拆了20个GEO排名靠前的页面，结构化数据才是核心变量

最近用两周时间，抓了某垂直行业里20个在AI搜索里排名靠前的页面，做了个简单的逆向分析。结论可能有点反直觉：内容质量差距其实不大，真正拉开差距的是技术层，尤其是结构化数据和页面速度。

先说数据。20个页面里，17个完整部署了 FAQPage 和 Article 的 schema，12个还额外加了 HowTo 和 BreadcrumbList。剩下3个没加结构化数据的页面，内容质量肉眼可见地高，但排名就是上不去。有个页面我对比了它和排名第一的页面，正文信息量几乎一样，但第一那个用 FAQPage 把用户高频问题拆成了12个 Q&A，AI 直接抓取的概率明显更高。

另一个关键变量是页面速度。我用 CrUX 和 Lighthouse 跑了一遍，排名前5的页面 LCP 全部在 2.5s 以内，CLS 基本为零。有个排名第6的页面，内容其实更扎实，但 LCP 干到了 4.8s，主线程阻塞严重。我怀疑 AI 爬虫在抓取时对渲染完成时间有隐性阈值，超了就降权。

再说个细节：那些排名靠前的页面，HTML 结构都特别干净。没有多余的 div 嵌套，语义化标签用得规范，<main> <article> <section> 层级清晰。我翻了一个页面的源码，整个 DOM 节点数控制在 800 以内，对比另一个没排上的，节点数飙到 3000+。这种差异在传统 SEO 里可能影响不大，但在 AI 搜索里，爬虫解析成本直接翻倍，抓取效率就下来了。

还有 sameAs 属性的使用。有7个页面在 Organization schema 里加了 sameAs 指向官方社交账号和维基百科条目，这种实体关联信号在 AI 搜索里权重可能比外链还高。我试过给自己负责的一个站加了 sameAs，两周后 AI 摘要里开始出现品牌名了，之前一直抓不到。

最后说个踩坑的：别用 JS 动态注入结构化数据。我一开始图省事，用 GTM 注入 JSON-LD，结果 AI 爬虫压根不执行 JS，白搞。必须服务端渲染，直接写在 HTML 里，这个坑我替你们踩过了。

现在我想问的是：你们有没有测过 speakable schema 在 AI 搜索里的实际效果？我加了之后暂时没看到明显变化，不确定是不是场景不对。