AI SEO、GEO、AEO、LLMO 描述的是同一个问题上高度重叠的工作，它们之间只有两处区分会真正改变决定。用 GEO 指「品牌会不会在 AI 回答里被点名」，用 AEO 指「页面能不能供给一段可被摘走的答案」，把 AI SEO 和 LLMO 当作统称。真正重要的两处区分是：段落与品牌，训练与检索。
这篇只讲词汇：每个说法有用的含义是什么、哪些差别是真的，以及怎样让团队争论证据而不是争论术语。实操层面的对比，项目层面见GEO 与 SEO 的区别，页面层面见AEO 与 SEO 的区别。
AI SEO、GEO、AEO、LLMO 放在一起看
| 说法 | 它问的是什么 | 工作单位 | 通常谁负责 |
|---|---|---|---|
| GEO（生成式引擎优化） | 助手会不会点名、描述、引用这个品牌？ | 一道买家问题，以及各引擎对它的回答 | 负责需求与定位的人 |
| AEO（答案引擎优化） | 引擎能不能从这张页面摘出一段正确、自足的答案？ | 页面上的一个段落 | 负责页面的人 |
| LLMO（大模型优化） | 品牌在模型里是怎样呈现的，无论来自训练还是回答时的检索？ | 不固定，是最宽的标签 | 不固定 |
| AI SEO | 经典 SEO 做法怎样用到 AI 界面上？ | 通常是页面，和 SEO 一样 | 通常是现有的 SEO 团队 |
GEO 关心的是回答里的结果：品牌有没有被点名、有没有被推荐、你的页面有没有被当作来源引用。这是三种不同的结果，要分开记，因为一张页面可能被引用，而回答推荐的却是竞品。
四个说法里，只有 GEO 有明确的出处。Aggarwal 等人的一篇研究论文（KDD 2024 录用）用「生成式引擎优化」来指那些改变内容在生成式引擎回答中呈现方式的方法。论文报告，在其基准上这类方法可让可见度最多提升 40%：加入来源引用、加入引语、加入统计数字效果最好，关键词堆砌几乎没有提升（arXiv）。另外三个说法都是在行业里用出来的，找不到一个可以指认的统一定义。
AEO 关心的是单张页面是否适合被摘取：答案在 HTML 里、小标题写的是问题、答案放在最前、事实写成句子。完整做法见AEO 实施指南。
LLMO 是最宽的标签。理论上它同时覆盖模型在训练中吸收的内容，和回答时检索到的内容；实际上，以这个名字发布的建议大多讲的是检索这一半，因为只有这一半是站长能直接动手的。简短定义见术语表：LLMO。
AI SEO 通常是指把现有的 SEO 做法对准 AI 界面。它是四个说法里最不精确的一个。这不是在批评这项工作，只是提醒你：每次看到这个词，都要追问一句，具体在测什么。
把它们放到下面要讲的两处区分上，这几个说法就不再互相争地盘，而像是同一张地图上的不同区域。
第一处区分：段落与品牌
让页面变得可摘取，和让品牌被推荐，是两个不同的项目，负责人不同，边界也不同。
- 段落这个项目，是在你自己的域名上做编辑和标记。它能做完，而且你可以自己验证：抓一次页面，读每个小标题下的头几句。
- 品牌这个项目，取决于别的网站怎么说你。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，是你能提供的最弱的证据。这件事你能施加影响，但做不「完」。从哪里入手，见第三方印证。
AEO 和 GEO 之间的大部分混淆，都来自把这两个项目搅在一起。一个团队把每张页面都修好了、却仍然没有被点名，说明它的 AEO 做得很好，而 GEO 还没开始做。
第二处区分：训练与检索
助手知道你，有两条途径：一是它的模型在训练时吸收过的内容，二是它在组织回答时现场抓取的页面。各家厂商在爬虫层面就把这两件事分开了，这本身就是这个区分真实存在的最好证据。
- OpenAI 在文档里写明：GPTBot 抓取可能用于训练模型的内容，OAI-SearchBot 构建 ChatGPT 搜索功能背后的索引，ChatGPT-User 则因为有人问到某个页面才去抓取它。见 OpenAI 的爬虫文档。
- Anthropic 同样分开：ClaudeBot 用于训练，Claude-SearchBot 用于搜索，Claude-User 用于用户请求触发的抓取。
- Google 把 Google-Extended 定义为使用控制而不是爬虫：它决定已被抓取的内容能否用于训练 Gemini 模型、以及为 Gemini 的回答提供 grounding，而 Google 搜索的收录不受影响。
- Apple 的划分也一样：Applebot 为 Spotlight、Siri、Safari 里的搜索提供支撑；禁止 Applebot-Extended，表示内容不用于训练 Apple 的基础模型，而禁止它的页面仍可出现在搜索结果里。
它在衡量上的后果最直接：开不开联网检索，是两种不同的测量。我们自己的产品里，有一次开启联网检索，某个站点就从 3% 跳到了 13%，而站点自己什么都没做。拿一轮带检索的结果去和一轮不带检索的比，测到的是方法的变化，而不是品牌的变化。每一轮都要标明用的是哪种模式，只拿同类比较（见图 3）。
它也决定了工作多快可能见效。如果助手只有在现场检索时才点名你，那么你现在发布和修复的内容，有可能影响下一次回答；如果它不检索也能点名你，那反映的是模型已经吸收的东西，不是你这个月发几篇文章就能更新的。
无论叫什么，都不变的部分
不管厂商或顾问用哪个词，前提条件都一样：
- 引擎的搜索代理和用户触发代理能抓到你的页面，而且是用真实 User-Agent 实测过的，不是从 robots.txt 推断的。
- 内容就在 HTML 里，因为多数 AI 爬虫不执行 JavaScript。
- 事实写成点明主语的句子。
- 结构化数据与页面上看得到的内容一致。
- 页面带有真实的发布日期和修改日期。
- 品牌在你能控制的所有地方，都用同一种说法描述。
如果某个以这些名字出售的方法听起来完全是新的，先看看它是不是这些基本功换了个名字，或者是根本无法验证的东西。
不管叫什么，都能问穿的几个问题
当一个工具或一家代理商报给你「GEO 分数」「AI SEO 分数」或「大模型可见度」时，名字本身说明不了多少。下面这几个问题，能判断这个数字有没有意义：
- 问题集里有没有你的品牌名？点名问你的品牌，回答当然会点名你。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。
- 是不是先按引擎分别报告，再给平均？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。
- 引用是按答案正文计数，还是把检索到的全算上？数检索候选池，曾让我们自己的数字虚高了两到四倍。
- 每一轮检测有没有口径版本？没有的话，方法的变化就会显示成品牌的变化。
GEO、AEO 还是 AI SEO：到底用哪个词
团队内部，说你在测的那个东西，而不是学科的名字。「固定问题集上、按引擎分别统计的提及率」经得起任何一次换词；「我们的 GEO 分数」经不起。然后按第一处区分来分工：AEO 交给负责页面的人，GEO 交给负责需求和站外存在感的人，两边对着同一套固定问题集来衡量，讨论的就是证据。这套共用的衡量方法，见GEO 衡量框架。
给代理商写需求、给工具写采购要求时，这个习惯同样管用。需求里写一个标签，等于请供应商替你定义什么叫成功；写一个能测的结果，就不会。
| 与其这样提 | 不如这样提 |
|---|---|
| 「提升我们的 GEO」 | 在一组不含我方品牌名的固定买家问题上，按引擎分别统计的提及率与推荐率，每一轮都带口径版本 |
| 「把博客做 AEO 优化」 | 每篇文章开头都有一段自足的答案回应小标题，内容在 HTML 里，事实写成句子 |
| 「一套 LLMO 策略」 | 对训练类代理和搜索类代理分别做决定，并写进 robots.txt |
| 「一次 AI SEO 体检」 | 用每个搜索代理、用户代理的真实 User-Agent 做抓取测试，确认内容不靠脚本就在 HTML 里，结构化数据与页面一致 |
| 「一个 GEO 分数」 | 问题集、失败的轮次，以及每个引擎一条把我们算作「被引用」的回答，连同来源标注 |
右边一列没有一条取决于最后哪个词胜出。这正是用意所在：说法还会继续变，而用可衡量的结果写成的需求，换了说法也照样成立。
资料来源
- OpenAI：OpenAI 爬虫概览。
- Anthropic：Anthropic 是否抓取网页数据。
- Google：Google 通用爬虫说明（Google-Extended）。
- Apple：关于 Applebot。
- Aggarwal 等：GEO：生成式引擎优化，KDD 2024。