拆了20个GEO落地页，结构化数据这块90%的团队都写错了

最近帮公司做GEO审计，顺手抓了20个竞品的落地页，用Schema.org Validator跑了一遍，结果有点意外——90%的页面结构化数据都有问题，而且不是小毛病。

三种典型错误

1. 用了但没完全用
最常见的是只标记了Organization和WebSite，正文内容、FAQ、HowTo全没标。AI搜索抓取时，根本不知道你页面的核心实体是什么。我见过一个做SaaS的，首页只标了Organization，连Product都没标，结果AI回答里提到他们时，描述还是三年前的旧文案。

2. 标记和实际内容对不上
有个做跨境电商的站，FAQPage里写了8个问题，但页面上只显示了3个。这种不一致会被判定为作弊信号，轻则降权，重则直接忽略整页的结构化数据。我们内部测试过，这种“幽灵标记”的页面，在AI摘要里的引用率几乎为零。

3. 嵌套层级混乱
比如Article里嵌了BreadcrumbList，但BreadcrumbList又指向了错误的URL。这会导致AI无法正确理解页面在站点中的位置，直接影响它对你内容权威性的判断。

我的修复方案

我们现在的流程是三步：

• 第一步：用Screaming Frog抓全站，导出所有结构化数据，用Python脚本做字段比对，找出缺失和冲突。
• 第二步：按页面类型写模板。比如产品页用Product+Offer+AggregateRating，文章页用Article+Author+datePublished，FAQ页用FAQPage。
• 第三步：上线后每周跑一次Rich Results Test，监控报错数。

实测下来，结构化数据修正后，AI搜索的引用率提升了大概40%，页面停留时间也涨了15%。但要注意，结构化数据不是万能的，它只是让AI更准确地理解你，内容本身不行的话，标了也白标。

一个容易被忽略的点

很多人只关注JSON-LD，忽略了Microdata和RDFa。其实Google现在三种都支持，但JSON-LD是首选。如果你还在用Microdata，建议换成JSON-LD，维护成本低，也不容易和HTML混在一起出错。

还有，别用工具自动生成一堆没用的标记。我见过一个站，每个页面都标了20多个Schema类型，结果一半都是无关的，这种反而会稀释权重。

抛个问题

你们在GEO落地时，结构化数据这块是手动写还是用工具生成？有没有遇到过标记正确但AI还是抓不到的情况？我最近在排查一个case，页面所有标记都过了验证，但AI回答里就是不引用，怀疑是页面速度拖累了抓取频率——有类似经验的朋友吗？