拆了12个GEO排名靠前的页面，发现结构化数据都做得很细

最近在搞一个GEO项目，用Python爬了某AI搜索里12个排名靠前的页面，主要看它们的技术实现细节。结果有点意外：这些页面在结构化数据上的投入，比我想象中重得多。

先说结论：GEO的底层还是技术，结构化数据不是可选项，是必选项。

具体观察

1. JSON-LD覆盖率100%

12个页面全部用了JSON-LD，没有用Microdata的。而且不是只加个Article就完事，平均每个页面有3.2种schema类型。最多的一个页面加了7种：Article、FAQPage、HowTo、BreadcrumbList、Organization、WebSite、Person。

1. FAQPage出现频率最高

12个里有9个做了FAQPage，而且问题不是随便写的。我对比了AI回答里引用的片段，有7个页面的FAQ问题和AI引用内容高度重合。这说明FAQPage的Q&A结构，很可能被AI优先抓取。

1. 页面速度差距明显

用Lighthouse跑了一遍，这12个页面的移动端性能分平均82，而我自己项目之前只有54。重点看了下，它们普遍做了这几件事：

• 图片全部WebP，首屏图片预加载
• JS延迟加载，非关键CSS内联
• TTFB控制在200ms以内

我把自己项目优化到78分后，AI引用次数两周内从3次涨到11次。样本小，但趋势挺明显。

1. 语义化HTML很干净

这些页面几乎不用div堆砌，h1-h3层级清晰，article、section、nav标签用得规范。有一个页面甚至给每个段落加了itemprop="text"。

踩过的坑

• 别用JS动态注入结构化数据：我一开始用React Helmet在客户端注入JSON-LD，结果AI爬虫根本抓不到。改成SSR直出后，第二天就被引用了。
• FAQPage别硬凑问题：我试过堆20个无关问题，结果被判定为垃圾结构化数据，排名反而掉了。
• 页面速度是门槛：性能分低于60的页面，结构化数据做得再好也很难被引用。AI搜索对加载速度的容忍度比传统搜索低。

我的判断

GEO现在被很多内容团队当成“写文章+堆关键词”的事，但技术底子不行，内容再好也白搭。结构化数据、页面速度、语义化HTML，这三个是地基。

你们在做的GEO项目里，结构化数据一般加几种schema？有没有遇到过加了反而没效果的情况？