GEO、AEO、LLMO 常被當成同一件事的三個時髦說法，其實不是。它們各自指涉 AI 搜尋裡不同的一層問題，混用術語的團隊往往把力氣花錯地方——例如拼命堆結構化資料，卻沒人檢查自己的品牌到底有沒有被 ChatGPT 引用。這份辭典把 40 個最常被誤解的詞，用繁體中文對照講清楚，讓你跟工程師、主管或代理商溝通時，講的是同一種語言。
先分清楚三個最容易混淆的縮寫
最快的分法是看「優化的對象」。SEO 優化的是搜尋引擎的排名；AEO 優化的是答案引擎怎麼抽取你的內容；GEO 是最大的傘，涵蓋所有生成式答案裡的品牌出現；LLMO 則更深入到模型如何在語意上認識你。實務上你不會只做其中一個，但溝通時分清楚，才不會把「排名掉了」跟「AI 不引用我」當成同一個問題來解。
- 「GEO（Generative Engine Optimization，生成式引擎最佳化）：讓品牌在 ChatGPT、Gemini、AI 總覽等生成式答案中被引用與提及的整套做法。」
- 「AEO（Answer Engine Optimization，答案引擎最佳化）：針對直接給答案的引擎（如 Perplexity、語音助理）優化，重點是把內容寫成可乾淨抽取的問答。」
- 「LLMO（Large Language Model Optimization，大型語言模型最佳化）：聚焦模型本身的認知——你的品牌在模型眼中被關聯到哪些主題與語意。」
- 「SEO（Search Engine Optimization，搜尋引擎最佳化）：傳統網頁排名優化。GEO 建立在它之上，但衡量的是「被引用」而非「被點擊」。」
- 「AI Overviews（AI 總覽）：Google 在搜尋結果頂端生成的摘要，僅標註少數來源，是最大的零點擊流量來源之一。」
- 「SGE（Search Generative Experience）：AI 總覽的前身名稱，舊文件仍常見。」
- 「Zero-click search（零點擊搜尋）：使用者在結果頁或 AI 答案就得到解答、不再點進網站。GEO 正是為這種情境爭取曝光。」
- 「Answer Engine（答案引擎）：直接回傳一段答案而非連結清單的系統，Perplexity 是典型代表。」
AI 引擎怎麼運作：模型與檢索術語
你不需要會訓練模型，但需要知道答案是怎麼被生出來的。今天的 AI 搜尋大多不是模型憑記憶回答，而是即時去檢索一批網頁、再據以生成——這個架構叫 RAG。理解這一點，你就會明白：能不能被引用，取決於你的內容有沒有進到那批被檢索的候選裡。
- 「LLM（大型語言模型）：以海量文本訓練、能生成自然語言的模型，是 ChatGPT、Claude、Gemini 的底層。」
- 「RAG（Retrieval-Augmented Generation，檢索增強生成）：模型回答前先即時檢索外部資料再生成。多數 AI 搜尋都用它，這正是你有機會被引用的原因。」
- 「Grounding（依據）：模型把答案錨定在可查證的外部來源上以降低捏造；被 grounding 引用，等於進了答案。」
- 「Embedding（嵌入向量）：把文字轉成數字座標，讓機器用語意距離判斷相關性，而非只比對關鍵字。」
- 「Semantic search（語意搜尋）：比對意思相近而非字面相符的檢索方式。」
- 「Token（詞元）：模型處理文字的最小單位，一個中文字約一到兩個 token。」
- 「Context window（脈絡視窗）：模型一次能讀入的 token 上限，決定它能同時參考多少資料。」
- 「Hallucination（幻覺）：模型自信地生成錯誤內容。品牌缺乏權威來源時，更容易被腦補成錯誤資訊。」
- 「Fine-tuning（微調）：在既有模型上用特定資料再訓練，調整輸出風格或知識。」
- 「Prompt（提示詞）：使用者輸入的問題或指令，決定模型檢索與生成的方向。」
讓 AI 讀得到你：抓取、索引與來源
- 「GPTBot：OpenAI 供 ChatGPT 使用的爬蟲。在 robots.txt 封鎖它，等於放棄被 ChatGPT 引用。」
- 「ClaudeBot：Anthropic 的網頁爬蟲，對應 Claude。」
- 「PerplexityBot：Perplexity 抓取即時來源的爬蟲。」
- 「Google-Extended：控管內容是否供 Gemini 等生成式產品使用的權杖，可在 robots.txt 單獨設定。」
- 「llms.txt：放在網站根目錄、專門寫給 AI 的 Markdown 指引檔，標示最想被引用的內容。」
- 「robots.txt：告訴爬蟲哪些頁面可抓的檔案，AI 爬蟲的存取權從這裡開始。」
- 「Citation（引用）：AI 答案中標註的來源連結，是 GEO 最直接的成果。」
- 「Structured data／Schema.org（結構化資料）：用機器可讀的標記描述頁面內容，幫引擎正確理解與抽取。」
- 「Knowledge graph（知識圖譜）：把實體與其關係串成網的結構，引擎用它判斷你的品牌是什麼、跟誰有關。」
- 「Entity（實體）：知識圖譜中的一個節點，如一家公司或一項產品。讓品牌成為清晰的實體是 GEO 的長期目標。」
- 「E-E-A-T（經驗、專業、權威、可信）：Google 評估內容品質的框架，也是引擎判斷來源可信度的重要參考。」
- 「Chunking（切塊）：把長內容切成小段以利檢索。標題清楚、段落自足的內容更容易被乾淨切塊。」
衡量能見度：你該固定追蹤的指標
能見度無法優化，除非先量得到。傳統 SEO 看排名與點擊，GEO 看的是一組完全不同的指標，重點都圍繞在 AI 的答案裡你被講到了嗎、被講成什麼樣。以下是你該固定追蹤的幾個。
- 「Share of Model／Share of Voice（模型能見度佔比）：一組目標提示詞下，品牌相對競品被提及的比例，是 GEO 的核心 KPI。」
- 「Prompt volume（提示詞覆蓋量）：追蹤的相關問題數量，決定樣本的代表性。」
- 「Citation rate（被引用率）：特定問題中，答案實際附上你網站連結的比例。」
- 「Sentiment（情緒傾向）：AI 提到品牌時的語氣是正面、中性或負面。」
- 「Position in answer（答案內位置）：品牌在生成答案中被提及的先後，越靠前影響力越大。」
- 「Passage retrieval（段落檢索）：引擎抓取單一段落而非整頁作為素材，因此每段都該能獨立成立。」
- 「Answer extraction（答案抽取）：引擎從內容截取一段直接回答問題，格式清楚者成功率更高。」
- 「Prompt injection（提示詞注入）：透過惡意輸入操縱模型行為的手法，內容安全需留意。」
- 「Citation gap（引用缺口）：你在某主題有內容卻沒被任何 AI 答案引用的落差，是審計最該找出的地方。」
- 「Brand Radar（能見度追蹤）：持續監測品牌在各 AI 引擎能見度的做法，把上述指標變成可每週檢視的儀表板。」
術語會一直變，但底層問題只有一個：當有人問 AI 你這個領域的問題，你的品牌有沒有出現、以什麼樣貌出現。把這件事量化，剩下的優化才有方向。— Tenten GEO 顧問團隊
從查表到行動
查表只是起點。真正的差距，藏在你以為自己有能見度，和 AI 實際怎麼講你之間。想知道你的品牌現在在 ChatGPT、Gemini、Perplexity 上被引用了幾次、輸給了誰，可以預約一場 30 分鐘 GEO 診斷，我們會用你真實的目標提示詞跑一次快照，當場指出最該補的三個缺口。
