GEO・AEO・LLMO の違い完全ガイド — どう使い分けるか

エグゼクティブサマリ

• AEO ≈ LLMO はほぼ同義(Answer Engine / LLM が「出典・参照ソース」として何を選ぶかの最適化)。
• GEO はそれと別軸で、生成 AI が 回答本文を生成 する時に 企業名・サービス名として挙げてもらう ことに焦点。
• 起源も違う: AEO は SEO 旧来語(2015〜)、LLMO は 2023〜、GEO は 2024 年 Princeton 論文発祥の最新概念。
• 日本では GEO が主流。ただし観測モデル上は「GEO(本文での名前言及)」と「AEO ≈ LLMO(出典 URL 引用)」の 2 軸で別々に追うことに価値がある。
• 業界では 3 つを同義として混用することも多いが、本記事では 語源に忠実な整理 を採用する。

1. 3 つの用語の定義と起源

それぞれの言葉が「最適化対象として何を見ていたか」が違います。

AEO の出発点

2015 年頃、Google は検索結果ページの最上部に「直接の答え」を表示する Answer Box(後に Featured Snippet と呼ばれる)を本格展開しました。同じ頃 Alexa / Siri などの 音声検索 も普及し始め、「ユーザーは検索結果のリンクをクリックせず、答えだけを受け取る」という zero-click の流れが生まれます。

これに対応する施策が AEO です。FAQ 構造化(FAQPage schema)、簡潔な answer-first の本文構造、明確な見出し階層 — すべて「Google が answer box に切り出しやすい形式」に最適化することが目的でした。

LLMO の出発点

2022 年末の ChatGPT 公開以降、LLM(大規模言語モデル)が回答生成時にどの情報を採用するかが新たな問題になりました。LLM は基本的に学習データに含まれた情報を答えに使い、加えて RAG(Retrieval-Augmented Generation)で外部情報を取り込みます。

LLMO は「LLM の脳内 / 検索された情報源として選ばれる」ことを目指す概念で、海外の SEO カンファレンスで 2023 年頃から使われ始めました。

GEO の出発点

2024 年、Princeton 大学の研究者らが "Generative Engine Optimization" という論文を発表し、これが業界に強い影響を与えました。論文では「生成 AI 検索(Perplexity・Bing Chat・ChatGPT 等)で自社が引用される確率を高める方法」を統計的に検証しています。

「Generative Engine」という言葉が 検索エンジンの新しい形態を包括 する強さを持っていたため、GEO はあっという間に業界の主流用語になりました。

2. 何が同じか

3 つとも最終的に目指すゴールは同じです:

AI(生成 AI / LLM / 検索エンジン)から、自社の情報を「引用される」「採用される」「答えとして使われる」状態を作る。

打ち手として推奨される施策も大半が共通しています:

• 構造化データ(Schema.org) の実装
• FAQ 形式の本文 で「質問→答え」を明確に
• answer-first 構造(冒頭 200 字に結論を書く)
• llms.txt など AI クローラー向けの案内ファイル
• 権威性のシグナル(一次データ、出典明示、定期更新)
• 複数 AI プラットフォーム での観測と継続改善

つまり実務担当者から見れば、どの用語を使っても打ち手は同じです。

3. 微妙に違う焦点 — どこに目を向けるか

ニュアンスの違いを 1 行で言うと:

語源で対応関係を見るとシンプルです:

• Generative Engine = 自然言語で「回答そのものを生成」するエンジン。ChatGPT / Claude / Gemini が典型例で、回答本文の中で 企業名・商品名として言及 する。
• Answer Engine = 質問に対して「答え(と出典 URL)」を返すエンジン。Perplexity や Google の Answer Box が典型例で、出典 URL の選定が中心。

GEOメーター ではこの語源に従って 2 軸で観測します:

• AI 回答内の言及(AI が「名前として」挙げる)→ GEO 観点(Generative Engine 寄り)
• 引用元ドメイン ランキング(AI が「出典」として URL を提示)→ AEO ≈ LLMO 観点(Answer Engine / LLM のソース採用)

同じ Topic でも「名前で言及される企業」と「URL で引用される企業」はずれるため、両方追う価値があります。

4. 実務での使い分け

顧客・社内向け

「GEO」で統一するのが安全です。日本では GEO が主流で、最も新しく、最も包括的だからです。AEO と LLMO は「GEO に含まれる具体的な観点」として扱うのがスマート。

海外文献を読むとき

• AEO が出てきたら → SEO 業界の旧来文脈、Answer Box / Voice Search の議論。
• LLMO が出てきたら → LLM ベンダー(OpenAI / Anthropic 等)寄りの議論、training data や RAG の文脈。
• GEO が出てきたら → 最新研究 / 包括的議論。

観測指標を選ぶとき

GEOメーター が提供する 2 軸を意識すると、施策の優先度を決めやすくなります:

• 名前言及がゼロ(GEO 観点弱い)→ 生成 AI が回答本文に名前を含めていない状態。FAQ 構造化 / 一次データ発信 / PR で「名前を出す価値」を作る のが優先。
• URL 引用がゼロ(AEO ≈ LLMO 観点弱い)→ Answer Engine / LLM が出典として選びにくい状態。Schema.org / llms.txt / Wikipedia 立項 で「機械可読な出典」として整備するのが優先。
• 両方ゼロ → まず llms.txt 設置(GEOメーター 観測で +30pp の差が出る最重要施策)から着手し、両 Engine への入口を開ける。

5. よくある質問

Q. AEO はもう古い言葉ですか?

A. SEO 業界では現役ですが、生成 AI 時代の文脈では GEO のほうが包括的なので、新規記事では GEO を使う方が伝わりやすいです。

Q. LLMO と GEO の違いは?

A. LLMO は「LLM の脳内・training data に組み込まれる」に焦点、GEO は「生成 AI の 出力」に焦点。実務上はほぼ同義で、海外文献では LLMO、日本では GEO が多用される傾向です。

Q. 3 つを全部覚える必要はありますか?

A. GEO 1 つを覚えれば実務は回ります。AEO と LLMO は「文献で出てきた時に意味が分かる」程度で十分です。

Q. SEO は不要になりますか?

A. なりません。SEO で築いた権威性(被リンク / ドメインオーソリティ)は GEO にも転用できます。GEO は SEO の置き換えではなく、別軸の最適化と捉えるのが正確です。

6. まとめ

• 語源で見ると Generative Engine = GEO(回答本文の言及) と Answer Engine = AEO ≈ LLMO(出典 URL の選定) の 2 系統に分かれる。
• 実務では GEO で統一して呼ぶのが日本では主流。AEO ≈ LLMO は同じ概念の別表記。
• GEOメーター は 名前言及(GEO) と URL 引用(AEO ≈ LLMO) の 2 軸で観測し、両方の打ち手を提案する。両者はずれることがあり、片方だけ強いケースもある。
• 「llms.txt を整備する」「Schema.org を入れる」「FAQ 構造を作る」など、施策の方向性は 3 用語とも共通。用語に振り回されず、観測 → 改善のサイクルを回すことが本質。

関連リンク

• GEO とは? — 用語集の短い解説
• AEO とは? — 用語集の短い解説
• LLMO とは? — 用語集の短い解説
• GEO 基礎完全ガイド — GEO の全体像と日本市場の現状
• GEO 施策完全ガイド — 具体的な実装手順