GEO落地别整虚的，我拿Lighthouse跑分和Schema标记数据说点实在的

最近在社区里看到不少人在讨论GEO，但很多帖子都在聊内容策略、怎么写标题，技术层面的东西反而聊得少。作为一个写了六年多前端的，我忍不住想说两句：GEO的核心其实是技术，内容只是燃料，没有好的引擎照样跑不起来。

先交代背景。我在深圳一家做SaaS的公司，今年Q1开始负责官网的GEO优化。我们产品面向B端，之前SEO流量一直卡在瓶颈，老板听了几场GEO的分享会后要求我们“全面拥抱AI搜索”。我花了大概六周时间，把技术侧能做的都做了一遍，这里分享三个我认为最关键的技术点，每个都附上我们实测的数据。

1. 结构化数据不是“加上就行”，Schema的类型和嵌套方式直接影响AI抓取

我们官网原来只有基础的Organization和WebSite标记。我按产品页、文档页、FAQ页分别补了SoftwareApplication、TechArticle和FAQPage。这里有个坑：FAQPage的mainEntity数组里，每个Question的acceptedAnswer必须是完整的Answer对象，不能只写text。改完之后，用Google Rich Results Test验证通过率从62%提到了100%。

更关键的是，我们在测试中发现，AI摘要（比如Bing Chat和Perplexity）引用我们内容的频率，在结构化数据部署后两周内提升了约40%。当然这个数据样本不大，但趋势很明显。

2. 页面速度对GEO的影响比想象中大，尤其是LCP和TTFB

我用Lighthouse跑了全站，发现文档页的LCP中位数是4.2s，TTFB是1.8s。这个数据在传统SEO里已经算慢了，但我没想到GEO场景下更致命。

我的判断依据是：AI爬虫抓取页面时，如果响应时间过长，很可能直接放弃或只抓部分内容。我们做了几件事：把文档站从CSR改成SSG，上了CDN边缘缓存，图片全部转WebP并懒加载。改完后LCP降到1.1s，TTFB降到0.3s。

有意思的是，改版后一个月，我们在AI搜索里的被引用次数涨了大约2.3倍。我不敢说全是速度的功劳，但绝对有关系。

3. 语义化HTML和内容分块，比堆关键词有用得多

很多做GEO的人还在用SEO那套，往页面里塞关键词。但AI模型更看重内容的语义结构和可解析性。我们做了两件事：一是用article、section、aside等标签把内容分块，每个块有明确的heading层级；二是把长文档拆成独立的、语义完整的段落，每个段落配一个描述性的小标题。

实测下来，拆分成独立段落的内容，被AI摘要引用的概率是未拆分内容的3倍左右。这个数据来自我们自己的日志分析，样本量大概2000次AI爬虫访问。

最后说点踩坑的

别指望一夜之间见效。我们前两周数据几乎没动，第三周才开始有变化。另外，结构化数据别乱标，一旦标错导致Rich Results报错，反而会降低信任度。建议用Schema.org的验证工具反复检查。

好了，以上就是我在技术侧的一些实践。想问下社区里做GEO的朋友：你们有没有测过TTFB和AI爬虫抓取频率之间的相关性？我目前只有定性的观察，还没跑出统计显著的结果，想看看有没有人做过类似的实验。