结构化数据到底怎么选？我实测了JSON-LD和微格式的差异

最近在调一个客户的GEO方案，发现很多人对结构化数据的选择很随意，导致AI搜索的识别率差异巨大。刚好我手头有两个案例，都是做智能家居的，一个用了JSON-LD，另一个用了微格式（Microdata），数据量差不多，但效果天差地别。

先说JSON-LD那个，部署后两周内，在Perplexity和Google AI Overviews里的品牌提及量提升约35%，而且回答基本是照着我们的FAQ内容展开的。另一个用微格式的，虽然传统SEO的富媒体摘要没问题，但在AI搜索里几乎没被引用。

我分析了下，核心差异在于上下文关联和实体构建。JSON-LD可以清晰定义@context和@type，把产品、品牌、价格、评价等实体关系完整映射，AI模型解析时能直接构建知识图谱。而微格式依赖HTML属性，语义表达受限，尤其当页面结构复杂或动态渲染时，爬虫或AI解析器容易漏抓或错抓。

另外，实测发现页面速度也是关键。AI搜索的爬虫对加载时间很敏感，我们用Lighthouse优化了首屏渲染，并给JSON-LD脚本加了defer，确保不影响FCP和LCP。最终Core Web Vitals全绿，这可能是另一个加分项。

不过，也不是说微格式没用，如果站点高度静态且用传统CMS，微格式可能更简单。但若要面向AI搜索长期布局，我建议优先考虑JSON-LD，且要避免无效嵌套和重复定义，最好用Schema.org的Product或FAQPage类型。

你们在实战中有没有对比过不同结构化数据格式对AI搜索的影响？或者有没有遇到AI解析时忽略结构化数据的情况？想看看大家的解法。