行李规定是航空业最常见的旅客问题，也是生成式引擎优化（GEO）中容易被引用的内容类型。当旅行者向AI询问“能带多少液体上飞机”“运动器材怎么托运”时，答案往往直接来自某个官方页面。本文以美国航空（American Airlines）的行李规定页面为观察对象，看一个大型航空公司如何在有限资源下，把一份官方文档变成AI引用的默认来源。

为什么是这一页

美国航空的行李页面长期占据传统搜索的头部位置，但在生成式引擎出现后，团队发现一个现象：当用户用口语化问题提问时，AI并不总是引用官网，而是引用第三方旅行网站或维基百科。原因在于，那些页面把信息切成更小的段落，直接回应问题，而官网页面结构复杂、信息密度高，模型难以提取出一个干净的答案。

团队面临的选择是：是优化整个网站的数百个页面，还是集中精力做一页。他们最终选择了行李规定页。理由很简单：行李规定是航司服务的高频问题，且规则相对稳定，适合做成结构化、可核验的内容。如果一页能成为AI的默认引用，就能影响大量相关问题的答案。

这一页的结构

美国航空的行李页被重新组织为几个清晰的部分：随身行李、托运行李、特殊物品、费用与限制。每个部分都以问题为导向，例如“我可以带多少液体？”“运动器材如何收费？”每个问题下面直接给出简洁的答案，并附上政策链接。

关键变化在于，页面不再依赖大段叙述，而是采用项目符号、表格和明确的标题层级。例如，液体限制被单独列为一个问题，答案只有两句话，并明确标注“根据TSA规定”。这种结构让模型可以轻松定位答案，并将其与来源关联。

此外，页面底部增加了“最后更新”日期和版本号，以及一个简短的免责声明，注明信息可能随时变更，以最新公告为准。这些元素帮助模型判断内容的新鲜度和权威性。

他们忍痛没做的

团队原本计划制作一个交互式行李计算器，让用户输入航班号和舱位，自动计算允许的行李数量和费用。但考虑到开发成本和维护复杂度，他们最终放弃了这个功能。因为生成式引擎无法运行交互式计算器，它只能读取静态文本。另一个被放弃的方案是为每个舱位创建单独的行李页面，但那会导致内容碎片化，反而让模型混淆。

他们还放弃了在页面上放置大量促销内容或品牌故事。这些内容虽然对品牌建设有帮助，但会稀释答案的清晰度。在GEO的语境下，一页只能有一个核心目的：回答问题。

监测是否仍有意义

改版后，团队没有依赖流量数据来判断成功，而是监测生成式引擎的引用情况。他们使用一系列测试问题，例如“美国航空允许携带多少液体？”“美国航空的托运行李尺寸限制是多少？”然后记录不同AI模型给出的答案和引用来源。

结果显示，在改版后的几周内，美国航空官网开始出现在多个AI模型的引用中，且通常排在第三方网站之前。团队还发现，当AI引用官网时，答案更准确、更简洁，因为页面结构直接提供了可提取的事实。

这种监测方法不需要复杂的工具，只需定期向AI提问并记录结果。如果发现引用下降，团队会检查页面是否被修改，或者是否有新的第三方页面抢占了位置。

你的一页选择法

对于旅游酒店行业的内容团队，这个方法可以概括为：选择一个高频、稳定、可结构化的问题，创建或优化一个页面，使其成为该问题的权威答案。页面必须直接回答常见问题，使用清晰的标题和列表，并包含更新日期和来源说明。

不要试图优化所有页面，也不要依赖交互式工具或碎片化内容。在资源有限的情况下，一页深度优化比多页浅层优化更有效。如果你不确定选哪个页面，可以查看客服记录或搜索查询，找出旅客最常问的问题。

还容易问的

以下是关于航空行李规定和GEO的常见问题。