拆了30个GEO案例，发现技术底子决定优化上限

最近把公司内部积累的30个GEO案例拆了一遍，越拆越觉得，GEO的胜负手根本不在内容量，而在技术底子。

先说结构化数据。很多团队内容写得不错，但页面连基础的 Schema 都没加，AI 爬虫抓取时直接懵。我实测过，同一个产品页，加了 Product + FAQ 结构化数据后，在 AI 搜索里的引用率从 12% 提到 31%。具体做法是用 JSON-LD 标注核心实体，重点把 @type、name、description、offers 这几个字段写全，别偷懒用微数据。

再说页面速度。别以为 GEO 只看内容，LCP 超过 2.5 秒的页面，AI 爬虫抓取频次直接掉一半。我们有个客户，把首屏图片换成 WebP、开了 CDN 边缘缓存后，TTFB 从 800ms 降到 120ms，同一篇内容的 AI 引用量两周内涨了 2 倍。

第三个是 HTML 语义化。很多站点用 div 堆出来的“伪标题”，AI 根本识别不了层级。正确的做法是用 h1-h3 明确结构，关键段落加 <strong> 或 <em> 强调，但别滥用。我见过一个案例，把 FAQ 部分从 div 改成 <dl> 定义列表，AI 摘要的准确率提升了 40%。

最后说个踩坑点：别盲目上 SSR。有些团队为了速度把所有页面改成服务端渲染，结果动态参数没处理好，AI 抓到的全是空模板。正确姿势是先用 curl 模拟 AI 爬虫 UA，看返回的 HTML 里有没有实质内容，再决定要不要改渲染方式。

总之，GEO 优化先修内功，别急着堆内容。你们在结构化数据上踩过哪些坑？