结构化数据埋了三个月，AI引用率涨了0.8个点，值不值

上周把内容页的 Schema.org 全量重写了一遍，想聊聊这个过程里几个卡点。

先说背景。我们内容站 2300 多个页面，之前只有基础的 Article 标记，json-ld 是模板里硬拼的字符串，字段缺一半。三个月前开始系统性重构，目标是让 AI 搜索能准确抓 entity。

具体做了什么：

第一，抽掉模板拼接，改成后端统一序列化。之前有个坑，字符串拼接导致部分页面引号转义错了，json-ld 直接解析失败，但前端不报错，Google Rich Results 测试工具才看得出来。受影响的页面大概 340 个，AI 那边根本读不到结构化数据。

第二，补 sameAs 和 author 的 entity 关联。这个是我认为对 GEO 影响最直接的字段。把作者信息指向了统一的 Person 节点，带 jobTitle、affiliation、knowsAbout。改完之后，AI 引用时开始带作者署名了，之前是裸引用。

第三，dateModified 改成真实回填，不是模板渲染时间。之前所有页面 dateModified 都等于当天，AI 大概率判定内容时效性不可信。

结果数据：

用同一批 200 条 query 做监测，AI 引用率从 3.1% 到 3.9%，涨了 0.8 个点。页面速度这边，因为 json-ld 内联体积从平均 8.2KB 降到 4.7KB，LCP 中位数没明显变化（本来就在 2.1s 左右），但 DOM 解析时间降了约 60ms。

我的判断：

结构化数据对 GEO 是必要不充分。0.8 个点不算爆发，但它解决的是「AI 能不能准确理解你是谁」的问题。没这个基础，后面内容优化都是浮沙。

现在卡在一个点上：@graph 里多个 entity 的引用顺序，会不会影响 AI 的实体消歧优先级？我测了两版，样本量还不够，暂时看不出显著差异。

有没有人做过 @graph 节点顺序的 A/B？想看看你们的数据。