分享一个GEO技术细节：结构化数据没做对，AI爬虫根本读不懂你的页面

最近在帮公司落地GEO，踩了不少坑。今天说一个最容易被忽略但影响巨大的点：结构化数据。

先交代背景：我们做的是B2B SaaS，页面不算多，但内容更新频繁。之前SEO还行，但GEO效果一直上不去。AI搜索的曝光量卡在某个量级，怎么调内容都没用。

后来我用日志分析了一下AI爬虫的抓取行为，发现一个很诡异的现象：爬虫确实来了，也抓了页面，但很多页面在AI搜索结果里要么不出现，要么摘要乱七八糟。

排查了两周，最后定位到问题：我们的结构化数据几乎等于没做。

具体来说，有几个典型错误：

1. JSON-LD 只写了基础的 WebPage。产品页没有 Product schema，文章页没有 Article schema，FAQ 页没有 FAQPage schema。AI 爬虫虽然能读文本，但没法准确区分页面类型和核心实体。

1. 属性缺失严重。比如 Article 类型的页面，缺了 datePublished、author、headline 这些关键字段。爬虫不知道这篇文章什么时候发的、谁写的、重点是什么。

1. 嵌套结构混乱。我们有个页面把 Organization 和 Product 混在一个 @graph 里，但 @id 引用不清晰，导致解析出来一堆孤立节点。

1. 页面速度拖后腿。LCP 平均 4.2s，TTFB 800ms+。AI 爬虫的抓取预算有限，速度慢直接导致很多页面抓不完就放弃了。

改完之后，我对比了前后 30 天的数据：

• AI 搜索的曝光量涨了约 65%
• 摘要准确率（人工抽样 200 条）从 41% 提升到 78%
• 爬虫抓取深度从平均 2.1 层增加到 3.8 层

具体怎么改的？说几个关键操作：

第一，按页面类型补全 schema。
产品页用 Product + Offer，文章页用 Article + BreadcrumbList，FAQ 页用 FAQPage。每个字段都填满，别偷懒。

第二，统一 @id 命名规范。
我们定了一套 URI 规则，比如 https://example.com/#organization、https://example.com/article/xxx#article。这样爬虫能准确关联实体。

第三，做了个自动化校验脚本。
用 Python 的 extruct 库每周跑一次全站扫描，检查 JSON-LD 是否合规、必填字段是否缺失。有问题直接发到企业微信。

第四，性能优化。
上了 CDN，图片转 WebP，关键 CSS 内联，把 LCP 压到 1.8s 以内。TTFB 降到 200ms 左右。

说实话，GEO 这事很多人都在聊内容策略、聊工具，但底层技术没做好，内容再好也是白搭。结构化数据就是给 AI 爬虫看的“说明书”，你写得越清楚，它越能理解你的页面。

不过有个问题我一直没想明白：对于动态渲染的 SPA 页面，到底是用 SSR 还是动态渲染（Dynamic Rendering）对 AI 爬虫更友好？ 我测下来感觉 SSR 更稳，但改造成本高。有经验的朋友聊聊？