实测了下结构化数据对AI引用的影响，说几个反直觉的发现

最近拿手上一个项目做了组A/B测试，主要验证结构化数据到底对GEO有没有实际作用。说几个结果，可能和很多人想的不太一样。

测试设计

选了一个B2B产品站，内容量大概200篇左右。分两组：

• A组：保持原样，只有基础的title/description
• B组：全部加上Article + FAQPage + HowTo三类schema

跑了6周，每周用同一批50个query去测ChatGPT、Perplexity、Kimi的引用情况。

几个发现

1. FAQPage的引用提升最明显，但不是你想的那种

B组被引用的次数比A组高了约40%，但这个增量几乎全部来自FAQPage。Article和HowTo的贡献很小，HowTo甚至有点负向——我怀疑是内容本身就不适合步骤化，硬套schema反而让AI觉得内容空。

2. 页面速度的影响被低估了

测试中我顺手把B组里10篇文章做了LCP优化（从3.2s降到1.4s），这10篇的引用率比B组其他文章又高了15%左右。样本小，但方向很一致。

3. 结构化数据不改变“能不能被引用”，只改变“被引用的概率”

A组里内容质量高的文章照样被引用，B组里内容水的那几篇加了schema也没用。schema更像是给AI一个置信度信号，不是入场券。

一个坑

JSON-LD里dateModified如果乱填（比如批量改成当前时间），AI反而会降低信任度。我对比过，老老实实按真实更新时间填的，引用稳定性更好。

目前的做法

现在给内容团队定的规范是：

• 只加Article + FAQPage，不硬凑HowTo
• FAQ部分必须真有人问过，不能编
• dateModified按git提交时间自动生成
• LCP控制在1.5s以内

工具方面用Schema.org的validator过一遍，别信CMS插件生成的默认值。

想问问大家：你们测过schema对AI搜索的实际影响吗？特别是FAQPage这块，有没有人做过更大样本的验证？