拆解了20个AI搜索引用案例，我发现结构化数据才是GEO的命门

最近手上项目告一段落，花了两周时间扒了20多个被AI搜索（Perplexity、Kimi、豆包）实际引用过的页面，做了个简单的归因分析。结论比我预想的要清晰——结构化数据的影响权重，远高于大部分人在讨论的内容质量本身。

先说背景。我们团队从去年Q4开始做GEO相关的监测，主要看三个指标：被引用频次、引用位置（正文/摘要/来源列表）、以及引用片段和原文的重合度。一开始我也以为内容深度是核心变量，但数据打脸了。

几个具体的观察：

1. Schema.org标记完整的页面，被引概率高约2.3倍

样本里11个带完整FAQPage + Article标记的页面，有8个被至少一个AI搜索引擎引用过。对照组9个纯文本页面，只有2个被引用。这个差距不是内容质量能解释的，因为两组内容深度差不多。

1. 引用片段高度依赖结构化字段

我对比了被引用的具体段落，发现AI优先抓取的往往是FAQPage里的acceptedAnswer，或者Article里的description字段。也就是说，你在正文里写得再精彩，如果没在结构化数据里做映射，AI可能根本读不到那段。

1. 页面速度是隐性门槛

这个有点反直觉。我测了一下TTFB和LCP，被引用页面的LCP中位数是1.8s，未被引用的中位数是3.4s。样本量不大，但趋势明显。推测是AI爬虫的抓取预算有限，慢页面直接进不了索引池。

1. sameAs和实体关联被严重低估

有几个页面之所以被引用，是因为Organization和Person实体做了sameAs关联到维基和官方账号。AI在判断信源权威性时，这个信号权重很高。很多做GEO的完全没管这块。

踩过的坑：

一开始我用JSON-LD做了全套标记，但@type用错了几个，导致Google Rich Results测试报错，AI那边也识别不到。后来才发现Article和BlogPosting在不同场景下识别策略不一样，得按内容类型选。

还有个坑是FAQPage不能滥用，Google现在对非问答类内容强行标记FAQ会降权，AI侧虽然没那么严，但也会影响实体识别准确度。

我的判断：

GEO的核心还是技术活。内容质量是入场券，但结构化数据和页面性能才是决定能不能被AI“看见”的关键。现在社区里讨论GEO的，大部分在聊内容策略和分发渠道，技术侧的东西讲得太少。

抛个问题：
大家在做GEO的时候，有没有测过自己页面的@type选择对AI引用率的具体影响？我现在在纠结Article和TechArticle在技术类内容里哪个引用率更高，有实测数据的朋友欢迎交流。