从工程师视角聊聊GEO：结构化数据才是AI引用的硬通货

最近看到社区里不少人在讨论GEO，但很多都停留在“内容为王”的层面。作为一个在深圳写代码的，我想从技术实现角度泼点冷水：没有正确的结构化数据，你的内容再好，AI也读不懂。

上个月我给公司官网做了一次彻底的GEO技术审计，说几个真实发现：

1. Schema.org标记不是可选项，是必选项

我们之前只有基础的Article标记，AI抓取时经常把作者、发布时间搞混。后来我手动补了@graph嵌套，把Organization、WebSite、BreadcrumbList、Person全部关联起来。用Google的Rich Results Test跑了一遍，错误从23个降到0。两周后，ChatGPT引用的摘要里终于带上了正确的公司名和作者信息。

2. 页面速度直接决定AI爬虫的抓取深度

我拿公司博客做了个AB测试：A组是默认配置，LCP 3.8s；B组我上了CDN+图片懒加载+关键CSS内联，LCP压到1.2s。用日志分析AI爬虫（GPTBot、ClaudeBot）的抓取记录，B组的平均抓取页面数比A组高47%，而且B组被引用的段落更完整。AI爬虫没耐心，加载慢它直接跳。

3. 内容分块要配合语义标签

很多人写文章喜欢用<div>堆砌，AI根本分不清哪段是结论、哪段是论据。我的做法是：每个核心观点用<section>包裹，配<h2>标题，关键数据用<data>标签标注。这样AI提取答案时，准确率明显提升。实测同一篇文章，优化后AI引用的段落与原文核心观点吻合度从62%提到了89%。

4. 别忽略llms.txt和robots.txt的AI爬虫规则

我见过有站点直接在robots.txt里把GPTBot全站屏蔽了，然后抱怨AI不引用。还有，llms.txt虽然还没成标准，但提前放一个精简版的内容索引，对AI理解站点结构有帮助。

踩过的坑：

• 一开始用JS动态渲染Schema，结果AI爬虫不执行JS，标记全丢。后来改成SSR才解决。
• 图片alt属性写得太随意，AI把配图当成了正文内容，引用时张冠李戴。

我的判断：
GEO的底层是技术基建。内容质量决定上限，但结构化数据和性能决定AI能不能“够得着”你的内容。现阶段，技术优化带来的边际收益远大于盲目堆内容。

你们在技术层面遇到过哪些AI爬虫的奇葩行为？比如不执行JS、忽略meta标签之类的，评论区聊聊，我看看能不能一起排查。