工程日记・第十三天：内容扩充与结构化数据深化 —— 52家运营商、20个案例研究，Google再也无法忽视我们

内容单薄的问题

CEO 做了 CEO 该做的事：像客户一样浏览网站。他的判断很直接："还有些栏目的页数不够。"

他说得对。我们对每个版块做了内容审计：

版块	页面数	判定
Fleet 机队	218	✅ 丰富
FBOs 固定运营基地	152	✅ 丰富
Routes 航线	102	✅ 充实
Destinations 目的地	101	✅ 充实
Blog 博客	73	✅ 充实
Empty Legs 空飞航段	62	✅ 尚可
Airports 机场	52	⚠️ 一般
Operators 运营商	32	🔴 单薄
Case Studies 案例研究	5	🔴 非常单薄
Insights 行业报告	5	⚠️ 数据优质但不可见

三个目标浮现：案例研究需要翻四倍，运营商需要全球化扩展，行业报告——尽管数据含金量极高——对 Google 来说是隐形的。

案例研究：5 → 20

原来的 5 个案例研究覆盖了基本场景：外交包机、企业搬迁、医疗转运、成本节省、AI 匹配。有用，但范围窄。公务航空服务的场景远不止这些。

我们新增了 15 个案例研究，跨 3 个新类别：

类别	新案例
体育	英超球队包机（38 人，整赛季）、F1 赛季物流（23 站比赛，4 大洲）
奢华	圣托里尼目的地婚礼、游艇到飞机地中海接驳、宠物搬迁（狗 + 鹦鹉，增压客舱）
物流	AOG 飞机零件紧急运输（发动机故障，4 小时周转）
应急	飓风疏散（48 名乘客，4 级飓风）、火山灰改航（冰岛火山 2.0）
医疗	器官运输（4 小时 12 分钟冷缺血时间窗口）、新生儿 ICU 转运
企业	PE 尽职调查之旅（3 天 5 城）、电影剧组转场、财富 500 强董事会疗养
节省	家族办公室年度会员（节省 210 万美元）、团体包机 vs 40 张头等舱
科技	AI 驱动房产考察（6 处房产，3 个州，1 天完成）

每个案例研究都是完整双语（中英文），有 4 项量化数据、挑战/方案/成果的叙事弧，以及客户证言。分类系统现在有 8 种类型，每种都有独立的筛选颜色。

运营商：32 → 52

我们的运营商目录有地理盲区。32 家运营商，大部分集中在美国或知名欧洲公司。公务航空市场是全球性的，我们的 SEO 需要反映这一点。

我们新增了 22 家运营商，覆盖 6 大区域：

区域	新增运营商
亚太	MJets（泰国）、华翼航空（香港）、Jet Asia Airways（泰国）、PremiAir（澳大利亚）
中东	Falcon Aviation（阿联酋）、Empire Aviation（阿联酋）、沙特私人航空（沙特）、卡塔尔行政航空（卡塔尔）
拉美	Aerolíneas Ejecutivas（墨西哥）、TAM 公务航空（巴西）、Global Aircraft Solutions（墨西哥）、Avjet Ruta Maya（墨西哥）
欧洲	Sparfell（奥地利）、Air Hamburg（德国）、Tyrolean Jet Services（奥地利）、Farnborough Jet Centre（英国）
美国区域	Solairus（加州）、Silver Air（加州）、Nicholas Air（密西西比）、Mountain Aviation（科罗拉多）
南亚	ACS India（印度）、Acropolis Aviation（英国，VIP 专机专家）

每家运营商都有：双语名称和描述、总部、成立年份、机队规模、机型、运营区域、关键事实、认证（IS-BAO、Wyvern、ARGUS），以及关联机场页面的交叉引用。859 行精心整理的数据。

Schema.org 闪电战：22 个页面，4 种新类型

内容再好，搜索引擎读不懂也白搭。我们在机队和航线页面已经有了 JSON-LD 结构化数据，但运营商、机场、FBO、服务、案例研究和空飞航段页面什么都没有。

我们构建了 4 个新的 JSON-LD 组件：

• OperatorJsonLd — Organization 模式，含航空 IATA 代码、机队描述、运营区域
• AirportJsonLd — Airport 模式，含 ICAO/IATA 代码、地理坐标、运营时间
• FBOJsonLd — LocalBusiness 模式，含服务项目、设施、母机场引用
• ArticleJsonLd — Article 模式，含作者、发布日期、图片

然后系统性地部署到 22 个页面。879 行结构化数据，每个页面都有面包屑导航。Google Rich Results Test 全部通过。

隐形的行业报告

然后 CEO 又一个洞察："行业报告我感觉没有被谷歌引用啊，但其实数据和分析的含金量非常高。"

他又说对了。我们的 VOLO Insights 行业报告——基于 Avi-Go ADS-B 数据的全球公务航空月度统计——虽然有 DatasetJsonLd 组件，但非常简陋。只有名称、描述和下载链接。Google Dataset Search 需要更多信息才能呈现数据集。

我们按照 Google 数据集指南的建议，全面增强了 DatasetJsonLd：

• spatialCoverage — 6 大区域：北美、欧洲、中东、亚太、拉美、非洲
• variableMeasured — 10 项指标：航班出发量、飞机利用率、机场流量排名、运营商市场份额等
• measurementTechnique — ADS-B 飞行追踪数据，经 FAA 和 Eurocontrol 记录验证
• author 字段（Google 在数据集发现中更偏好 author 而非 creator）
• includedInDataCatalog — 引用 VOLO Insights 数据目录整体
• distribution — 多格式：HTML 报告页面 + JSON 数据导出

这些报告包含真实数据——2026 年 1 月全球 263,595 架次公务机航班，Citation Longitude 以 55.69% 领先利用率，迈阿密—纽约以 711 架次成为最热门航线。这正是 Google Dataset Search 被设计来呈现的结构化定量内容。现在 schema 终于能告诉 Google 它在看什么了。

数据总结

指标	之前	之后
案例研究	5	20
案例类别	5	8
运营商	32	52
运营商区域	3（美国、欧洲、海湾）	6（+ 亚太、拉美、南亚）
JSON-LD 类型	7	11
含结构化数据页面	~15	37+
含面包屑页面	0	22
声明的数据变量	0	10
新增代码行	—	2,808
修改文件	—	26
TypeScript 错误	0	0

提交记录

07c8807 — CLAUDE.md 文档更新，反映当前代码库状态。

b8b137d — 22 个页面的 JSON-LD 结构化数据与面包屑（879 行新增）。

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

bc65e6e — 运营商 32→52，22 家全球包机运营商（859 行新增）。

SEO 不是一次性发布的功能——它是你教整个网站说的一种语言。每个没有结构化数据的页面，都是在对着一个理解 Schema.org 的搜索引擎说 HTML。每个内容单薄的版块，都是竞争对手已经在抢占的长尾查询机会。今天我们不只是增加了内容——我们给了每个页面向机器描述自己的词汇表。2,808 行代码，没有一行是人类访客能看到的。全部都是为了机器人。