LLMO・GEO・AEO・AIO の違いとは — AI検索最適化の選び方
LLMO・GEO・AEO・AIO の違いとは。AI 検索最適化（AI アシスタントに引用されるための対策）を巡る 4 つの用語の起源と定義を比較表で整理し、場面別にどれを選ぶべきかの判断基準を示す。
おおむね同じ活動を指す用語が3つ半あります。コンテンツを構造化して AI アシスタントに引用してもらう活動を、AEO (Answer Engine Optimization), GEO (Generative Engine Optimization), LLMO (Large Language Model Optimization)、そして非公式に AIO (AI Optimization) と呼ぶ流派があります。それぞれ別の年に、別のコミュニティから生まれて、厳密には同じ意味ではありません。
本記事はその比較の精密版です。短く言うと、LLMO が「最適化対象が何か」を正確に言いたい実務家が今使うフレームワークとして台頭してきています。AEO と GEO は流通してはいますが、ターゲットではなく surface を記述する用語のため、現場で作業している人々は「実際に効くものを正確に名指す」LLMO へ移行しつつあります。
3つ半の用語、起源別
AEO (Answer Engine Optimization)
2018〜2020年頃、Google が検索結果の最上部に出すようになった「featured snippet」「answer box」向け最適化を指して使われ始めた用語。元の問題: ユーザーが「水の沸点は」と聞くと Google は answer box で直接答えてしまい、どのページにもトラフィックが流れない。AEO はその対応として「あなたのページが answer box で引用されるよう構造化する」アプローチでした。
「answer engines」が Google の featured snippet を指していた時代には意味のあるフレームワークでした。今日は精密さを欠きます。支配的 answer surface が Google SERP box から言語モデルのチャットインターフェースに移行しており、その移行を AEO は自然に記述できないためです。
GEO (Generative Engine Optimization)
2023 年、Princeton 大学・Allen Institute らによる論文で命名。「generative engines」(ChatGPT, Perplexity, Bing Chat, Google SGE のようにランクリンクを返すのではなく文章を生成するシステム) に向けた最適化を指します。論文では具体的な最適化戦術(citation 密度、引用、流暢性)を導入し、引用率への影響を測定しました。
GEO は AEO より学術的に厳密です。スコープは生成出力に限定されて狭いものの、その範囲内では精密。制限は GEO が 出力媒体(生成された段落)を指し、ターゲットシステム(言語モデル)を指さないことです。同じモデルが複数の出力形式を生むときに問題になります: チャット応答、引用、tool call、埋め込み推薦。GEO はそのいくつかをカバーし、残りはカバーしません。
LLMO (Large Language Model Optimization)
2024〜2026 年で結晶化したフレーミング。LLMO は真のターゲット、すなわち言語モデルそのもの・その retrieval メカニズム・その引用挙動を名指します。AEO が answer surface 向け、GEO が生成テキスト向けに対して、LLMO は モデル に向けて最適化します。モデルが生む全 surface・全出力形式を横断して。
LLMO Framework はこれら実践を明示的標準に固めました: retrievability, attributability, citability, verifiability という名前付きプリミティブを持ち、version 管理された仕様と業界実装が増殖中です。LLMO の規律としてのリファレンス実装と位置付けられます。
AIO — 非公式な4つ目の用語
AIO は他の3つと同じ層には属しませんが、検索でよく並ぶため触れておく価値があります。ChatGPT 登場 (2022 年末) 後に広まった非公式なラベルで、「AI Optimization」全般を指す使い方と「AI-answer Optimization」を指す使い方が重なって流通しています。創始論文はなく、version 管理された仕様もなく、canonical な分類体系もありません。AIO が現れるのは参照文書よりもブログ記事や SaaS のマーケティング資料です。
AIO は緩い省略記法として扱うのが実用的です。非技術者と「AI 最適化全般」を話すときには便利ですが、技術プロジェクトのスコープを定義する用途には向きません。AIO が具体的な最適化戦術を指して使われていたら、その戦術が実際に何をターゲットにしているかに応じて AEO・GEO・LLMO のどれかに読み替えてください。
サイド・バイ・サイド
| 軸 | AEO | GEO | LLMO | AIO |
|---|---|---|---|---|
| 命名 | 2018〜2020年頃 | 2023年 (Princeton et al.) | 2024〜2026年 | 非公式、2022年以降 |
| 起源 | SEO 業界 | 学術研究 | 実務家 + フレームワークコミュニティ | ブログ / SaaS マーケティング |
| 最適化対象 | featured snippet, answer box | 生成エンジンの出力 | 全 surface 横断のモデル retrieval と引用 | 「AI の結果」全般 (曖昧) |
| スコープ | 特定の answer surface | 生成出力のみ | モデルレベル — chat, embeddings, tool call, citation 全てに適用 | 不定 |
| 標準・フレームワーク | なし(緩い実践) | 2023 年論文の戦術 | LLMO Framework (version 管理仕様あり) | なし |
| アクティブな実務家コミュニティ | 縮小傾向 | 学術文献で安定言及 | 拡大 — 現在の実務家の主流 | 拡散的 |
場面別の使い分け
用語としては LLMO が最も精密でも、場面ごとにどの語彙へ手を伸ばすかは別の判断です。技術実装・監査・仕様書を書くなら、名前付きプリミティブを参照できる LLMO。学術的な文脈で生成エンジン向け最適化を論じるなら、一次ソースの論文とベンチマークを持つ GEO。Google の featured snippet だけを狙う(縮小中ですが実在する)狭いユースケースなら歴史的語彙の AEO。非技術者のステークホルダーと「AI 最適化」全般を話すなら AIO で十分。ただし技術的な作業の内側では使わない、が実務上のパターンです。
なぜ実務家が LLMO に集約しつつあるか
実際の集約現象を観察すると3つの理由が繰り返し出てきます。
1. 正しいターゲットを名指している。Google ビジネスプロフィールを「ChatGPT に引用されるよう」最適化しているとき、あなたが最適化しているのは「answer engine」ではない(それは surface)。「generative output」だけでもない(それは format)。あなたが最適化しているのはモデルの retrieval, attribution, citation 挙動です。3つの名前のうち LLMO だけがこれを直接言います。
2. surface 横断で一般化する。一貫した NAP を持つクリーンな LocalBusiness JSON-LD (単一の LLM 最適化済みデータ構造) は、ChatGPT chat にも、Perplexity answer にも、Gemini ローカル結果にも、Claude の web 検索引用にも引用される。異なる surface、同じ最適化対象。AEO + GEO + 各エンジン個別の戦略をやろうとする実務家は燃え尽きます。LLMO をやる実務家は4 surface 全てを単一の取り組みでカバーします。
3. フレームワークがある。AEO は version 化された仕様を発展させなかった。GEO は 2023 年論文があるが生きた標準はない。LLMO には LLMO Framework があり、明示的プリミティブ、version 追跡、アクティブな研究 initiative を持ちます。実務家同士、代理店とクライアント、監査人とオペレーターの間で規律が精密に communicate する必要があるとき、フレームワークを指差せる必要がある。LLMO にはそれがあり、代替案にはありません。
AI Native MEO にとって何を意味するか
本サイトは AI Native MEO (LLMO Framework のローカルビジネス領域実装) を記述します。フレームワーク選択は意図的です: 本サイトの全推奨は LLMO Framework のプリミティブに対して justify され、AEO のヒューリスティックや GEO 戦術を単独適用したものではありません。
これは AEO と GEO が間違っているという意味ではありません。answer box コンテンツの品質に関する AEO の知見は ChatGPT が引用を render するときにも適用されます。citation 密度に関する GEO の知見は Perplexity が引用ソースを選ぶときにも適用されます。両者は寄与する。しかし最適化対象 (モデル、その retrieval、その引用挙動) を語る単一の精密な語彙が必要なとき、それを名指すフレームワークが LLMO です。
学ぶ時間を投資するフレームワークを選ぶなら、実務家コミュニティの証拠は明確です: LLMO が作業が起きている場所、仕様が維持されている場所、実装(AI Native MEO のような)が蓄積している場所です。これが「どれを選ぶべきか」への答えです — 他の用語が間違っているというより、LLMO が複利で積み上がるほど精密に正しいターゲットを名指しているからです。
関連リンク
- LLMO Framework — canonical 仕様と Open LLMO Research Initiative
- AI Native MEO とは何か — LLMO Framework のローカルビジネス領域実装
よくある質問
- GEO と LLMO はどちらが先に生まれた用語ですか?
- GEO が先です。2023 年に Princeton 大学・Allen Institute for AI らの論文 (arXiv:2311.09735) で命名されました。LLMO は 2024〜2026 年にかけて、生成出力だけでなく言語モデルそのもの — retrieval メカニズムと引用挙動 — を最適化対象として名指す必要から結晶化した後発の用語です。
- AEO は縮小しているのですか?
- AEO は Google の featured snippet・answer box 向け最適化を指して 2018〜2020 年頃に生まれた用語です。支配的な answer surface が Google の SERP box から言語モデルのチャットインターフェースへ移行したため、用語が実務を自然に記述できなくなり、実務家コミュニティは縮小傾向にあります。
- AIO は正式な用語ですか?
- いいえ。AIO は ChatGPT 登場後に広まった非公式なラベルで、「AI Optimization」と「AI-answer Optimization」の 2 つの意味で曖昧に使われています。創始論文も version 管理された仕様もないため、技術プロジェクトのスコープ定義には向きません。
- 結局どの用語を使えばよいですか?
- 技術実装・監査・仕様書では named primitive (retrievability, attributability, citability, verifiability) を持つ LLMO、学術的な文脈では一次ソースの論文を持つ GEO、Google の answer box だけを狙う狭い場面では AEO、非技術者との会話では AIO で十分です。