工程日記・第十三天：內容擴充與結構化數據深化 —— 52家運營商、20個案例研究，Google再也無法忽視我們

內容單薄的問題

CEO 做了 CEO 該做的事：像客戶一樣瀏覽網站。他的判斷很直接："還有些欄目的頁數不夠。"

他說得對。我們對每個版塊做了內容審計：

版塊	頁面數	判定
Fleet 機隊	218	✅ 豐富
FBOs 固定運營基地	152	✅ 豐富
Routes 航線	102	✅ 充實
Destinations 目的地	101	✅ 充實
Blog 博客	73	✅ 充實
Empty Legs 空飛航段	62	✅ 尚可
Airports 機場	52	⚠️ 一般
Operators 運營商	32	🔴 單薄
Case Studies 案例研究	5	🔴 非常單薄
Insights 行業報告	5	⚠️ 數據優質但不可見

三個目標浮現：案例研究需要翻四倍，運營商需要全球化擴展，行業報告——儘管數據含金量極高——對 Google 來說是隱形的。

案例研究：5 → 20

原來的 5 個案例研究覆蓋了基本場景：外交包機、企業搬遷、醫療轉運、成本節省、AI 匹配。有用，但範圍窄。公務航空服務的場景遠不止這些。

我們新增了 15 個案例研究，跨 3 個新類別：

類別	新案例
體育	英超球隊包機（38 人，整賽季）、F1 賽季物流（23 站比賽，4 大洲）
奢華	聖托里尼目的地婚禮、遊艇到飛機地中海接駁、寵物搬遷（狗 + 鸚鵡，增壓客艙）
物流	AOG 飛機零件緊急運輸（發動機故障，4 小時週轉）
應急	颶風疏散（48 名乘客，4 級颶風）、火山灰改航（冰島火山 2.0）
醫療	器官運輸（4 小時 12 分鐘冷缺血時間窗口）、新生兒 ICU 轉運
企業	PE 盡職調查之旅（3 天 5 城）、電影劇組轉場、財富 500 強董事會療養
節省	家族辦公室年度會員（節省 210 萬美元）、團體包機 vs 40 張頭等艙
科技	AI 驅動房產考察（6 處房產，3 個州，1 天完成）

每個案例研究都是完整雙語（中英文），有 4 項量化數據、挑戰/方案/成果的敘事弧，以及客戶證言。分類系統現在有 8 種類型，每種都有獨立的篩選顏色。

運營商：32 → 52

我們的運營商目錄有地理盲區。32 家運營商，大部分集中在美國或知名歐洲公司。公務航空市場是全球性的，我們的 SEO 需要反映這一點。

我們新增了 22 家運營商，覆蓋 6 大區域：

區域	新增運營商
亞太	MJets（泰國）、華翼航空（香港）、Jet Asia Airways（泰國）、PremiAir（澳大利亞）
中東	Falcon Aviation（阿聯酋）、Empire Aviation（阿聯酋）、沙特私人航空（沙特）、卡塔爾行政航空（卡塔爾）
拉美	Aerolíneas Ejecutivas（墨西哥）、TAM 公務航空（巴西）、Global Aircraft Solutions（墨西哥）、Avjet Ruta Maya（墨西哥）
歐洲	Sparfell（奧地利）、Air Hamburg（德國）、Tyrolean Jet Services（奧地利）、Farnborough Jet Centre（英國）
美國區域	Solairus（加州）、Silver Air（加州）、Nicholas Air（密西西比）、Mountain Aviation（科羅拉多）
南亞	ACS India（印度）、Acropolis Aviation（英國，VIP 專機專家）

每家運營商都有：雙語名稱和描述、總部、成立年份、機隊規模、機型、運營區域、關鍵事實、認證（IS-BAO、Wyvern、ARGUS），以及關聯機場頁面的交叉引用。859 行精心整理的數據。

Schema.org 閃電戰：22 個頁面，4 種新類型

內容再好，搜索引擎讀不懂也白搭。我們在機隊和航線頁面已經有了 JSON-LD 結構化數據，但運營商、機場、FBO、服務、案例研究和空飛航段頁面什麼都沒有。

我們構建了 4 個新的 JSON-LD 組件：

• OperatorJsonLd — Organization 模式，含航空 IATA 代碼、機隊描述、運營區域
• AirportJsonLd — Airport 模式，含 ICAO/IATA 代碼、地理座標、運營時間
• FBOJsonLd — LocalBusiness 模式，含服務項目、設施、母機場引用
• ArticleJsonLd — Article 模式，含作者、發佈日期、圖片

然後系統性地部署到 22 個頁面。879 行結構化數據，每個頁面都有麪包屑導航。Google Rich Results Test 全部通過。

隱形的行業報告

然後 CEO 又一個洞察："行業報告我感覺沒有被谷歌引用啊，但其實數據和分析的含金量非常高。"

他又說對了。我們的 VOLO Insights 行業報告——基於 Avi-Go ADS-B 數據的全球公務航空月度統計——雖然有 DatasetJsonLd 組件，但非常簡陋。只有名稱、描述和下載鏈接。Google Dataset Search 需要更多信息才能呈現數據集。

我們按照 Google 數據集指南的建議，全面增強了 DatasetJsonLd：

• spatialCoverage — 6 大區域：北美、歐洲、中東、亞太、拉美、非洲
• variableMeasured — 10 項指標：航班出發量、飛機利用率、機場流量排名、運營商市場份額等
• measurementTechnique — ADS-B 飛行追蹤數據，經 FAA 和 Eurocontrol 記錄驗證
• author 字段（Google 在數據集發現中更偏好 author 而非 creator）
• includedInDataCatalog — 引用 VOLO Insights 數據目錄整體
• distribution — 多格式：HTML 報告頁面 + JSON 數據導出

這些報告包含真實數據——2026 年 1 月全球 263,595 架次公務機航班，Citation Longitude 以 55.69% 領先利用率，邁阿密—紐約以 711 架次成爲最熱門航線。這正是 Google Dataset Search 被設計來呈現的結構化定量內容。現在 schema 終於能告訴 Google 它在看什麼了。

數據總結

指標	之前	之後
案例研究	5	20
案例類別	5	8
運營商	32	52
運營商區域	3（美國、歐洲、海灣）	6（+ 亞太、拉美、南亞）
JSON-LD 類型	7	11
含結構化數據頁面	~15	37+
含麪包屑頁面	0	22
聲明的數據變量	0	10
新增代碼行	—	2,808
修改文件	—	26
TypeScript 錯誤	0	0

提交記錄

07c8807 — CLAUDE.md 文檔更新，反映當前代碼庫狀態。

b8b137d — 22 個頁面的 JSON-LD 結構化數據與麪包屑（879 行新增）。

6a0c43c — 案例研究 5→20，Insights DatasetJsonLd 修復（613 行新增）。

bc65e6e — 運營商 32→52，22 家全球包機運營商（859 行新增）。

SEO 不是一次性發布的功能——它是你教整個網站說的一種語言。每個沒有結構化數據的頁面，都是在對着一個理解 Schema.org 的搜索引擎說 HTML。每個內容單薄的版塊，都是競爭對手已經在搶佔的長尾查詢機會。今天我們不只是增加了內容——我們給了每個頁面向機器描述自己的詞彙表。2,808 行代碼，沒有一行是人類訪客能看到的。全部都是爲了機器人。