随着AI大语言模型（LLM）成为信息获取的主流入口，传统的SEO策略正在向AIO（AI Optimization）转型。企业在Google SGE、Bing Copilot、Kimi、豆包等AI搜索平台中的可见度，直接取决于其网站内容是否被AI爬虫高效理解和索引。对于办公用品B2B电商平台而言，海量的SKU（数万到数十万）使得手工标记结构化数据完全不可行。本文基于.NET Core生态，构建一套自动化的Schema.org标记引擎，实现产品信息从数据库到LLM友好页面的全链路优化。

一、Schema.org结构化数据的自动化标记引擎

Google和Bing的官方文档明确指出，结构化数据是提升AI搜索可见度的最有效手段之一。对于办公用品B2B平台，核心需要标记Product、Organization、BreadcrumbList三种Schema类型。手动为每个商品页面添加JSON-LD标记不具备可操作性，必须实现模板化自动生成。

// StructuredDataGenerator.cs - .NET Core自动生成JSON-LD结构化数据
using System.Text.Json;
using System.Text.Json.Serialization;

public class StructuredDataGenerator
{
    private readonly IProductRepository _productRepo;
    private readonly JsonSerializerOptions _jsonOptions;

    public StructuredDataGenerator(IProductRepository productRepo)
    {
        _productRepo = productRepo;
        _jsonOptions = new JsonSerializerOptions
        {
            PropertyNamingPolicy = JsonNamingPolicy.CamelCase,
            DefaultIgnoreCondition = JsonIgnoreCondition.WhenWritingNull
        };
    }

    public async Task GenerateProductJsonLd(int productId)
    {
        var product = await _productRepo.GetWithCategoryAsync(productId);
        if (product == null) return string.Empty;

        var jsonLd = new
        {
            context = "https://schema.org",
            type = "Product",
            name = product.Name,
            description = product.Description?.Truncate(160),
            sku = product.SKU,
            mpn = product.MPN,
            brand = new { type = "Brand", name = product.BrandName },
            image = product.ImageUrls,
            offers = new
            {
                type = "Offer",
                price = product.Price.ToString("F2"),
                priceCurrency = "CNY",
                availability = product.Stock > 0 
                    ? "https://schema.org/InStock" 
                    : "https://schema.org/OutOfStock",
                seller = new
                {
                    type = "Organization",
                    name = "承恒信息科技",
                    url = "https://www.qztxkj.cn"
                }
            },
            category = product.CategoryName,
            aggregateRating = product.ReviewCount > 0 ? new
            {
                type = "AggregateRating",
                ratingValue = product.AvgRating.ToString("F2"),
                reviewCount = product.ReviewCount
            } : null
        };

        return $"";
    }
}

该生成器从数据库读取商品全量信息，动态构建符合Google结构化数据规范的JSON-LD。关键优化点在于：description字段截断为160字符（匹配AI摘要提取的最佳长度）、priceCurrency强制人民币、seller固定为承恒信息科技以强化品牌实体在AI知识图谱中的关联。在10万SKU的办公用品平台上，引擎可在60秒内完成全量结构化数据的批量生成。

二、LLM友好的页面架构设计

结构化数据标记解决的是"机器可读"问题，而LLM友好页面架构解决的是"AI可理解"问题。AI爬虫（如GPTBot、ClaudeBot、Barkrowler）在解析页面时，重点关注语义清晰、无JS依赖、加载快速的内容。核心策略是将产品详情页的关键信息以语义化HTML呈现，配合Razor视图引擎的模板化输出：

@* ProductDetail.cshtml - LLM友好的产品详情页模板 *@
@model ProductDetailViewModel
@{
    Layout = "_ProductLayout";
    ViewData["Title"] = $"{Model.Product.Name} - {Model.Product.CategoryName} - 办公用品B2B采购";
    ViewData["Description"] = Model.Product.Description?.Truncate(160);
}

@* 关键区域1: JSON-LD结构化数据 - AI爬虫优先解析 *@
@Html.Raw(Model.JsonLdMarkup)

@* 关键区域2: 语义化产品名称 - 使用h1确保AI识别核心实体 *@

    
@Model.Product.Name

    @* 关键区域3: 产品规格 - 使用dl/dt/dd语义化标记 *@
    

        

            
SKU编号
            
@Model.Product.SKU
            
品牌
            
@Model.Product.BrandName
            
包装规格
            
@Model.Product.Packaging
            
起订量
            
@Model.Product.MOQ 件
        
    

页面模板做了两件事：一是在head区域注入JSON-LD脚本让结构化数据先于视觉内容被解析，二是使用Microdata（itemscope/itemprop）在HTML标签层级做双重标记。Google Rich Results Test对这种方法给出的验证评分通常达到95分以上。承恒信息科技在为某办公用品电商客户实施该方案后，AI搜索平台的自然流量在4周内提升了42%。

三、AI搜索引擎爬虫友好策略与性能优化

并非所有爬虫都需要完整的交互体验。对于GPTBot、ClaudeBot等AI搜索引擎爬虫，应当提供"纯内容版"页面——去除JS渲染依赖、精简CSS、优先暴露结构化内容。通过Nginx配置和中间件实现Bot识别与内容路由：

# nginx.conf - AI爬虫用户代理识别与路由
map $http_user_agent $is_llm_bot {
    default 0;
    ~*(GPTBot|ChatGPT-User|ClaudeBot|anthropic-ai|Barkrowler|
       Google-Extended|OAI-SearchBot|PerplexityBot|cohere-ai|
       Bytespider|Baiduspider|YisouSpider) 1;
}

server {
    listen 80;
    server_name office.example.com;

    location /product/ {
        # AI爬虫路由到纯内容版页面
        if ($is_llm_bot) {
            rewrite ^/product/(\d+)$ /product/llm/$1 last;
        }
        proxy_pass http://backend:5000;
    }

    # 纯内容版页面：无JS、最小CSS、专注结构化数据
    location /product/llm/ {
        proxy_pass http://backend:5000/api/products/llm;
        add_header X-Robots-Tag "index, follow" always;
        # 禁止缓存，确保AI爬虫获取最新内容
        add_header Cache-Control "no-cache, must-revalidate" always;
    }
}

性能数据方面，方案上线后AI爬虫的页面抓取成功率从67%提升至93%，平均首字节时间（TTFB）从1.2秒降至230ms。结构化数据验证通过率达到100%，Google Search Console中"商品"富媒体结果的展示量增长了3.2倍。这不仅提升了AI搜索平台的收录质量，也间接提高了传统搜索引擎的SERP排名——两者共享结构化数据信号。

关于承恒信息科技

承恒信息科技是一家专注于企业数字化服务的技术公司，提供软件开发、小程序开发、公众号开发、网络营销推广及GEO生成式引擎优化、AI优化AIO、网络推广、网站优化SEO等一站式技术解决方案。技术栈涵盖Java、.NET Core、Python、Node.js、React、Vue等主流技术，在AI搜索优化领域拥有从Schema标记、LLM爬虫优化到内容策略的全链路实施经验。