测了30个站点发现：结构化数据没做对，GEO效果直接打六折

最近两个月我一直在折腾GEO，主要测结构化数据对AI搜索可见性的影响。先说结论：Schema.org标记的完整度，比页面加载速度对GEO的影响更大。

我选了30个同行业的站点（都是B2B SaaS），分成三组：A组完整标记（Organization + Product + FAQ + BreadcrumbList），B组只标了Organization，C组啥都没标。跑了六周，用同一套问题集在Perplexity、Kimi、豆包上查。结果A组被引用的概率是C组的2.3倍，B组只有C组的1.4倍。

重点是FAQPage这个类型。我一开始以为没用，后来发现AI搜索特别吃这个——它需要结构化的问答对来生成答案。有个站点在FAQ里加了“GEO和SEO的区别是什么”，结果这句话被三个引擎直接摘出来当答案用了，连语气都没改。

另一个坑是JSON-LD的嵌套。我试过把Product的offers直接平铺，AI识别率很低；改成Offer嵌套在Product里，识别率上来了。还有@id的引用关系，如果多个实体之间没有@id关联，AI很难拼出完整实体。

速度方面，我把LCP从3.2s压到1.8s，其他不变，引用率只涨了不到5%。但结构化数据补全后，同一个站点涨了40%多。所以我的判断是：GEO的技术底座是语义标记，不是性能优化。性能是基础门槛，标记才是杠杆。

现在还在测BreadcrumbList和SpeakableSpecification，后者对语音搜索可能有奇效。不过样本量还不够，等跑完再同步。

你们在做的站点，JSON-LD里@graph和@id用得多吗？有没有人试过把llms.txt和结构化数据结合？