不是吹牛。周三早上打开GSC，发现来自perplexity.ai的referral流量从日均12涨到347。点进去一看，全是三个月前写的"长尾词挖掘工具对比"那篇。
当时写那篇纯粹是为了测试5118和Ahrefs的长尾词覆盖率差异，顺手把对比表格用Table schema标了一下。没想到这成了被AI搜索抓取的关键。
真正起作用的只有三处
第一处：FAQPage schema里塞真问题以前我偷懒，FAQ全是"什么是XX""怎么用XX"这种教科书式提问。上个月改成从GSC搜索词报告里直接抄用户真问的句子：
改完两周，Perplexity开始在回答里引用这三个Q&A。重点不是schema格式多标准，是问题要长得像真人搜索。
第二处：Product schema别只标价格对比表格里每个工具原本只标了name、price、rating。后来补上了：
"aggregateRating": {
"reviewCount": "127",
"ratingValue": "4.3"
},
"offers": {
"availability": "InStock",
"priceCurrency": "CNY"
}
reviewCount这个字段最关键——AI搜索特别爱引用"有127个用户打分4.3"这种具体数字。哪怕你reviewCount是后台统计的评论数不是真评测，只要数据一致不造假，抓取率肉眼可见地高。
第三处：Article schema加上author的sameAs这是最容易被忽略的。把author的sameAs指向我的知乎、小红书、GitHub主页，Perplexity才敢把我当"可信来源"引用。没加sameAs时，它只抓内容不标来源；加上后，生成的回答末尾会出现"来源：云思路 - SEO实战博主"。
顺便踩的坑
Table schema别贪多那篇文章原本有四张对比表：功能对比、价格对比、适用场景对比、优缺点对比。Perplexity只引用了价格对比那张。后来我把前三张合成一张宽表，标一个Table schema，引用率反而稳了。
AI搜索不像Google会爬全页面结构，它更像在找"最密集的答案块"。
JSON-LD别放在head里等渲染Next.js项目原本用next-seo组件注入head，Perplexity爬虫根本不执行JS。改成getStaticProps里直接把JSON-LD字符串塞进页面HTML body底部，隔天就被收录了。这个坑让我损失了整整一个月流量。
现在的SOP
每篇新文发布前，我会跑一遍检查清单：
1. FAQ问题全从GSC搜索词报告复制，不自己编
2. 只要涉及工具/服务对比，必须上Product schema且补全reviewCount
3. Article作者sameAs至少挂两个活跃平台主页
4. 核心数据表只保留一张最密集的，标单个Table schema
5. JSON-LD直接写死在HTML里，不走前端渲染
上周新发的"Claude SEO优化实战"按这套流程走。第二天就被Perplexity和Kimi同时收录引用。流量不大，日均二三十，但全是精准到长尾词级别的搜索意图。
还在纠结schema类型选哪个的同行
别纠结了。FAQPage + Product + Article + Table，这四个覆盖90%场景。其余的VideoObject、HowTo、BreadcrumbList，有精力加上，没精力别碰——AI搜索根本不看那些。
我现在甚至怀疑，Perplexity爬虫内部根本就没解析完整schema.org词表，它可能只识别这几个高频type的关键字段。
最后说句实在的
这波红利大概还能吃半年。等AI搜索开始大规模做RAG索引、不再依赖实时爬虫，schema的作用会被向量检索替代。但在那之前，这三处改动成本最低、见效最快、风险为零。
不信你今晚回去加上，下周一看GSC。
常见问题
Perplexity流量在GSC里怎么筛选？
引荐来源里搜perplexity.ai，或者用正则 `perplexity\.ai` 匹配。注意要把子域名也算进去，比如`www.perplexity.ai`和`perplexity.ai`是分开统计的。
reviewCount没有真实评论数怎么办？
用后台收藏数、下载数、甚至页面浏览数/100取整。只要全站逻辑一致、不夸大数量级，AI搜索不会人工核实。
JSON-LD放body底部会不会影响页面渲染？
不会。浏览器解析JSON-LD script标签时直接跳过，不执行、不渲染，体积通常<2KB，性能影响可忽略。
FAQ schema的问题数量有上限吗？
建议控制在5-8个。太多反而稀释核心Q&A的权重，Perplexity倾向于只引用前3个匹配度最高的。
怎么知道AI搜索有没有引用我的内容？
除了GSC看referral，去Perplexity/Kimi/秘塔搜同款问题搜一遍，看生成回答末尾的来源列表。或者用site:配合品牌词在AI搜索里试。