A forma vo-lo é a combinação de dois pronomes pessoais:

— vos, pronome átono de 2.ª pessoa do plural com a função de complemento/objecto indirecto;

— o, pronome átono de 3.ª pessoa do singular com a função de complemento/objecto directo.

O mesmo acontece com nos e o, etc., que dão no-lo, etc.

A associação destes dois pronomes resulta em vo-lo, seguindo a regra de os pronomes átonos de 3.ª pessoa o(s) e a(s) assumirem a formas lo(s) e la(s) depois de palavras (normalmente verbos) que terminam em -r, -s, e -z. Note que tais palavras palavras perdem as referidas consoantes finais e pode ser-lhes acrescentado um acento na vogal da sílaba final se houver a necessidade de que esta é tónica: comer + o > «comê-lo»; pus + o > «pu-lo»; fiz + o > «fi-lo».

Esta regra remonta a uma outra regra mais antiga, aplicada sobretudo na Idade Média e consistindo numa assimilação nos contextos em que as formas de artigo e de pronome lo(s) e la(s) se mantinham depois das referidas consoantes: «comer lo» > comello > comê-lo. Esta assimilação verificava-se não só com verbos mas também depois de preposições (p. ex., "Tralosmontes") e pronomes (daí, vo-lo). Em galego, a regra medieval ainda se aplica de certo modo.