO 不是一門方法,而是一個命名碰撞:它同時被用來指 Google 搜尋的 AI Overviews 功能、行銷業自造的 AI Optimization 服務,以及更早以前文案裡的 All-in-One 套裝方案。這篇整理三個所指各自的出處、官方文件實際怎麼稱呼這個功能,並給你一條辨識規則與三個該問的問題。閱讀全文
旁邊那兩個常被混進來的詞
LLMO 是這組裡最投機的一個,而且和 LLMOps 只是縮寫像。E-E-A-T 則是被大量引用、但幾乎總是被誤解成排名訊號的一份文件用語。
LLMO 是什麼:和 LLMOps 差在哪,哪些說法無法驗證LLMO 是什麼:和 LLMOps 差在哪,哪些說法無法驗證LLMO(大型語言模型最佳化)和 LLMOps(大型語言模型維運)只是縮寫像,是兩個不相干的詞。本文把 LLMO 的主張拆成檢索當下與訓練當下兩類:前者因為回答會附來源,影響看得到;後者從外部無法驗證,訓練資料截止日也讓它在時間上不可能即時反映。讀完能分辨眼前那份提案在講哪一種,以及哪些說法從外面根本測不出來。閱讀全文
E-E-A-T 是什麼:品質評分指南裡的概念,不是可以設定的排名訊號E-E-A-T 是什麼:品質評分指南裡的概念,不是可以設定的排名訊號E-E-A-T 出自 Google 寫給人工搜尋品質評分者的《General Guidelines》,而評分者不會改變任何一頁的排名。這篇說明那份文件是寫給誰看的、評分者實際記錄什麼、四個字母在指南裡各自怎麼定義、Experience 是哪一次改版加的,並拆解作者簡介頁、專家掛名與外部連結這三種常見的過度解讀。閱讀全文
你真正能動的兩個檔案
前面談的都是名詞。實際上你能動手改的東西不多:頁面上的標記token(Token)是什麼:AI 如何計算文字長度token 是語言模型處理內容的基本單位,可能是一段單字、標點或中文字的一部分,不能直接當成字數。本文用整理社團公告的情境,說明輸入、輸出與上下文如何計數,為什麼同一段中文換模型後用量可能不同,以及查看分詞器和實際用量時該注意什麼。你會學會估算任務空間、保留必要資訊,並分清楚 token 與登入用的存取權杖。閱讀全文,以及告訴爬蟲該怎麼做的那兩個檔案。這兩篇講它們能換到什麼、換不到什麼。
結構化資料與 Schema.org:能換到什麼、換不到什麼結構化資料與 Schema.org:能換到什麼、換不到什麼結構化資料讓網頁有資格取得特定的複合式搜尋結果,它不是排名加分,也不保證被 AI 摘要引用。這篇整理官方文件對資格、內容必須對使用者可見的規定與假造標記的處置,並說明本站為何只輸出 Article、BreadcrumbList、ItemList 這類標記。閱讀全文
llms.txt 是什麼:一份社群提案,以及 robots.txt 真正能做的事llms.txt 是什麼:一份社群提案,以及 robots.txt 真正能做的事llms.txt 是 2024 年提出的社群提案,不是標準:到 2026 年 9 月 14 日為止,只有 Google 在官方文件裡明講搜尋不使用它,其餘幾家沒有表態,也沒有引擎公布過消費它的證據。本文同時寫清楚 robots.txt 擋抓取不擋索引、被擋的網址連 noindex 都讀不到,並把訓練、搜尋索引、代使用者即時取用三類爬蟲分開,最後附本站的做法與理由。閱讀全文
機制與量測
最後兩篇處理「生成式答案是怎麼組出來的」以及「你能不能量到自己被引用」。兩篇都只描述官方文件寫過的部分,文件沒寫的地方就寫明沒寫。
AI 摘要與 AI 模式:生成式答案怎麼組出來,站長能控制什麼AI 摘要與 AI 模式:生成式答案怎麼組出來,站長能控制什麼這篇只講機制:Google 官方文件對 AI 摘要與 AI 模式寫到哪裡為止,查詢展開、檢索、接地、挑引用各是什麼,為什麼被檢索到、被用來接地、被列為引用是三件不同的事,以及 nosnippet、max-snippet、data-nosnippet 與搜尋生成式 AI 控制各自做什麼、代價是什麼。操作步驟不在這篇,文中連到既有的兩篇教學。本文不承諾任何引用或流量結果。閱讀全文
怎麼量 AI 引用:測得到的、測不到的,與不能相信的分數怎麼量 AI 引用:測得到的、測不到的,與不能相信的分數AI 回答裡出現自己的網站,到底量不量得到?這篇不重複 Search Console 的操作流程,而是講量測邊界:referrer 依規範預設只送來源網域、伺服器日誌記的是爬蟲取用而不是使用者看到引用、自己問一次 AI 不構成樣本。另外整理 Google 與 Bing 官方報表自己寫明的涵蓋範圍與限制,以及看到「AI 能見度分數」時該追問的三個問題。查證日 2026 年 9 月 14 日。閱讀全文
定義分歧在哪:五個沒有共識的地方
以下五點,本系列都不替任何一方裁決,只寫出誰這樣主張、以及各自的依據到哪裡為止。你在別處看到有人斬釘截鐵地回答其中任何一題,那通常表示他只讀了一邊。
- GEO 是 SEO 的上位、子集,還是改名?三種說法都在流通。提出這個詞的論文把它框成針對生成引擎評估的內容端技巧,不是取代 SEO;Google 的文件則說為生成式 AI 做最佳化仍然是 SEO。
- GEO 與 AEO 是不是同一件事?有人混用;也有人主張 AEO 指擷取式答案、GEO 指生成式答案。兩種用法現在都在流通。
- AIO 指的是 Google 的 AI Overviews 功能、一門叫 AI Optimization 的服務,還是舊文案裡的 All-in-One?三個所指同時在用,而本次查證的 Google 官方文件裡沒有出現這個縮寫。
- LLMO 的範圍只含檢索當下,還是也包含想辦法讓內容進入訓練資料?後者流傳很廣,但從網站外面無法驗證。
- llms.txt 到底有沒有作用?支持者說是新興標準;本次查證沒有找到任何主流引擎公布過消費它的證據。
延伸閱讀
站上另有三篇從讀者與站長操作角度寫的文章,以及一份涵蓋範圍更廣的 AI人工智慧(Artificial Intelligence)是什麼人工智慧是涵蓋多種技術與應用的總稱,不等於聊天機器人,也不必一定會產生文字。本文從 OECD 的系統定義出發,以照片分類和社區資源推薦為例,說明輸入、推導、輸出與人的目標如何連結,整理它與機器學習、深度學習和生成式 AI 的關係。讀完能用具體問題判斷一項 AI 功能在做什麼,並分辨能力、自治程度與可信度。閱讀全文 名詞總索引。本系列講名詞與機制,操作步驟在那三篇裡。
AI 名詞總索引:從 Loop Engineering 到生成式 AIAI 名詞總索引:從 Loop Engineering 到生成式 AI想看懂 Loop Engineering、Harness Engineering、Context Engineering、RAG、MCP 與其他 AI 名詞,可以從這份總索引開始。依 2026 年 9 月查證範圍,把這些概念分組整理,每個詞連到白話專文,附依任務安排的閱讀路徑、容易混淆的層次,以及原始論文和官方定義的查核方式。閱讀全文
網站經營者看 AI 摘要:引用與成效網站經營者看 AI 摘要:引用與成效網站經營者觀察 Google AI 摘要,應同時看內容是否清楚、頁面能否被搜尋系統讀取,以及實際曝光和流量。這篇提供一個可重複的檢查流程,並說明 Search Console 新增的生成式 AI 報表與控制。完成後可以用紀錄判斷變化,避免只靠自己搜尋時的一張截圖。閱讀全文
Google 搜尋 AI 模式:追問與來源判讀Google 搜尋 AI 模式:追問與來源判讀Google 搜尋的 AI 模式與 AI 摘要是最多人接觸到的搜尋 AI,兩者都會整理網路資訊,但入口與使用方式不同。本篇用「第一次搭台灣高鐵,如何找搭乘規則」做練習,學習提問、追問、打開來源和保留未確認事項。目標是形成自己的查證清單,而不是把搜尋摘要直接當成官方公告。閱讀全文
ChatGPT 搜尋 vs Google:六類問題什麼時候該用哪一個ChatGPT 搜尋 vs Google:六類問題什麼時候該用哪一個ChatGPT 搜尋這個搜尋 AI 和 Google 搜尋不是誰取代誰,而是形狀不同的工具:Google 先給結果清單與地圖,ChatGPT 先給整理好的回答再附引用。這篇講清楚 ChatGPT 搜尋怎麼開、免費版能不能用、引用怎麼點,Google 的一般搜尋、AI 摘要、AI 模式各是什麼,再用匯率天氣、在地店家、購物比價、官方規定、學新東西、多來源研究六類問題說明先開哪個、怎麼交叉驗證。閱讀全文
同主題延伸閱讀
生活分享
搜尋沒有點擊怎麼辦:用讀者任務重新看流量價值
讀者在搜尋頁找到營業時間、電話或簡短答案,可能不必進入網站。這不代表每次未點擊都成功,也不能用網站 CTR 推算整個搜尋的零點擊率。本文以原創衣物修改店案例,從查資料、比較服務與預約需求出發,整理搜尋呈現、商家互動與實際任務的檢查方法,附比較表、操作步驟和原創 SVG 圖解。
生活分享
Perplexity 入門:附引用的 AI 搜尋、方案與隱私設定
Perplexity 是把答案和引用放在一起的搜尋 AI。這篇說明一次查詢怎麼跑完五步、和 Google 搜尋與 ChatGPT 搜尋差在哪、官網現在的方案價格與額度、Search 與 Deep Research 等模式怎麼挑、可選哪些模型、Spaces 與檔案上傳限制,以及 AI data retention 在哪裡關。數字查自 2026 年 9 月 14 日的官網。
生活分享
網站 AI 搜尋怎麼規劃:內容索引、回答與搜尋紀錄
網站搜尋 AI 上線前,先決定哪些內容可被引用,以及找不到答案時如何回應。本文以原創手作展館網站為例,整理內容索引、來源引用、資料權限與更新驗收,並設計一份可用 Notion 管理的搜尋改善紀錄。附操作步驟、欄位比較表和自繪圖解,協助站長從讀者問題找出內容缺口,同時避免把全部查詢與個人資料直接存進共用工作區。
生活分享
AI 搜尋曝光怎麼量:提示問題、引用與工具限制
AI 回答提到品牌、附上網站連結與真正帶來造訪,是不同的觀察結果。本文以原創地方活動網站案例,建立固定問題集、重複觀察及引用核對流程,並比較 Google 生成式 AI 曝光、Bing 引用資料與站內分析各能回答什麼。附操作步驟、工具比較表和原創 SVG,協助讀者保留樣本與分母,不把單次回答寫成市場排名。
引用本文的文章
最新旅遊情報攻略

情報
2026 韓國楓葉預測:雪嶽山 10 月 20 日、首爾近郊 10 月底、內藏山與漢拏山 11 月上旬
韓國山林廳 2026 年 9 月 22 日公布的楓紅高峰預測:雪嶽山 10 月 20 日,春川、國立樹木園到首爾植物園落在 10 月 28 日到 11 月 2 日,內藏山 11 月 4 日、漢拏山 11 月 6 日,整體比最近 5 年晚約 0.8 天。整理各地楓樹與銀杏的預測日、首爾出發怎麼排,以及出發前去哪裡看即時楓況。2026 年 10 月查證。
- 季節活動
- 自然
- 觀景

攻略胡志明市
胡志明市到頭頓一日遊:白藤碼頭搭高速船、船票與班次,下船就是胡梅纜車與耶穌基督像
人在胡志明市挪一天去頭頓看海:市中心的白藤高速船碼頭搭船,航程 120 分鐘到頭頓的胡梅碼頭,平日成人 320,000 越南盾、週末 350,000,回程末班平日 15:00。下船就是胡梅纜車站,同一條路上有白宮,小山頂上是耶穌基督像。平日一天只有兩班船,整天要從末班船倒推著排。
- 交通
- 行程範例
- 海灘

攻略沖繩
沖繩不開車攻略:單軌只到浦添,美麗海水族館要坐兩個多小時的巴士,回那霸的最後一班直達車 17:22 就開走
不租車的沖繩怎麼移動:那霸市區靠沖繩都市單軌電車(ゆいレール),那霸機場站到終點てだこ浦西 19 站、17 公里、37 分鐘,一日券 1,000 日圓;美麗海水族館有那霸機場直達的高速巴士,單程 2,000 日圓起、官方時刻表上 2 小時上下,下車後還要走 10 分鐘;古宇利島要在今帰仁村役場轉車,當天來回光坐車就六個半小時;回程的最後一班直達車 17:22 就從記念公園前開走(2026 年 9 月查證)。
- 交通
- 行程範例
- 預算
資料來源
- GEO: Generative Engine Optimization(原始論文 arXiv 摘要頁) · 查證日期:
- Optimizing your website for generative AI features on Google Search(Google 官方指南,定義了 AEO 與 GEO) · 查證日期:
- AI features and your website(Google Search Central 官方文件) · 查證日期:
- General Guidelines(Google 搜尋品質評分指南原文 PDF) · 查證日期:
- llms.txt 提案原文(提案本身的網站) · 查證日期:
- Google 搜尋中心:Google 常見爬蟲(各 user-agent 的用途與界線) · 查證日期:
- Google 搜尋中心:說明文件更新紀錄 · 查證日期:
- Google 搜尋說明中心:AI 模式(官方產品說明) · 查證日期: