别只盯着内容，GEO的胜负手在结构化数据和LCP

最近在社区里看到不少讨论GEO的帖子，都在讲内容策略、关键词覆盖、AI引用率。这些当然重要，但我发现很多人忽略了一个前提：你的页面得先能被AI爬虫高效解析和渲染，否则内容再好也白搭。

我拿我们公司官网做了个实验。同样的内容，一版是纯HTML语义化标签，一版是div堆砌+JS动态渲染，其他条件一样。跑了两周，结构化数据完整的版本在AI搜索摘要里的出现频率高了近40%。下面说几个我觉得最关键的实操点。

1. 结构化数据不是锦上添花，是入场券

很多人以为Schema.org标记就是加个Article了事。但你想想，AI要理解你的页面，它需要明确的实体关系。我现在的做法是：

• 用@graph把Organization、WebSite、BreadcrumbList、Article串起来，明确告诉爬虫“谁发的、什么类型、在网站什么位置”
• FAQPage和HowTo标记一定要加，这两种格式在AI摘要里被引用的概率极高
• 别用JSON-LD动态注入，直接写在HTML里，减少渲染依赖

我测过，用@graph的页面，Google的Rich Results测试通过率100%，而之前单独标记的经常报孤立实体警告。

2. LCP和TTFB直接决定AI爬虫的抓取深度

AI爬虫不像传统爬虫那么有耐心。我们之前TTFB平均800ms，AI爬虫基本只抓首页就跑了。后来我把CDN换成边缘节点，TTFB压到200ms以内，LCP从3.2s降到1.4s，结果AI爬虫的抓取页面数翻了3倍。

具体做法：

• 静态资源全部上CDN，HTML走边缘缓存，Cache-Control设public, max-age=60, stale-while-revalidate=300
• 首屏关键CSS内联，非关键JS加defer或async
• 图片用AVIF/WebP，加loading="lazy"，但首屏图千万别懒加载

这些不是SEO老生常谈，对GEO同样成立——AI爬虫的抓取预算和渲染能力比Googlebot还保守。

3. 语义化HTML比想象中重要

以前我喜欢用<div class="article-title">，现在全换成<h1>到<h3>，段落用<p>，列表用<ul>/<ol>。为什么？因为AI模型解析DOM时，语义标签能直接给出内容层级，减少猜测成本。

我对比过，语义化改造后，同一篇文章被AI摘要引用的段落数量从2段提升到5段。

4. 踩过的坑

• 别用display:none藏内容，AI爬虫会直接跳过
• noscript里的内容现在基本不被渲染，别指望
• 结构化数据里的URL一定要和canonical一致，否则实体对不上

最后抛个问题：你们在测GEO效果时，有没有单独监控过AI爬虫的抓取日志？我目前用服务器日志过滤GPTBot和ClaudeBot的UA，发现它们的抓取频率和页面TTFB强相关。你们是怎么追踪这块的？