用Lighthouse测了20个GEO落地页，发现结构化数据不是重点，这个指标才是

最近在优化我们公司几个落地页的GEO表现，用Lighthouse跑了20个页面，包括竞品的。本来以为结构化数据（Schema.org）是核心，结果数据打脸了。

先说我怎么测的：每个页面跑3次Lighthouse（移动端，模拟4G），取中位数。主要看Performance、SEO、Best Practices三个维度的分数，同时用Rich Results Test检查结构化数据覆盖率。

结果很有意思：

1. 结构化数据覆盖率和GEO排名相关性很弱。20个页面里，有12个完整部署了FAQ、Product、BreadcrumbList等Schema，但其中7个在AI搜索里的引用率还不如只部署了基础Schema的页面。有个竞品页面连Organization都没写全，但AI摘要里引用了它3次。

1. LCP和TBT才是关键。我拉了个简单的相关性：LCP小于2.5s的页面，被AI搜索引用的概率是LCP大于4s页面的2.3倍。TBT小于200ms的页面，引用率也明显更高。原因可能是AI爬虫在抓取时对渲染速度有隐性阈值，太慢的直接跳过或者只抓部分内容。

1. 一个反常识发现：内容长度和引用率不是线性关系。有个页面只有400字，但LCP 1.8s，被引用了5次；另一个页面3000字，LCP 5.2s，一次都没被引用。AI似乎更倾向抓取加载快、结构清晰的短内容。

1. TTFB的影响被低估了。我对比了同机房和跨机房的页面，TTFB从200ms涨到800ms后，AI爬虫的抓取频次下降了60%左右。这个数据样本不大，但趋势很明显。

基于这些，我现在的优化顺序是：先压LCP和TBT（图片懒加载、CDN、字体子集化），再搞TTFB（边缘计算、缓存策略），最后才补结构化数据。结构化数据有用，但优先级没想象中高。

踩过的坑：一开始用PageSpeed Insights的API批量跑，发现结果波动很大，后来固定用Lighthouse CLI + 本地Chrome，控制变量才稳定。另外移动端和桌面端差距很大，建议以移动端为准，毕竟AI爬虫模拟的多半是移动UA。

现在有个问题没想明白：AI爬虫的抓取频率和页面更新频率之间有没有关系？我观察到一个页面每周更新一次，抓取频次比每天更新的还高，怀疑跟内容质量评分有关。有类似经验的朋友吗？