房地产 GEO 指南

将以下 JSON-LD 添加到您的房源页面，AI 搜索引擎即可立即解析并推荐它：

{
  "@context": "https://schema.org",
  "@type": "RealEstateListing",
  "name": "2-Bedroom Apartment in Amsterdam De Pijp",
  "url": "https://www.example-agency.com/listings/ruysdaelkade-21",
  "description": "Bright 2-bedroom apartment on the Ruysdaelkade in De Pijp, Amsterdam. 85 square meters, south-facing balcony, open-plan kitchen, renovated bathroom. 200 meters from Albert Cuyp market, 1-minute walk to tram lines 3 and 12.",
  "datePosted": "2026-03-15",
  "about": {
    "@type": "Residence",
    "address": {
      "@type": "PostalAddress",
      "streetAddress": "Ruysdaelkade 21",
      "addressLocality": "Amsterdam",
      "addressRegion": "North Holland",
      "postalCode": "1072 AK",
      "addressCountry": "NL"
    },
    "geo": {
      "@type": "GeoCoordinates",
      "latitude": 52.3534,
      "longitude": 4.8965
    },
    "floorSize": {
      "@type": "QuantitativeValue",
      "value": 85,
      "unitCode": "MTK"
    },
    "numberOfRooms": 3,
    "numberOfBedrooms": 2,
    "numberOfBathroomsTotal": 1,
    "petsAllowed": false,
    "yearBuilt": "1925"
  },
  "offers": {
    "@type": "Offer",
    "price": 395000,
    "priceCurrency": "EUR",
    "availability": "https://schema.org/InStock"
  }
}

以上涵盖了基础内容。后续章节将介绍如何添加社区背景、附近兴趣点、交通数据等，以使您的房源匹配更多查询类型。完整的生产就绪文件请参见「Schema 示例」选项卡。

通过 AI 进行的房产搜索与门户网站搜索有本质区别。用户不再通过下拉筛选，而是用自然语言描述需求。理解这些搜索意图模式是房地产 GEO 的基础。

社区与位置查询

这是最常见的房产查询类型，也是传统房源最难以回答的：

• 「阿姆斯特丹 De Pijp 40 万以下两居室公寓」
• 「巴塞罗那国际学校附近的家庭住宅」
• 「伦敦 Zone 2 交通便利的安静街道」
• 「里斯本步行可达海滩的公寓」
• 「阿姆斯特丹南区医院附近的住宅」

每一个查询都需要结构化位置数据、坐标和附近兴趣点背景。缺少这些数据，您的房源将无从被发现。

邻近查询

买家和租客关心附近有什么。AI 引擎需要距离数据才能回答：

• 「靠近 Vondelpark 且 5 分钟步行有超市的公寓」
• 「阿姆斯特丹 500 米内有地铁站的住宅」
• 「Jordaan 附近餐厅和夜生活丰富的房产」

特征与规格查询

将房产属性与位置相结合：

• 「阿姆斯特丹 50 万以下带阳台和车位的三居室」
• 「海牙带花园的底层公寓」
• 「巴塞罗那 Eixample 带屋顶露台的顶层公寓」
• 「鹿特丹配备太阳能电池板的节能住宅」

投资查询

投资者会提出不同问题：

• 「阿姆斯特丹租金回报率最高的社区」
• 「里斯本适合投资的新兴区域」
• 「柏林 Mitte 与 Kreuzberg 每平方米均价对比」

要出现在这些结果中，您的房源需要 AI 引擎可解析的结构化数据：精确坐标、附近兴趣点及距离、结构化字段中的房产规格，以及社区背景信号。

绝大多数房源对 AI 搜索引擎而言是隐形的。以下是原因及解决方法。

1. 位置描述模糊

「位于优质社区」对 AI 毫无意义。「Ruysdaelkade 21，阿姆斯特丹 De Pijp，距 Albert Cuyp 市场 200 米」才能让 AI 获取所有信息。模糊描述是房源失败的最大原因。AI 无法推断「好地段」指的是 De Pijp，也无法推断「靠近商店」意味着距市场 200 米。

2. 缺少坐标

没有经纬度，AI 就无法计算距离。每个邻近查询（「靠近公园」、「地铁附近」、「步行到学校」）都需要房源和兴趣点的坐标。坐标精度需达到 4 位以上小数。「52.35, 4.90」指向 100 米半径；「52.3534, 4.8965」则精确指向某栋建筑。

3. 缺乏附近背景

即使有地址，大多数房源也在这里失败。有坐标但没有附近兴趣点数据的房源无法回答「学校附近的公寓」，因为 AI 没有学校数据可供匹配。您需要明确列出附近有什么，包括名称和距离。

4. 无结构化数据

埋藏在段落文本中的房产细节很难被 AI 提取。「这套精美的 85 平米公寓有 2 间卧室、1 间浴室和朝南阳台」是人类可读的。而 floorSize: 85、numberOfBedrooms: 2 和 amenityFeature: "South-facing balcony" 等结构化 schema 字段是机器可读的。AI 引擎强烈偏好结构化数据。

5. 房源过时

6 个月前发布且没有 datePosted 或 dateModified 字段的房源看起来已被废弃。AI 引擎会降低看似过时内容的优先级。始终包含日期，并在房源变更时更新。

6. 价格未放入结构化字段

埋藏在文本中的价格（「要价：39.5 万欧元」）比带有 price: 395000 和 priceCurrency: "EUR" 的 Offer 更难解析。价格是房产查询中最常见的筛选条件之一，缺少结构化定价意味着完全错失这些查询。

Schema.org 的 RealEstateListing 类型是房源的正确 schema。它将房产（Residence、Apartment、House）包裹在包含价格、日期和可用状态的房源上下文中。

核心结构

RealEstateListing 包含三个关键部分：

1. 房源本身：名称、描述、datePosted、URL
2. 房产（通过 about）：地址、地理坐标、面积、房间数、配套设施
3. 报价：价格、货币、可用状态

房产类型

在 about 中为房产使用最具体的 @type：

• Apartment 适用于公寓、共管公寓、单间公寓
• House 或 SingleFamilyResidence 适用于独立/半独立住宅
• Residence 作为通用后备类型

必填字段

以下字段是 AI 可发现性的最低要求：

{
  "@context": "https://schema.org",
  "@type": "RealEstateListing",
  "name": "Descriptive title with key features and location",
  "description": "150-300 word description with specific details",
  "datePosted": "2026-03-15",
  "about": {
    "@type": "Apartment",
    "address": {
      "@type": "PostalAddress",
      "streetAddress": "Herengracht 100",
      "addressLocality": "Amsterdam",
      "addressRegion": "North Holland",
      "postalCode": "1015 BS",
      "addressCountry": "NL"
    },
    "geo": {
      "@type": "GeoCoordinates",
      "latitude": 52.3728,
      "longitude": 4.8882
    },
    "floorSize": {
      "@type": "QuantitativeValue",
      "value": 120,
      "unitCode": "MTK"
    },
    "numberOfRooms": 5,
    "numberOfBedrooms": 3,
    "numberOfBathroomsTotal": 2
  },
  "offers": {
    "@type": "Offer",
    "price": 650000,
    "priceCurrency": "EUR"
  }
}

附加房产字段

以下字段可增加您的房源匹配的查询数量：

• yearBuilt：建造年份（对翻新查询很重要）
• petsAllowed：true/false（过滤宠物友好搜索）
• amenityFeature：配套设施数组，如「阳台」、「停车位」、「花园」、「电梯」、「储藏室」
• numberOfFullBathrooms / numberOfPartialBathrooms：比总数更具体
• floorLevel：房产所在楼层
• permittedUsage：「住宅」、「混合用途」、「商业」

坐标只能告诉 AI 房产在哪里。地理丰富化能告诉 AI 周围有什么。这是匹配 5 种查询类型与匹配 50 种的区别。

地理丰富化提供的内容

对于阿姆斯特丹 Ruysdaelkade 21 的房产，地理丰富化提供：

• 学校：De Pijp 小学（350m）、Montessori School Zuid（600m）、国际学校（1.2km）
• 交通：3 路电车站（80m）、12 路电车站（120m）、De Pijp 地铁站（500m）、阿姆斯特丹中央站（3.5km）
• 购物：Albert Cuyp 市场（200m）、Albert Heijn 超市（150m）、Ferdinand Bolstraat 购物街（300m）
• 公园：Sarphatipark（400m）、Vondelpark（1.2km）
• 医疗：OLVG 医院（800m）、药店（250m）、全科诊所（300m）
• 餐厅：500 米内有 23 家餐厅

如何构建附近兴趣点

使用房产的 additionalProperty 字段添加附近背景：

{
  "@type": "Apartment",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Ruysdaelkade 21",
    "addressLocality": "Amsterdam",
    "postalCode": "1072 AK",
    "addressCountry": "NL"
  },
  "geo": {
    "@type": "GeoCoordinates",
    "latitude": 52.3534,
    "longitude": 4.8965
  },
  "additionalProperty": [
    {
      "@type": "PropertyValue",
      "name": "Nearest School",
      "value": "De Pijp Primary School, 350m"
    },
    {
      "@type": "PropertyValue",
      "name": "Nearest Supermarket",
      "value": "Albert Heijn, 150m"
    },
    {
      "@type": "PropertyValue",
      "name": "Nearest Tram Stop",
      "value": "Tram 3 (Ruysdaelkade), 80m"
    },
    {
      "@type": "PropertyValue",
      "name": "Nearest Park",
      "value": "Sarphatipark, 400m"
    },
    {
      "@type": "PropertyValue",
      "name": "Nearest Hospital",
      "value": "OLVG Hospital, 800m"
    },
    {
      "@type": "PropertyValue",
      "name": "Restaurants within 500m",
      "value": "23"
    }
  ]
}

为何这很重要

缺少这些数据，AI 将无法回答关于您房源的任何以下查询：

• 「De Pijp 学校附近的公寓」（需要学校兴趣点数据）
• 「阿姆斯特丹南区公共交通便利的房产」（需要交通数据）
• 「靠近超市和公园的住宅」（需要两者的兴趣点数据）
• 「医院附近的公寓」（需要医疗机构兴趣点数据）

MapAtlas GeoEnrich API 只需一个地址或坐标对即可生成所有这些数据。一次 API 调用返回学校、交通、购物、公园、医疗和餐厅的名称及距离，可直接嵌入为 additionalProperty 值。

除了单个兴趣点，买家和租客还想了解社区本身。AI 引擎会寻找描述区域特征和宜居性的信号。

步行与交通评分

社区层面的评分帮助 AI 回答生活方式查询：

{
  "additionalProperty": [
    {
      "@type": "PropertyValue",
      "name": "Walk Score",
      "value": "92/100"
    },
    {
      "@type": "PropertyValue",
      "name": "Transit Score",
      "value": "88/100"
    },
    {
      "@type": "PropertyValue",
      "name": "Bike Score",
      "value": "95/100"
    }
  ]
}

这些评分可直接回答「阿姆斯特丹适合无车生活的步行友好社区」或「阿姆斯特丹最适合骑行通勤的区域」等查询。

通勤时间数据

通勤时间是房产买家最重要的决策因素之一。将其纳入结构化数据：

{
  "@type": "PropertyValue",
  "name": "Commute to Amsterdam Centraal",
  "value": "12 minutes by tram, 18 minutes by bike"
}

社区描述

您的房源描述应包含社区背景。不要写「优质社区」，而应写：

「De Pijp 是阿姆斯特丹最受欢迎的社区之一，以 Albert Cuyp 街市、多元餐饮场景和林荫运河而闻名。该区域公共交通极为便利，有 3、12 和 24 路电车，以及新开通的 Metro 52（南北线）。Sarphatipark 绿地距离仅 400 米。」

这一段落本身就能匹配数十个 AI 查询，因为它包含 AI 可提取并引用的具体可验证事实。

本地设施数量

汇总数量让 AI 感知密度和便利性：

• 「300 米内 14 家餐厅」
• 「500 米内 3 家超市」
• 「1 公里内 5 所学校」
• 「600 米内 2 个公园」

这些数量支持比较查询：「阿姆斯特丹哪个社区附近餐厅最多？」或「学校覆盖最好的区域」。

租赁和出售房源使用相同的 RealEstateListing 包装器，但报价结构和部分字段有所不同。

出售房源报价

{
  "offers": {
    "@type": "Offer",
    "price": 395000,
    "priceCurrency": "EUR",
    "availability": "https://schema.org/InStock",
    "validFrom": "2026-03-15"
  }
}

租赁房源报价

对于租赁，价格代表月租金。使用 priceSpecification 说明计费周期：

{
  "offers": {
    "@type": "Offer",
    "priceSpecification": {
      "@type": "UnitPriceSpecification",
      "price": 1850,
      "priceCurrency": "EUR",
      "unitText": "MONTH"
    },
    "availability": "https://schema.org/InStock"
  }
}

租赁专用字段

租赁房源可受益于出售房源不需要的额外字段：

• leaseLength：最短租期（如 12 个月）
• petsAllowed：对租赁搜索至关重要（「阿姆斯特丹宠物友好租赁」）
• amenityFeature：带家具/不带家具、含水电、停车位
• 在描述或 additionalProperty 中说明押金金额
• 可入住日期（在 Offer 上使用 validFrom）

度假租赁不同

短期度假租赁（Airbnb 模式）不应使用 RealEstateListing。它们使用 LodgingBusiness，含夜间定价和入住/退房时间。详见下方度假租赁章节。

商业地产搜索遵循与住宅不同的模式。寻找办公室、零售或工业空间的企业会提出需要特定结构化数据的问题。

常见商业查询

• 「阿姆斯特丹 Zuidas 每平方米 50 欧元以下的办公空间」
• 「巴塞罗那高客流量区域附近的零售空间」
• 「鹿特丹港区带装卸台的仓库」
• 「Centraal 站附近可共享办公的办公室」
• 「Jordaan 带露台许可的餐饮租赁空间」

商业房产 Schema

尽量使用具体类型：

• OfficeBuilding 用于办公空间
• ShoppingCenter 或 Store 用于零售
• Warehouse 用于工业/物流
• LocalBusiness 作为通用后备，配合 additionalType

商业房源需要住宅房源不需要的字段：

{
  "@context": "https://schema.org",
  "@type": "RealEstateListing",
  "name": "350m2 Office Space in Amsterdam Zuidas",
  "about": {
    "@type": "OfficeBuilding",
    "address": {
      "@type": "PostalAddress",
      "streetAddress": "Barbara Strozzilaan 201",
      "addressLocality": "Amsterdam",
      "postalCode": "1083 HN",
      "addressCountry": "NL"
    },
    "geo": {
      "@type": "GeoCoordinates",
      "latitude": 52.3361,
      "longitude": 4.8756
    },
    "floorSize": {
      "@type": "QuantitativeValue",
      "value": 350,
      "unitCode": "MTK"
    },
    "amenityFeature": [
      {"@type": "LocationFeatureSpecification", "name": "Fiber Internet"},
      {"@type": "LocationFeatureSpecification", "name": "24/7 Access"},
      {"@type": "LocationFeatureSpecification", "name": "Meeting Rooms"},
      {"@type": "LocationFeatureSpecification", "name": "Parking Garage"},
      {"@type": "LocationFeatureSpecification", "name": "Reception Desk"}
    ],
    "additionalProperty": [
      {"@type": "PropertyValue", "name": "Floor Level", "value": "8th floor"},
      {"@type": "PropertyValue", "name": "Nearest Metro", "value": "Amsterdam Zuid, 200m"},
      {"@type": "PropertyValue", "name": "Parking Spaces", "value": "12 included"}
    ]
  },
  "offers": {
    "@type": "Offer",
    "priceSpecification": {
      "@type": "UnitPriceSpecification",
      "price": 45,
      "priceCurrency": "EUR",
      "unitText": "SQM/YEAR"
    }
  }
}

商业专属丰富化

商业租户关心的附近背景与住宅居民不同：

• 交通枢纽：火车站、高速公路入口、机场距离
• 商业生态系统：附近企业、商业园区、会议中心
• 员工设施：餐厅、健身房、托儿所、停车位
• 客流量数据：零售空间的关键指标

GeoEnrich API 返回所有这些兴趣点类别，助您自动为商业房源丰富商业租户所需的背景信息。

度假租赁（Airbnb 式短租）需要完全不同的 schema 方法。这些是酒店业务，而非房产销售或长租。

使用 LodgingBusiness，而非 RealEstateListing

度假租赁的正确 schema 类型是 LodgingBusiness（或更具体的 VacationRental，如果支持）。这告诉 AI 引擎该房产接受含夜间定价、入退房时间和酒店式设施的短期客人。

与住宅房源的主要区别

• 定价：夜间费率，而非总售价或月租
• 可用性：入住和退房时间、最短入住天数
• 设施：WiFi、厨房、洗衣机、毛巾、床上用品
• 容纳人数：最大入住人数、床位数、卧室数
• 评价：来自房客评价的 aggregateRating
• 附近景点：游客关心的兴趣点与居民不同

度假租赁查询模式

度假租赁搜索高度具体：

• 「巴塞罗那哥特区每晚 150 以下可住 4 人的公寓」
• 「里斯本海景附近的度假租赁」
• 「阿姆斯特丹带花园和停车位的家庭度假屋」
• 「加尔达湖附近宠物友好的度假小屋」
• 「阿姆斯特丹适合情侣的浪漫运河房租赁」

度假租赁必填字段

{
  "@context": "https://schema.org",
  "@type": "LodgingBusiness",
  "name": "Canal View Apartment in Amsterdam Jordaan",
  "description": "Charming 1-bedroom canal house apartment in the heart of Jordaan. Sleeps 2 guests. Original wooden beams, modern kitchen, rain shower. 5-minute walk to Anne Frank House and Westerkerk. Free WiFi, Smart TV, Nespresso machine.",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Prinsengracht 263",
    "addressLocality": "Amsterdam",
    "postalCode": "1016 GV",
    "addressCountry": "NL"
  },
  "geo": {
    "@type": "GeoCoordinates",
    "latitude": 52.3752,
    "longitude": 4.8839
  },
  "checkinTime": "15:00",
  "checkoutTime": "11:00",
  "numberOfRooms": 1,
  "petsAllowed": false,
  "amenityFeature": [
    {"@type": "LocationFeatureSpecification", "name": "Free WiFi"},
    {"@type": "LocationFeatureSpecification", "name": "Kitchen"},
    {"@type": "LocationFeatureSpecification", "name": "Washing Machine"},
    {"@type": "LocationFeatureSpecification", "name": "Smart TV"},
    {"@type": "LocationFeatureSpecification", "name": "Air Conditioning"},
    {"@type": "LocationFeatureSpecification", "name": "Canal View"}
  ],
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": 4.8,
    "reviewCount": 127,
    "bestRating": 5
  },
  "offers": {
    "@type": "Offer",
    "price": 135,
    "priceCurrency": "EUR",
    "unitText": "NIGHT"
  }
}

面向游客的地理丰富化

度假租赁房客关心的附近兴趣点与长租居民不同：

• 旅游景点：博物馆、地标、历史遗址及距离
• 餐厅和酒吧：步行范围内的密度和多样性
• 机场和车站交通：距主要交通枢纽的时间
• 海滩或滨水区：海滨房产的距离
• 超市：自助式客人最近的食品杂货店

使用 GeoEnrich API 为每个度假租赁房源自动生成面向游客的兴趣点数据。

按照以下流程在您的房源页面上实施 schema 标记。

第 1 步：将 JSON-LD 添加到房源页面

将 <script type="application/ld+json"> 标签放置在每个房源页面的 <head> 中。对于拥有数千个房源的房产门户，请从您的房源数据库服务端生成 schema。

第 2 步：验证

使用以下工具测试每个 schema：

• JSON Linter：在 jsonlint.com 验证语法
• Google Rich Results Test：search.google.com/test/rich-results
• AEO Checker：/ai-seo-checker，用于 AI 专项验证，包括坐标精度、附近兴趣点覆盖率和 schema 完整性

第 3 步：用 AI 引擎测试

部署后，向 AI 引擎询问您的房源：

• 「告诉我阿姆斯特丹 Ruysdaelkade 上出售的公寓」
• 「[您的房产地址] 附近有什么？」
• 「对比阿姆斯特丹 De Pijp 的房产」

如果 AI 无法给出具体回答，说明您的 schema 不完整或未被抓取。检查页面是否可索引（无 noindex 标签），JSON-LD 是否在渲染的 HTML 中（不仅仅是客户端 JS），以及您的 sitemap 是否包含房源页面。

第 4 步：使用清单

本页面的清单选项卡涵盖完整房产 GEO 所需的每个字段和信号。系统地逐节完成。力求基础 schema 和地址部分达到 100%，然后添加附近背景和社区信号以最大化覆盖范围。

为每个房源手动添加附近兴趣点、交通数据和社区背景在规模化场景下不可行。如果您管理 100 套以上房产，则需要自动化。

GeoEnrich 的工作原理

MapAtlas GeoEnrich API 接收地址或坐标对，返回结构化的附近背景信息：

• 学校（名称、类型、距离）
• 公共交通（站点、线路、距离）
• 购物（超市、市场、零售）
• 公园和绿地
• 医疗（医院、药店、全科诊所）
• 餐厅和咖啡馆
• 旅游景点（用于度假租赁）
• 步行性、交通和骑行评分

集成模式

房产门户的典型工作流：

1. 创建含地址的房源
2. 将地址地理编码为坐标（MapAtlas Geocoding API 或您现有的提供商）
3. 将坐标发送至 GeoEnrich API
4. 将响应解析为 additionalProperty 值
5. 生成含完整丰富化的 JSON-LD schema
6. 将 schema 嵌入房源页面

此流程对每个新房源自动运行，也可对现有库存批量处理。

前后对比

没有 GeoEnrich，房源仅能匹配关于其地址和基本规格（卧室数、价格）的查询。有了 GeoEnrich，同一房源可匹配关于学校、交通、步行性、附近餐厅、公园、医院和通勤时间的查询。这是匹配 5 种与 50 多种查询类型的区别。

有关实施细节和 API 文档，请参见 GeoEnrich API 页面。

• Schema.org RealEstateListing
• Schema.org Apartment
• Schema.org House
• Schema.org LodgingBusiness
• Schema.org Residence
• Google Rich Results Test
• AEO Checker
• MapAtlas GeoEnrich API