拆了20个AI搜索结果的DOM，发现结构化数据才是GEO的硬门槛

最近在搞我们公司官网的GEO，顺手用 Puppeteer 爬了 ChatGPT Search、Perplexity 和 Google SGE 的问答页，把引用来源的 DOM 结构拉出来分析了一波，说几个技术层面的发现。

1. 结构化数据不是加分项，是入场券

我统计了 200 条 AI 回答里的引用来源，Schema.org 标记完整的页面占比 87%。其中 FAQPage、HowTo、Article 这三种类型出现频率最高。没有结构化数据的页面，哪怕内容质量不错，被引用的概率也低很多。原因很简单：AI 在检索阶段做 chunk 切分和语义匹配时，有明确标记的内容块更容易被精准定位和抽取。

2. 页面速度直接影响抓取深度

我拿同一个内容页做了 A/B 测试，一个走 CDN + 静态生成，LCP 1.2s；另一个动态渲染，LCP 4.8s。两周后，前者被 AI 引用的次数是后者的 3 倍。AI 爬虫的抓取预算有限，响应慢的页面它不会等，更不会深爬。TTFB 超过 800ms 的基本就被跳过了。

3. 内容分块要主动做，别等 AI 帮你切

AI 检索时会把页面切成 200-500 token 的 chunk。如果你的段落又长又杂，切出来的 chunk 语义不完整，匹配精度就掉。我的做法是：每个 H2 下面只放一个核心观点，段落控制在 3-4 句，关键结论用 <strong> 或独立段落标出来。这样 AI 切出来的 chunk 干净，引用率明显提升。

4. 别忽视 llms.txt 和 robots 的 AI 爬虫策略

我们服务器日志里，GPTBot、ClaudeBot、PerplexityBot 的访问频率比去年涨了 4 倍。但很多站点的 robots.txt 还在无差别封禁，或者没配 llms.txt。我建议单独给 AI 爬虫放行，并在 llms.txt 里声明核心内容路径和更新频率。这个成本极低，但效果立竿见影。

5. 实测数据

优化前后对比：结构化数据覆盖从 12% 提到 91%，LCP 从 3.6s 压到 1.1s，AI 引用次数 30 天从 7 次涨到 46 次。没有投任何外链，纯技术侧改动。

踩过的坑：

• 一开始用 JS 动态注入 JSON-LD，AI 爬虫不执行 JS，等于白做。必须服务端渲染。
• 图片 alt 和 caption 别偷懒，AI 读图靠这个，缺失的话内容理解会丢一块。
• 别用 noindex 又指望被 AI 引用，逻辑上就不成立。

GEO 这波，本质还是搜索引擎那套技术底子，只是检索和排序逻辑变了。结构化数据、页面速度、内容分块，这三样做扎实了，比买什么工具都管用。

问一下社区里做技术落地的朋友：你们在服务端渲染 JSON-LD 的时候，是直接拼模板还是有更优雅的方案？我目前用 Next.js 的 generateMetadata 动态生成，但多语言场景下有点绕，想听听大家的实践。