拆了20个AI搜索结果的引用来源，结构化数据才是GEO的命门

最近用搜极星跑了几个case，发现一个规律：AI搜索（Perplexity、Bing Chat、Google SGE）抓取的内容，超过70%来自有完整Schema.org标记的页面。我手动拆了20个被引用的页面，分享几个技术细节。

1. FAQPage + HowTo 是基础中的基础

很多站点连基础的FAQPage都没加。我测了一个客户站，只加了FAQPage，两周后AI引用率从3%涨到11%。但注意：FAQ的Q&A必须和页面正文对应，不能JS动态注入——AI爬虫不执行JS。

2. 页面速度直接影响抓取频次

LCP超过2.5s的页面，AI爬虫的抓取频次下降约40%。我用Cloudflare Workers做了边缘缓存，把TTFB压到80ms以内，同一页面的引用次数翻倍。别迷信CDN，要具体看AI爬虫的User-Agent有没有被缓存规则命中。

3. 结构化数据不是加完就完事

关键在实体关联。比如Product页面要关联Brand和AggregateRating，Article要关联Author和Publisher。我见过一个站，Schema加了一堆但没做@id关联，AI直接忽略。用Google Rich Results Test测，但别全信——AI搜索的解析器更严格。

4. 内容分块比长文更有效

AI搜索倾向于引用200-300字的独立段落。我把一篇3000字的指南拆成12个H2+短段落，每个段落配一个明确的结论句，引用量涨了3倍。别写那种“首先其次最后”的八股文。

5. 监控方案

我写了个脚本，每天抓取搜极星的AI引用报告，对比自己站的Schema覆盖率。发现一个反直觉的点：加了Schema的页面，即使排名没变，AI引用率也有提升——因为AI搜索和传统排名是两套逻辑。

踩坑提醒：别用JSON-LD生成器批量生成，很多生成器会输出重复的@type或者缺少必填字段，AI直接判为垃圾。手写+验证，虽然慢但有效。

你们有没有测过不同Schema类型对AI引用的权重？我目前感觉FAQPage > HowTo > Article，但样本还不够。