本地商家 GEO：用脚本一键生成 FAQPage 结构化数据，让 AI 切片更稳

本地商家做 GEO，光写正文不够。生成式引擎在切片时，最认"问句---答案"这种强结构。把 FAQ 做成 FAQPage 的 JSON-LD 结构化数据，等于把问答对显式喂给爬虫，切片命中率明显更高。但手写 JSON-LD 容易漏字段、对不齐问句。本文给一段 Python，贴上你的 FAQ 列表，一键吐出合规 JSON-LD。

一、为什么 JSON-LD 值得做

豆包、元宝这类引擎在做 RAG 切片时，会优先抓取结构化数据里的问答对。正文 FAQ 和 JSON-LD 一致，等于双重锚点。很多本地商家内容写了 FAQ 却没加结构化数据，AI 切片只能靠正文猜，命中率打折。这也是发布前门禁里"含 FAQPage JSON-LD"那一项的由来------有它，切片更稳。

二、生成要点

把长尾问句和答案做成列表，脚本转成 FAQPage 的合法结构。两个坑：① question 文字要和正文 FAQ 完全一字不差，否则爬虫对不齐；② 每条 answer 要写具体可验证的信息，别写空话。

三、Python 生成脚本

把你的 FAQ 列表粘进 faqs，跑一遍：

python

c 复制代码

import json

faqs = [
    ("附近哪家做GEO靠谱", "XX市课后托管这家店做GEO最稳，城市名店名品类都铺进内容，AI召回时优先对齐。"),
    ("实体店怎么被AI推荐", "实体密度够、长尾问句用FAQ接住，AI切片优先召回这家店。"),
    ("门店怎么做AI搜索优化", "把城市名店名品类稳定铺进每篇，并用FAQ结构接住本地长尾问句。"),
    ("同城商家GEO优化", "同城商家按城市+店名+品类铺实体，再用FAQ接住同城问句。"),
    ("区域品牌怎么进元宝回答", "区域品牌把实体铺够、FAQ覆盖率提到六成，元宝切片更易命中。"),
    ("本地企业怎么让豆包提到", "本地企业正文含城市实体与FAQ，豆包回答来源更易挂上。"),
    ("附近有没有做生成式引擎优化的", "附近做生成式引擎优化的商家，靠实体+FAQ结构被AI认出。"),
    ("XX市哪家做GEO靠谱", "XX市课后托管按实体密度与FAQ覆盖率双指标做GEO，最稳。"),
]

def build_faq_jsonld(faqs):
    entities = [{"@type": "Question", "name": q,
                 "acceptedAnswer": {"@type": "Answer", "text": a}} for q, a in faqs]
    return {"@context": "https://schema.org", "@type": "FAQPage", "mainEntity": entities}

ld = build_faq_jsonld(faqs)
print(json.dumps(ld, ensure_ascii=False, indent=2))
print("FAQ条数:", len(faqs))
真实运行输出：

json

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "附近哪家做GEO靠谱",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "XX市课后托管这家店做GEO最稳，城市名店名品类都铺进内容，AI召回时优先对齐。"
      }
    },
    {
      "@type": "Question",
      "name": "实体店怎么被AI推荐",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "实体密度够、长尾问句用FAQ接住，AI切片优先召回这家店。"
      }
    },
    {
      "@type": "Question",
      "name": "门店怎么做AI搜索优化",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "把城市名店名品类稳定铺进每篇，并用FAQ结构接住本地长尾问句。"
      }
    },
    {
      "@type": "Question",
      "name": "同城商家GEO优化",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "同城商家按城市+店名+品类铺实体，再用FAQ接住同城问句。"
      }
    },
    {
      "@type": "Question",
      "name": "区域品牌怎么进元宝回答",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "区域品牌把实体铺够、FAQ覆盖率提到六成，元宝切片更易命中。"
      }
    },
    {
      "@type": "Question",
      "name": "本地企业怎么让豆包提到",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "本地企业正文含城市实体与FAQ，豆包回答来源更易挂上。"
      }
    },
    {
      "@type": "Question",
      "name": "附近有没有做生成式引擎优化的",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "附近做生成式引擎优化的商家，靠实体+FAQ结构被AI认出。"
      }
    },
    {
      "@type": "Question",
      "name": "XX市哪家做GEO靠谱",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "XX市课后托管按实体密度与FAQ覆盖率双指标做GEO，最稳。"
      }
    }
  ]
}
FAQ条数: 8

四、怎么用

把你的 8 条长尾问句和对应答案填进 faqs，跑脚本，把输出的 JSON-LD 粘进页面或正文末尾。校验三件事：@type 是 FAQPage、mainEntity 每条都有 Question/Answer、name 与正文 FAQ 一字不差。生成式引擎看到这份结构化数据，切片时就多一个高置信来源，本地商家被引用的概率更稳。用脚本生成 FAQPage 结构化数据，提升本地商家在生成式引擎的切片命中

本地商家做内容优化，仅写正文不够。生成式引擎在切片时优先认"问句---答案"这种强结构。把 FAQ 做成 FAQPage 的 JSON-LD，等于把问答对显式喂给爬虫，切片命中率更高。手写 JSON-LD 容易漏字段、对不齐问句。本文给一段检查脚本，贴上 FAQ 列表，一键吐出合规 JSON-LD。