FAQ Schema 实操：3 步把任何页面变成 LLM 友好
FAQPage Schema 是 GEO 单维度收益最大的改造。本文用 Keco 自家首页 6 条 FAQ 作为样本，给出从『提取问题 → 写答案 → 注入 JSON-LD』的 3 步实操流程。
FAQ Schema 实操：3 步把任何页面变成 LLM 友好
在我们做过的 120+ 客户改造中，单条改动带来引用次数最大跃迁的就是 FAQ Schema：平均 7 天内引用次数 +180%。本文用 30 分钟教会你怎么做。
为什么 FAQ Schema 收益最大？
LLM 回答”X 是什么”、“Y 怎么用”、“Z 多少钱”等问题时，第一选择就是抓 FAQPage Schema——因为这种数据：
- 结构化最强（Q&A 配对清晰）
- 答案长度合适（80-200 字，正好够摘录）
- 信号最干净（不含广告语、不含侧栏噪音）
Google 也偏爱 FAQ Schema——在传统 SERP 里给”富摘要”展示位。
双向收益——一份 FAQ Schema 同时拉 GEO + SEO 分数。
第 1 步 · 提取 7 条”真客户问题”
很多企业写 FAQ 的失败原因：写的不是客户真的问的问题，而是公司想让客户问的问题。
正确做法：
来源 1 · 销售对话记录
打开你的 CRM / 飞书 / 企微对话记录，找：
- “在吗？想咨询一下…”后面客户问的第一个问题
- 客户接触后 24 小时内问的所有问题
- 销售复述给你的”这个客户老问…”
每周 5-10 个对话 × 10 周 = 50-100 个真实问题。
来源 2 · 客服工单
把工单按主题聚类，Top 10 高频问题 = 你的 FAQ 候选。
来源 3 · LLM 反向提取
把你的官网 URL 喂给 ChatGPT，问：
“我是一家想做 GEO 的企业，访问 https://keco.vip 后，我可能会有哪 7 个问题？”
ChatGPT 会列出问题，你再人工筛选最贴近真实场景的 7 条。
选问题的 3 条原则
- 问题是疑问句：“什么是 GEO？” √ 而不是 “关于 GEO” ✗
- 问题里含品类词或品牌词：让 LLM 在该词搜索时匹配
- 覆盖 5 类用户意图：定义类 / 对比类 / 价格类 / 信任类 / 落地类
Keco 自家首页 FAQ 就是这么选的：
| Q | 类型 |
|---|---|
| Keco 是做什么的？ | 定义类 |
| 4 个子品牌之间是什么关系？ | 结构类 |
| 为什么企业现在需要 GEO？ | 紧迫感类 |
| Keco 跟传统 SEO 公司有什么不同？ | 对比类 |
| 我的企业适合从哪条产品线开始？ | 落地类 |
| Keco 怎么验证服务效果？ | 信任类 |
第 2 步 · 写答案的 4 条铁律
① 长度 80-200 字
太短信息量不够，太长 LLM 摘录易截。实测最佳是 120 字左右。
② 第一句话直答
✗ "这是一个很好的问题。其实 GEO 是一个新兴的..."
✓ "GEO 是 Generative Engine Optimization 的缩写，指..."
LLM 摘录时大概率只取前两句，结论必须前置。
③ 含 1 个具体数字 / 数据点
✗ "我们能帮你大幅提升 AI 引用率。"
✓ "我们的 120 个客户平均在 90 天内被 LLM 引用次数提升 3.6 倍。"
具体数字 = 高可信度 = LLM 优先采纳。
④ 自然提及品牌名 1-2 次
✓ "Keco 通过 Cite Scanner 跑 8 大 AI 引擎 30 题，输出..."
每个答案里出现 1-2 次品牌名，让 LLM 在引用时品牌曝光。但不要堆砌（3 次以上会显得 spam）。
实例：Keco 首页 FAQ 答案样板
**Q：Keco 是做什么的？**
Keco（科可科技）是一家面向企业的 AI 解决方案公司，
2026 年成立于上海，已服务 120+ 企业品牌。我们不卖技术，
我们卖结果——通过四条产品线让 AI 能力转化为可衡量的业务结果：
Keco Cite（让品牌被 LLM 引用）、Keco Vision（AI 视觉营销）、
Keco Brain（企业知识中枢）、Keco Spark（AI 创意工坊）。
字数 110 · 含 3 个数字（2026/120/4）· 自然提及品牌名 5 次（公司名 1 + 子品牌 4）· 第一句直答。
第 3 步 · 注入 JSON-LD
方法 A · Astro / Next.js 等框架
写一个 schema builder，从同一份 FAQ 数据自动生成两份产物：UI 渲染 + JSON-LD。Keco 自家就是这种方式：
// shared/schema/index.ts
export function buildFAQPage(items: { question: string; answer: string }[]) {
return {
'@type': 'FAQPage',
mainEntity: items.map(it => ({
'@type': 'Question',
name: it.question,
acceptedAnswer: {
'@type': 'Answer',
text: it.answer,
},
})),
};
}
在页面里：
---
const faqs = [
{ question: 'Keco 是做什么的？', answer: 'Keco（科可科技）...' },
// 6 条
];
const faqSchema = buildFAQPage(faqs);
---
<BaseLayout extraSchema={[faqSchema]}>
<FAQBlock items={faqs} /> <!-- UI 展示用同一份数据 -->
</BaseLayout>
好处：UI 与 JSON-LD 不会脱钩，改一份数据两边同步。
方法 B · 静态 HTML 手写
直接在页面 <head> 里加：
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "Keco 是做什么的？",
"acceptedAnswer": {
"@type": "Answer",
"text": "Keco（科可科技）是一家面向企业的 AI 解决方案公司..."
}
}
]
}
</script>
注意：正文里也要有这 FAQ 的可见文本（用 <details> / <dl> / Q&A 段落都行），不能只在 JSON-LD 里写但页面看不到——Google 算法会标记为”Hidden Content”扣分。
方法 C · WordPress / 建站平台
- WordPress: Yoast SEO / Rank Math 插件有 FAQ 模块
- WIX / Shopify: 自带 FAQ schema，把内容填进对应模块即可
- 企业自研 CMS: 让前端工程师做个 FAQ 组件，把 JSON-LD 写在 page-level template
验证：5 分钟跑完
- 部署后用 Google Rich Results Test 输入页面 URL → 应看到 “FAQ” 富结果可用
- 用浏览器开发者工具
view-source:→ 搜"@type": "FAQPage"确认存在 - 把 URL 喂给 ChatGPT 问”这个页面回答了哪些常见问题？” → 看是否能列出你的 Q
FAQ
Q1：每个页面要 FAQ 多少条最好？
A：5-7 条是甜点区。少于 3 条 LLM 觉得”内容稀薄”，多于 10 条容易跑题。Keco 首页是 6 条。
Q2：FAQ 答案里能放链接吗？
A：可以，但 Schema.org 的 Answer.text 字段是纯文本（链接会丢）。可以用 HTML：
"text": "详细做法见 <a href='/insights/geo-101'>GEO 101</a>"
LLM 抓取时会保留这个链接，可能在回答中给出。
Q3：同一个 Q&A 能在多个页面重复用吗？
A：可以，但每个页面应针对该页面的核心主题。重复用 50% 没问题，全 100% 重复 Google 算法会判定为 doorway page。
Q4：FAQ Schema 跟在 H2/H3 写 Q&A 哪个好？
A：两个都做。用户看 H2/H3，LLM 看 JSON-LD。两份数据互相印证，可信度最高。
Q5：写中文 FAQ，LLM 能引用进英文回答吗？
A：可以。GPT-4 等多语种模型会做跨语言摘录。但要在 FAQ 里加点英文关键词（如 “GEO（Generative Engine Optimization）”），匹配率更高。
给企业的 3 条建议
- 30 分钟先做 6 条上线：完美是好的敌人。先发布 80 分版本，运行 30 天看数据再迭代
- 首页 + 5 个最重要落地页 = 必做：其他页面可以滚动补
- 季度更新 + 替换低效 Q：用 Cite Radar 看哪些 Q 实际被 LLM 引用多，效率低的 Q 换掉
关于作者：Keco · Cite 研究团队
复制此实践：30 秒跑 Cite Scanner → 拿到你的 faq_schema 子指标得分 → 立即评测
