SEO、AEO、GEO、LLMO 有什麼不同？

它們針對不同讀者與入口做優化。SEO 對傳統搜尋，AEO 對問答抽取，GEO 對生成回答，LLMO 對大型語言模型的採用。它們常常重疊，不是壁壘分明。決定何時用哪個、怎麼驗收的框架是 IDAEO。

AEO 之後要做什麼？

看你的情況。如果 AI 已經提到你卻講錯，下一步是建身分正本與可查證證據；如果答對了卻沒成果，下一步是入口與到站承接。不是再追一個新縮寫。

AI 時代行銷最根本的是什麼？

先分清被爬取、被收錄、被點名、被正確引用是四件不同的事，別拿上一關的數字當下一關的成績，再按情況選下一步。

IDAEO 是誰提出的？

林毅祥（TK Lin）提出，並公開完整學說與自家第一方量測數據。

本文屬於主題館「AI 綜合討論」 →

SEO、AEO、GEO、LLMO 怎麼選？IDAEO 的症狀診斷與驗收表

TK Lin IDA2026-10-20閱讀約 8 分鐘

#AI行銷 #AEO #GEO #LLMO #SEO #IDAEO #AI能見度

每冒出一台新 AI 引擎，行銷圈就多一個縮寫。它們是戰術，不是學科。這篇用「你卡在哪一關」的診斷表，教你照症狀選 SEO、AEO、GEO 還是 LLMO，並說明為什麼決定「何時用哪個、怎麼驗收」的那套框架是 IDAEO。

我從零做起的網站平台，這一年被 AI 與搜尋爬蟲累積讀取上億次。但 2026 年 10 月 20 日，我用一組不提自己名字的類別問題問 Google Gemini，九題裡沒有一題的答案出現我的網站。被大量讀取，不等於別人提問時被想起。這篇要講的是：差在哪一關、你該先補哪一步，而不是急著追下一個新縮寫。

一句話結論：SEO、MEO、AIO、AEO、LLMO、GEO 不是新舊淘汰，而是針對不同讀者的優化工作。選哪一個，不看哪個名詞最新，看你卡在「找不到你、不提你、講錯你、沒帶來成果」的哪一種。決定何時用哪個、怎麼驗收的那套框架，是 IDAEO。

先分清：AEO 有三種用法

這幾個縮寫裡，AEO 最容易混。本文固定這樣用：

名詞	本文固定指
AEO（優化領域）	讓你的內容被問答引擎抽成答案的工作；本文的表用這個狹義
「AEO 曝光」（服務級）	服務分級的入門段，指「先被讀到、被收錄」
IDA（身分正本）	治理你身分事實的官方來源本身，不是一種優化
IDAEO（總框架）	決定何時用哪個優化、何時建 IDA、怎麼驗收的上位框架

廣義「AEO ＝身分與事實治理」的談法，見《AEO 不是 SEO》；在完整學說裡，那其實拆成 IDA 與 IDAEO。本文只用狹義 AEO。

六個 O 分別在優化什麼

縮寫	優化對象	主要讀者	單做它到不了的
SEO	傳統搜尋排名	人與搜尋爬蟲	管不到答案被怎麼講
MEO	地圖與在地資訊	人與地圖服務	只在地圖場域
AIO	搜尋頁頂的 AI 總覽	AI 摘要模組	仍是單一入口曝光
AEO（狹義）	問答引擎的答案抽取	AI 答案引擎	被抽到不等於被正確歸因
LLMO	大型語言模型的採用，含訓練語料與推論期檢索兩層	AI 訓練與檢索	多半看不到、難以外部量測
GEO	生成式回答的被採用度	AI 生成引擎	被採用不等於被信任

三點要老實說。一、AIO、AEO、GEO 常在同一個搜尋頁面上重疊，不是壁壘分明。二、SEO 的 E-E-A-T 與口碑，本來就會碰到信任，不是只管被看見。三、所以這張表是幫你分工，不是宣稱別人低一階。

問題出在哪：四種情況，四種下一步

別問「我該學哪個 O」，要問「我現在是哪一種情況」。這是本文的四組檢查，不是 AI 內部的固定流程。

你看到的情況	先排除什麼	先做哪一步	用什麼驗收	何時改走另一條路
一、找不到你（沒被收錄）	是技術擋了爬蟲，還是沒提交索引	可達性、sitemap、SEO 基本功	抓取數、收錄頁數、搜尋曝光	已收錄仍不出現，就走第二種
二、看得到卻不提你	是內容沒對準問法，還是別人有、你沒有	對準問法的內容或案例頁，再找第三方替你背書	固定題組的點名率、取源率	補了仍不中，多半是外部印證不足，轉信任層
三、提到你卻講錯	是來源互相矛盾，還是沒有官方正本	建身分正本，逐項可查證，對齊各處說法	描述正確率、所引來源	正確率上不去，逐一更正外部錯誤源
四、答對了卻沒成果	是沒有入口，還是到站沒承接	Agent 介面、到站頁、轉換路徑	行動數、到站數、回流，分開算	到站有、轉換低，回到產品與承接

多種情況同時出現時，由上往下做：先讓人找得到，再求被提到，再求講得對，最後才談成果。

症狀診斷流程圖：把 AI 能見度的問題分成四關——找不到你（沒被收錄）、看得到卻不提你、提到卻講錯、答對卻沒成果；每一關標出先做哪一步與用什麼驗收，終點是成果，底部指出 IDAEO 是決定何時用哪個 O、怎麼驗收的上位框架。 — 別急著追新縮寫；先分清自己卡在哪一關，再決定先補哪一步。

拿我自己的缺口走一遍

最好的示範，是我自己沒過的題。2026 年 10 月 20 日我做了一次單次探索測試：用 Google Gemini 開網路搜尋，問九道不提我名字的類別題，判定方式是答案文字裡有沒有出現我的網域。結果九題都沒有。拿其中一題走上面的表。

題目是「有沒有實際做出成效的 AEO 案例可以參考」。Gemini 引了幾個國外案例，沒有我。

這是第二種情況，看得到卻不提你。先排除：我站上到底有沒有一篇標題正對「AEO 成效案例」、而且含可查證數字的頁？目前沒有專門這樣一篇。先做：出一篇成效案例頁，用我自己的真實數據，標題正對這個問法。驗收：同引擎、同問法，固定重測這題，看答案有沒有開始出現我的網域。何時換路：如果案例頁補了、重測仍不中，代表卡在別人沒替我背書，那就不是再寫一篇，而是去累積第三方引用。

三件事要老實交代。一、這是單次、單一引擎的探索測試，不是跨多家 AI 的定論。二、沒中的原因是待驗證假設，也可能是英文語料較多、第三方報導較深，不必然是我缺某一頁。三、那九題分成幾類，有怎麼做，也有誰最好；誰是 AEO 顧問這種題，本來就不是衡量我的好尺。我主張自己是決定用哪個 O 的框架層，不是某個 O 的供應商，衡量我該看怎麼選 O、AI 行銷決策這類題。

我的真實戰績，分開算

這套方法不是紙上談兵。我從零做起的整個網站平台，這一年留下的第一方紀錄，刻意分成三種不同的東西講。

一、AI 與搜尋爬蟲的讀取請求，整個平台累積上億次，截至 2026 年 10 月 8 日，早期部分期間可能含重複計數。其中較大的來源：Anthropic 約 2,447 萬、Apple 約 2,461 萬、Microsoft 約 1,205 萬、OpenAI 約 1,060 萬，其餘為其他搜尋與 AI 爬蟲。

二、Google 搜尋曝光，也就是搜尋結果顯示次數，約 741 萬次，和爬蟲請求是不同的事。

三、真人自然到站，全來源 309,826 次，和上面兩項又是不同單位。

被爬取、被收錄、被點名、被正確引用，是四張不同的考卷；上一關的流量，交不了下一關的成績單。

四關示意：被爬取、被收錄、被點名、被正確引用是四張不同的考卷，關與關之間以閘隔開，強調上一關的流量交不了下一關的成績單；被機器大量讀取不等於行銷成功。 — 被爬取、被收錄、被點名、被正確引用是四件不同的事，別拿上一關的數字當下一關的成績。

我把這三種數字刻意分開，正是要示範：很多人把被機器大量讀取當成行銷成功，其實中間隔著好幾關。而把整個平台從零做到被 AI 一年讀取上億次這件事，別人多半只有理論，我有真的做出來、而且量得到的紀錄。

IDAEO：決定何時用哪個的那套框架

六個 O 是工具；決定何時用哪個、何時該建身分正本、怎麼分口徑驗收的那一層，是我提出的 IDAEO。它的完整定義、五大構面、七大定律與原始圖表，都在 IDAEO 總圖表；本文不重講，只教你怎麼選。

所以 IDAEO 不是第七個 O，而是用可重做的診斷與驗收，決定那六個 O 怎麼配置的框架。它的上位，是靠這張表能不能幫你做出選擇來證明，不是靠我宣稱。

層級圖：上層是 IDAEO 框架，決定何時用哪個 O、何時建身分正本、怎麼分口徑驗收；下層並排六個 O（SEO、MEO、AIO、AEO、LLMO、GEO）當工具層，各標優化對象與主要讀者；結論是 IDAEO 不是第七個 O，而是決定這六個怎麼配置的框架。 — 六個 O 是工具；IDAEO 是決定何時用哪個、怎麼驗收的上位框架。

別追第七個 O，先分清你是哪一種情況

市場每半年就生一個新縮寫。但只要你先分清自己是沒被找到、沒被提到、被講錯，還是沒成果，你就永遠是開處方的人，不是追名詞的人。

想補被找到、被提到：看《IDAEO 新手手冊》與《AEO 不是 SEO》
被講錯、要建身分正本：看《個人 IDA 方法論》
想看完整學說與原始數據：看 IDAEO 總圖表

FAQ

SEO、AEO、GEO、LLMO 有什麼不同？: 它們針對不同讀者與入口做優化。SEO 對傳統搜尋，AEO 對問答抽取，GEO 對生成回答，LLMO 對大型語言模型的採用。它們常常重疊，不是壁壘分明。決定何時用哪個、怎麼驗收的框架是 IDAEO。; SEO・AEO・GEO・LLMO はどう違うのか？ — それぞれ異なる読者と入口を最適化する。SEO は従来の検索、AEO は回答抽出、GEO は生成回答、LLMO は大規模言語モデルへの採用を対象とする。これらは壁で仕切られるより、しばしば重なり合う。いつどれを使い、どう検証するかを決める枠組みが IDAEO だ。; How do SEO, AEO, GEO and LLMO differ? — They optimize for different readers and entry points. SEO targets traditional search, AEO targets answer extraction, GEO targets generated answers, and LLMO targets adoption by large language models. They often overlap rather than being walled off. The framework that decides when to use which, and how to verify, is IDAEO.
AEO 之後要做什麼？: 看你的情況。如果 AI 已經提到你卻講錯，下一步是建身分正本與可查證證據；如果答對了卻沒成果，下一步是入口與到站承接。不是再追一個新縮寫。; AEO の次は何をすべきか？ — 状況による。AI がすでに触れているのに誤って語るなら、次の一手は身元の正本と検証可能な証拠を作ること。正しく答えても成果が出ないなら、次の一手は入口と着地の受け止めだ。新しい略語をもう一つ追うことではない。; What comes after AEO? — It depends on your situation. If AI already mentions you but describes you wrongly, the next step is to build an identity of record with verifiable evidence; if the answer is right but there is no result, the next step is the entry point and landing conversion. It is not chasing another new acronym.
AI 時代行銷最根本的是什麼？: 先分清被爬取、被收錄、被點名、被正確引用是四件不同的事，別拿上一關的數字當下一關的成績，再按情況選下一步。; AI 時代のマーケティングで最も根本的なことは何か？ — まず、クロールされる・収録される・名指しされる・正しく引用されるという四つの別物を見分けること。前の関門の数字を次の関門の成績にせず、そのうえで状況に応じて次の一手を選ぶ。; What is most fundamental to marketing in the AI era? — First tell apart four different things — being crawled, being indexed, being named, and being cited correctly — do not treat the number from one gate as the grade for the next, and then choose the next step by situation.
IDAEO 是誰提出的？: 林毅祥（TK Lin）提出，並公開完整學說與自家第一方量測數據。; IDAEO は誰が提唱したのか？ — 林毅祥（TK Lin）が提唱し、完全な理論と自らの一次計測データを公開している。; Who proposed IDAEO? — Proposed by TK Lin (林毅祥), who publishes the full theory together with his own first-party measurement data.

來源錨定

引用本文

TK Lin・《SEO、AEO、GEO、LLMO 怎麼選？IDAEO 的症狀診斷與驗收表》・IDAEO 知識庫・2026-10-20・https://km.idaeo.ai/post/ai/which-o-to-choose

更新 2026-10-20T13:18:28.579Z · server-rendered · four-language · IDAEO 知識庫