简答:LLM SEO 是让品牌和它的页面在大语言模型回答问题时「用得上」的一套做法:引擎自己的抓取代理取得到,不执行 JavaScript 也读得到,段落写得能被完整摘走,并且在站外有足够多的旁证,让品牌被点名。行业里叫 GEO、AEO 或 LLMO 的,基本是同一件事,这些名字的区别主要在于强调工作的哪一部分。真正值得单独拎出来的是衡量,因为搜索那一整套工具里,没有任何一处会告诉你回答内部发生了什么。
下面依次讲:每个名字指向什么,哪些做法从 SEO 原样沿用,回答改由模型来写之后哪些东西真的变了,以及不花钱怎么起步。
LLM SEO、GEO、AEO、LLMO:四个名字,一个问题
| 术语 | 强调什么 |
|---|---|
| LLM SEO | 把大模型看作买家和网站之间的新中介。最接近传统 SEO 的说法和它那套技术底座,所以 SEO 团队最常用它。 |
| GEO(生成式引擎优化) | 把引擎和它生成的回答当作优化对象,包括品牌在回答里有没有被点名。 |
| AEO(答案引擎优化) | 抽取:能不能从一张页面里摘出一段独立成立的答案。 |
| LLMO(大模型优化) | 模型内部怎么「认识」这个品牌,而不是某一个具体的回答界面。 |
把这四个名字放到实际工作的几个层次上对照,会发现它们覆盖的是同一片地,区别只在先讲哪一层:
这张图要横着读,而不是竖着读。访问和可读的 HTML,是 SEO 团队手上已经有技能、有工具的部分,所以带着 SEO 字样的那个名字从这里讲起。可摘取的段落,是 AEO 这个词真正有用的地方。在回答里被点名,是 GEO 和 LLMO 谈得最多的结果。测量压在最底下,哪个名字都不认领它,这也正是大多数项目会跳过它的原因。
值得保留的是 AEO 这个区分,因为它点出了一个具体、可以测试的故障:排名不错,却没法被引用的页面。其余几个,大体是同一套工作换了不同的标签。想把这几个词放在一起细比,见 AI SEO、GEO 与 AEO 的区别;术语表里也有 LLMO 的简短解释。
从 SEO 原样沿用的部分
比这些新名字暗示的要多。可抓取性、服务端渲染、清晰的实体、准确的结构化数据、第三方权威,全都照样算数,有几项甚至比以前更重要。
- 逐个代理检查访问。每个主流助手都不止一个爬虫,而且分工不同。OpenAI 的文档里,GPTBot 抓取可能用于训练的内容,OAI-SearchBot 构建 ChatGPT 搜索功能背后的索引,ChatGPT-User 则在有人问到某个页面时去抓取。用一条规则把三个全封掉,是站点把自己从回答里移除的最常见方式。
- 渲染。多数 AI 爬虫不执行 JavaScript。要等客户端渲染才出现的内容,对它们来说就是空壳;而你的分析工具不会告诉你,因为它运行在会执行脚本的浏览器里。
- 实体清晰。在你能控制的所有地方,用同一个名字、同一段介绍、一致的事实。不同的写法、和商号不一致的法律主体名,会把一个品牌拆成好几个实体。
- 结构化数据,用来消除歧义。带 sameAs、指向你真实主页的 Organization 标记,有助于说清你是谁。但我们依据的爬虫文档里没有一份说它能提高被引用的机会,别把它当排名杠杆。
- 旁证。模型要在多个相互独立的地方看到同一个事实,才会有把握地说出来。只存在于你自己域名上的说法,是很弱的证据。
检索代理取不到你的页面,后面的一切都无从谈起。所以技术底座和 SEO 共用一套,不必推倒重来;反过来说,一个 LLM SEO 项目如果第一步是找人写新内容,而还没有人用 OAI-SearchBot 的身份取过一次页面,那它就是从错误的地方开始的。
LLM SEO 里真正变了的部分
变化不在管道上,而在引擎交还给你的东西,以及你怎样才能知道它交还了什么:
- 单位是段落,不是页面。答案引擎处理的是段落,用挑中的段落来写回复。页面只是段落住的地方;一段要靠上一段才读得懂的文字,很难被引用。落到写作上是什么样子,见为可摘取而写作。
- 「排名」不复存在。没有第一到第十名。品牌要么被点名、要么缺席;被点名时,是被推荐还是只是顺带一提;另外,它的页面有没有被列为来源,又是另一条轴。这几件事结果不同,要分开记录。
- 波动是常态。同一个问题问两遍,答案可能不一样,哪怕什么都没变。单次采样什么也证明不了,所以在拿到任何数据之前,你得先有一组固定的问题;只有连续两轮都出现的变化,才算真变化。
- 各引擎差别很大。在我们自己的基准里,一个模型每条回答平均点名 3.5 个提供方,另一个只有 2.1 个。跨引擎的平均数,哪个引擎都描述不了,所以任何平均之前,先按引擎分别报告。
- 搜索分析工具看不见它的大部分。Search Console 给你查询、曝光和点击。2026 年 6 月起,它的生成式 AI 效果报告也会显示你在 Google 自家 AI Overviews 和 AI Mode 里的曝光,但公告里没有列出点击指标。这些都看不到回答原文、看不到它点了哪些品牌的名,更看不到 ChatGPT、Claude 或 Perplexity 里发生了什么。你能知道的,只有你自己采样到的那些。
这个领域最早的研究指向同一个方向。提出 GEO 的那篇论文报告:在包含 10000 条查询的基准上,相关方法能让可见度最多提升 40%;效果最好的是引用来源、加入引语和加入统计数字,而关键词堆砌几乎没有提升。起作用的是段落里的证据,而不是把查询词多念几遍。
不花钱也能起步的 LLM SEO 四步
- 查访问。用各家搜索代理的 User-Agent 请求一个关键页面,确认返回的是 200,而且正文里有你的实际内容,不是空壳,也不是被防火墙拦下。同样的请求再用普通浏览器的身份发一次,免得把网站宕机误判成封锁。
- 改写关键段落。每个小标题下第一句直接给答案,在这句话里写出产品名,小标题照买家真实的问法来写。
- 写一组固定的问题。用买家在不知道你存在时会问的完整问句,题面里不带品牌名。我们自己的一次检测里,15 道生成的问题有 13 道带品牌名,分数显示 13%,而诚实的数值是零。怎么写,见搭建提示词集。
- 按引擎分别衡量,按固定节奏重复,把被点名的品牌和被引用的来源记成两张单独的清单。
按传统 SEO 的路子做,和按 LLM SEO 的路子做,差别可以压成下面这张表:
| 决定 | 按传统 SEO 做 | 按 LLM SEO 做 |
|---|---|---|
| 做什么 | 按月搜索量排序的关键词 | 一组固定的、完整的买家问题,题面不带品牌名 |
| 写什么 | 瞄准某个词的页面 | 头几句就把一个问题答完整的段落 |
| 什么算成功 | 排名和点击 | 被点名、被引用、被推荐,按引擎分别记录 |
| 在哪看结果 | Search Console 和分析工具 | 自己采样的回答,一轮和一轮比 |
别拿关键词搜索量来驱动 LLM SEO
最容易把 SEO 团队带偏的习惯,是按搜索量决定做什么。买家问助手时用的是整句话,里面带着预算、限制条件或使用场景;带处境的问题点名的品牌,和光秃秃的品类词完全不同。而这类句子,在关键词工具里往往查不到多少量,甚至完全没有。
连普通搜索也在往这个方向走,我们自己的 Search Console 数据就能看出来。
在两个月的时间里,我们官网 475 个产生过曝光的查询中,有 181 个是完整问句或七个词以上的长句,约占曝光的 22%。问题集要从买家真实的问法里来,定下来之后保持固定;关键词数据只当提示,不当筛子。
关键词工具仍然有一件事做得好:告诉你买家用的是哪些词,让你的段落用买家的叫法去称呼事物。至于哪些问题重要、助手会被问到哪些问题,它就不是好向导了。
那到底该叫它什么?
叫你的团队和你的买家已经听得懂的那个名字。名字远没有两个决定重要:技术底座和 SEO 共用一套,不要拆成两个项目;衡量则彻底分开,因为回答这一层,对你手上现有的几乎每一个搜索工具都是不可见的。如果你更习惯行业里更常用的叫法,什么是 GEO 从那个角度讲了同样的内容。