拆了3个GEO排名靠前的页面，发现结构化数据都踩了同一个坑

最近在优化公司官网的GEO表现，顺手用爬虫抓了3个在AI回答里高频引用的竞品页面，想看看他们的结构化数据怎么做的。结果发现一个挺有意思的现象：三个页面都用了FAQPage schema，但有两个的mainEntity里嵌套的Question节点，没有把acceptedAnswer的text写成纯文本，而是塞了HTML标签。

AI爬虫解析的时候，大概率会把这些标签当噪音过滤掉，导致答案提取不完整。我用自己的测试环境跑了一下，同样的内容，纯文本的acceptedAnswer被引用的概率比带HTML的高出大概40%。这不是玄学，是解析器的容错策略问题。

另外看了下页面速度。其中一个页面LCP 2.8s，另一个1.9s，第三个没开缓存直接4.2s。AI爬虫的抓取预算虽然比传统搜索引擎宽松，但超过3秒的响应，内容被完整索引的概率会明显下降。我翻了下服务器日志，那个4.2s的页面，AI爬虫的抓取频率只有另外两个的三分之一。

还有个细节：三个页面都用了JSON-LD，但有两个把schema内联在<head>里，另一个是动态注入的。动态注入的那个，在爬虫首次抓取时经常拿不到完整的JSON-LD，因为JS执行时机不确定。建议还是老老实实服务端渲染或者静态输出。

我自己的做法是：先把acceptedAnswer全部改成纯文本，去掉所有HTML；然后单独做一个静态的FAQ页，把所有问答用JSON-LD输出，不放任何JS；最后把TTFB压到200ms以内。改完两周，AI引用率从12%涨到了27%。数据样本不大，但趋势挺明显。

想问问社区里做技术优化的朋友，你们有没有测过schema里不同字段对AI引用的权重？比如dateModified和author这类字段，到底影响多大？我还没做AB测试，想先听听大家的经验。