GEO（生成式引擎最佳化）

以前的 SEO 是搶「搜尋結果第幾名」。當使用者改成直接問 ChatGPT、Perplexity，或看 Google 搜尋頁上方那段 AI 摘要時，他根本不會點進任何一個連結，他只看到 AI 給的答案。

GEO 要處理的就是這件事：你的內容有沒有被 AI 拿去當作答案的依據、有沒有被指名引用。

跟 SEO 差在哪

SEO 的目標是排名與點擊，GEO 的目標是被引用。兩者不是取代關係，但重疊的部分比一般講的少。

真正共用的是底層那一段：機器爬得到、讀得懂、拿得到你的內容。這一段做不到，兩邊都不用談，所以「SEO 完全不用管了」是錯的。

但排名那一段就不共用了。各家生成式引擎的取材方式並不一致：有的接既有的搜尋索引，有的用自己的爬蟲另外建一份庫，有的乾脆從訓練資料裡答、根本沒去查。而且最後挑哪幾段來引用是模型決定的，跟你在 Google 排第幾沒有直接對應關係。所以「先把 SEO 做到第一名，GEO 自然就有了」不成立——排到第一卻整段不被引用，是很常見的狀況。

這個詞現在還不是顯學，台灣尤其不是

原始論文 2023 年底才發表，可驗證的方法論還在發展中。行銷公司把它拿來當新服務名目的速度，遠比研究累積的速度快——所以各家「GEO 服務」的實際內容差異很大，有人真的在改內容結構與可引用性，有人只是把原本的 SEO 報價單換了個標題。

台灣的落差又比國外大一截：查到 2026 年 8 月為止，台灣的論文資料庫裡找不到任何一篇以 GEO 為主題的學位論文或期刊論文，也查不到大學實驗室或國科會計畫在做這個題目；同一時間，賣 GEO 服務的公司與顧問已經十幾家在跑，還有實體課程在招生。實際查了哪些資料庫、用什麼搜尋詞，寫在下面這一節。

看到任何人保證「幾週內讓 AI 推薦你」，請要求對方說明怎麼量測。生成式引擎的回答本來就會隨問法、隨時間、隨帳號而變，說不出量測方法的承諾等於沒有承諾。

還沒變成顯學，正是現在動手的理由

上面那些話別讀成「GEO 不用做」。反過來讀才對：正因為真正做對的人還不多，現在把內容整理成容易被引用的形式，被 AI 挑中的機會相對高。市面上把這個階段叫做導入紅利期——這是市場觀察，不是研究結論，但方向跟我們查到的落差一致：詞很紅、賣的人不少、真正有方法的人還沒跟上。

而且你不必等學術成熟才開始。那篇論文已經測出哪些做法有效、哪些完全沒用（下面兩節），照著做就有事情可以動手，不需要先買一套服務。

紅利期的特性是會關窗。等同業都補完了，同樣的功夫換到的能見度就會變少。所以挑錯廠商的代價不只是那筆錢，而是整段窗口期被花在一份沒用的服務上——這才是這頁花這麼多篇幅教你怎麼問的原因。

這個詞從哪來的

GEO 出自一篇 2023 年 11 月的學術論文《GEO: Generative Engine Optimization》，作者是 Pranjal Aggarwal 等六位研究者，後來收錄於 KDD 2024（資料探勘領域的主要會議）論文集。論文提出 GEO-bench 這個測試基準，用 10,000 筆查詢、涵蓋 9 個資料來源與 25 個領域，測試哪些做法能讓內容在生成式引擎的回答裡被引用。

論文摘要裡的原句是「we demonstrate that GEO can boost visibility by up to 40% in generative engine responses」。注意 up to 這兩個字：那是最好情況下的上限，不是平均值，市面上引用這個數字時常常省略掉。

這篇論文在 Google Scholar 上累積約 270 次引用（2026-08-23 查，這個數字會一直往上動）。它是這個領域目前唯一一份公開、可重跑的研究基礎。

論文裡最實用的一個發現

關鍵字填塞在生成式引擎上沒有用。論文原文寫得很直接：「While widely used for Search Engine Optimization, we find such methods offer little to no improvement on generative engine's responses.」

換句話說，那些在 SEO 時代堆關鍵字的做法，搬到 AI 搜尋上不但沒效，還浪費時間。論文測出比較有效的方向是加入可引用的來源、統計數字與專家說法。

GEO、AEO、LLMO、AI SEO 常被綁在一起賣

這兩年冒出來的名詞至少有這些：GEO（生成式引擎最佳化）、AEO（Answer Engine Optimization，答案引擎最佳化）、LLMO 或 LLM SEO、AI SEO、AIO。有些簡報會把它們並排成「新世代行銷的四大支柱」，看起來像四種各自獨立的專業。拆開來看是兩種完全不同的狀況。

第一種，相鄰領域的詞被整個搬過來。GEO 跟 AEO 表面上關心同一個場景：使用者看到一段直接給出的答案，沒有點進任何連結。但 AEO 比生成式 AI 早好幾年就在用了，當時講的是 Google 精選摘要和語音助理的答案框——它服務的對象一直是搜尋引擎。AI 摘要普及之後，有人把這個詞整個搬過來指生成式引擎，那是挪用，不是它的出身。

差別不只在名字。精選摘要是從單一網頁擷取一段現成文字放到搜尋結果最上面，來源看得到、規則相對固定；生成式引擎的回答是模型綜合多個來源生成新句子再標註出處，來源是複數的、同一題問兩次結果可能不同、也沒有「第幾名」可言。兩者要下的功夫與量測方式都不一樣。所以聽到有人把 AEO 直接當 GEO 在賣，可以直接判斷：「AEO 是新一代 SEO」是話術，不是史實，而且他端出來的建議常常還停留在搶精選摘要的老招。

第二種，本意是別的東西，被借過來當行銷詞。這種要小心：

AIO——在 IT 業界本來是 All-in-One（一體成型的機器或整套方案）。行銷簡報裡有人拿它指 AI Optimization，也有人拿它當 Google AI Overviews 的縮寫。同一個字母組合至少三種讀法，講的人自己常常也沒分清楚。
LLMO / LLM Optimization——在工程領域指的是把模型本身弄得更小更快，量化、推論加速那一類的事，跟你的內容會不會被引用毫無關係。借來當內容行銷服務名稱之後，這個詞在兩個圈子裡的意思是完全岔開的。
AI SEO——業界更常用來指「用 AI 工具做 SEO」，例如用 AI 生草稿、跑關鍵字研究。那是把 AI 當生產工具，跟「為 AI 做最佳化」剛好是相反方向，卻常被當同義詞賣。買之前務必確認對方賣的是哪一邊。

還有一個比上面全部都早的混淆：GEO 這三個字母在傳統行銷裡指的是地理（geographic），講的是地區關鍵字、在地 SEO、按縣市投放。如果對方口中的 GEO 其實是這個，那跟「被 AI 引用」是完全兩件事，價錢也不該對齊。

這幾個詞裡面，只有 GEO 找得到公開的學術論文和可以重跑的測試基準，也就是上面那篇。AEO、LLMO、AI SEO、AIO 都查不到對應的原始研究或公開測試方法，各家用的是自家定義。所以聽到後面這幾個詞，直接問「你講的這個詞，定義是什麼、要交付什麼」，答得含糊的，通常是因為那個詞本身就是拿來含糊的。

台灣在賣 GEO 的人，比在研究 GEO 的人多很多

我們照著上面那篇論文一路往台灣查，結果是這樣。

學術這一端，查不到台灣。原始論文六位作者分別隸屬印度理工學院德里分校、普林斯頓大學（三位），以及兩位在美國的獨立研究者，沒有任何一位掛台灣的機構。往台灣的資料庫查也一樣：用「生成式引擎最佳化」「生成式引擎優化」「Generative Engine Optimization」「AI 搜尋最佳化」四個詞去查台灣博碩士論文知識加值系統與華藝線上圖書館，回傳的全是主題不符的東西——命中的是「生成式 AI」底下的其他題目，像生成式 AI 的風險政策、新聞自動生成。查到 2026 年 8 月為止，找不到任何一篇以 GEO 為主題的台灣學位論文或期刊論文。

再查有沒有台灣的大學實驗室或國科會計畫在做「內容如何被生成式引擎引用」的量測，同樣查不到。目前找得到最接近系統性量測的，是業界顧問自己做的專案——幾十題查詢、跨三個主流 AI 引擎、人工分類上萬筆引用來源。方法算認真，但那是商業專案，沒有經過同儕審查，跟學術研究是兩回事。

商業這一端，非常熱鬧。幾次搜尋去重之後，就有十幾家台灣公司與個人顧問在賣 GEO 服務，至少兩個實體收費課程在招生，還有好幾篇「精選 X 家 GEO 公司推薦」的文章彼此導流。

這個落差本身就是答案：詞先紅了，學術驗證還沒跟上，行銷業已經先衝了。所以你在台灣遇到的「GEO 專家」，本事幾乎不可能來自本土研究累積，只會來自兩個地方——讀懂了國外的原始研究，或者自己實測累積出來。這兩種都可以是真本事，差別在於兩種都問得出來。

問這三題就夠了：

你的方法從哪來？說得出原始研究，或說得出自己測過什麼，都算及格——測哪幾個引擎、多少題查詢、多久測一次、對照組怎麼設，答得出來的人講起來會很具體。通篇「根據我們的經驗」卻舉不出任何一次實測，不及格。
這些名詞你怎麼分？請他用自己的話講 GEO、AEO、LLMO、AI SEO 差在哪，還有他賣的是哪一個。分得清楚的人講得出上一節那些機制差異；分不清楚的人會說「其實都差不多啦」，或者講著講著露出他的 GEO 其實是地區投放。這一題最難套招，因為它問的是理解，不是話術。
你要交付什麼？怎麼算成功？交付的是報告、是改好的頁面、還是持續監測？成功的判準是什麼、幾個月後拿什麼跟今天比？講不出驗收標準的合約，你事後沒有立場說他沒做到。

三題問完再決定要不要付錢，都來得及。問都沒問就簽約，那筆錢多半是智商稅。

問完覺得對方講得清楚，就合作；覺得不放心，自己先動手也行——把客戶最常問的問題整理成有來源、有數字、答得完整的頁面，正是論文測出來確實有效的那一類做法，而且不必等誰來代做。窗口期還開著的時候，做一點總比等一份完美的服務出現要好。