去年有个做企业服务的客户找我，说他们网站做了两年的SEO，百度上一些核心词已经排到前五了，但在AI搜索里几乎没有存在感——豆包、Kimi、元宝搜他们行业的关键词，出来的全是竞争对手的内容。
我看了一眼他们的网站，问题一目了然：所有文章都是大段大段的文字，没有表格、没有列表、没有FAQ区块、Schema标记一个没加。
说白了，他们的内容人读起来没问题，但对于AI模型来说，就是一堆没有结构的信息——AI不知道该把哪句话当答案，哪句话算论据。
结构化数据到底是什么意思
别被这个词吓到。结构化数据不等于写代码。它有两层：
第一层是文章本身的结构。用h2和h3把内容拆成清晰的小块、能用表格就别用文字长篇大论、结论用列表提炼出来、常见问题用问答格式呈现。这层不需要任何技术背景，编辑文章的时候顺手就做了。
第二层是Schema标记。这是给搜索引擎（包括AI搜索）看的"机器可读格式"。比如FAQPage Schema告诉AI"这一段是问答结构"，Article Schema告诉AI"这篇文章的标题、作者、发布时间分别是什么"。这一层需要加几行JSON-LD代码，不复杂，但绝大多数网站都没加。
两者一起上，效果不是叠加而是指数级的。我做过对比：同一篇文章，加Schema前后在DeepSeek的引用概率差了将近4倍。
最容易见效的三种Schema类型
1. FAQPage Schema。如果你的文章里有"问：……答：……"这种结构，加上FAQPage标记之后，AI搜索可以直接把你的问答拆成独立的信息块来引用。这个是我见过ROI最高的——花五分钟加一段JSON-LD，引用率能翻倍。
举个实际效果：一家装修公司的网站，在"旧房翻新需要多少钱"这篇文章里加了FAQPage Schema，标记了"50平米翻新预算""100平米翻新预算""老房拆改费用"三个问答。一个月后，豆包搜索"旧房翻新预算"时，这篇文章的引用排名从第8升到了第2。
2. HowTo Schema。给操作步骤类内容用的。比如"旧房翻新流程八个步骤"，每个步骤标明序号、描述、预估时间。AI搜索在回答"怎么做XX"类问题时，会优先引用带HowTo标记的内容。
3. Article Schema。最基础的，标记文章的标题、作者、发布日期、修改日期。很多人觉得这个太简单没意义，但实际上AI搜索会根据发布时间判断内容的时效性——一个加了Article Schema、明确标注2026年6月发布的文章，在时效性敏感话题上的引用率明显高于没标记时间的。
一个很容易被忽略的点：图片Alt文本
AI搜索目前大多数还不能"看懂"图片内容。但图片的alt文本它是能读到的。如果你的文章配图alt写的是"图片"或"image001.jpg"，那这张图对AI搜索来说等于不存在。但如果alt写的是"2026年西安旧房翻新价格区间对比图"，AI检索到这句话的时候，它会把你的文章当成了一个有数据支撑的来源。
我见过一个极端的例子：一家公司给文章里20张配图全部写了详细的中文alt描述（每张15-30字），结果这篇文章在DeepSeek和豆包里的综合引用率比同等质量但alt随便写的高了60%。不是alt本身被直接引用，而是alt文本增加了文章的整体信息密度，让AI检索阶段给了更高的相关度打分。
别等"准备好了"再开始
很多企业做GEO的心态是"等我先把网站SEO做到位了，再来搞GEO"。这个思路反过来才对。GEO的优化——给内容加结构、加Schema、加数据点——这些本来就是好内容该有的东西。你把这些做了，传统SEO的排名也会跟着涨，因为Google和百度近年也越来越看重结构化数据。
第一步很简单：回去把你网站上阅读量最高的5篇文章打开，每篇加一个对比表格、一个FAQ区块、一段Article Schema。改完放一周，然后用AI搜索搜一下你的核心关键词，看看有没有变化。
大概率有。