系统讲解法律FAQ内容的GEO优化策略，包括问答匹配、法条引用、场景化设计等最佳实践，让法律问答成为AI搜索的首选引用源。
法律类AI搜索查询中，超过70%以问句形式呈现。用户直接向AI搜索引擎提问，如公司不签劳动合同怎么办、交通事故对方全责能赔多少等。FAQ内容是匹配这类查询最自然的内容格式。
结构化的法律FAQ使用Schema.org的FAQPage标记，能让AI引擎直接提取问答对，在搜索结果中以富摘要形式展示，大幅提高引用概率和展示效果。
法律FAQ的双重价值：既满足AI引擎的引用需求（结构化问答），又满足用户的理解需求（简洁明了的法律解答）。是GEO投入产出比最高的内容类型之一。
FAQ问题的来源应基于真实的用户搜索需求，而非律师的主观判断。通过搜索数据分析、咨询记录挖掘、社交媒体监听等方式，发现用户最关心的法律问题。
问题分类体系：按法律领域分类（婚姻/劳动/合同/侵权等）+ 按问题类型分类（怎么办/怎么算/有什么权利/多长时间等）。双维度分类确保FAQ覆盖面广且查找便捷。
问题优先级排序：根据搜索频率、咨询转化率、业务价值三个维度对FAQ问题进行优先级排序，优先创作高价值问题的FAQ内容。
| 问题类型 | 示例查询 | 搜索频率 | 转化价值 |
|---|---|---|---|
| 怎么办类 | 公司不发工资怎么办 | 高 | 高 |
| 怎么算类 | 经济补偿金怎么计算 | 高 | 中 |
| 有什么权利 | 消费者有哪些权利 | 中 | 中 |
| 多长时间类 | 劳动仲裁要多长时间 | 中 | 低 |
| 需要什么类 | 起诉需要什么材料 | 中 | 中 |
| 能赔多少类 | 十级伤残能赔多少 | 高 | 高 |
法律FAQ的回答应遵循结论先行、法律依据、操作建议的三段式结构。第一句话直接回答问题，然后引用法律依据，最后给出实际操作建议。
回答的长度控制：每个FAQ回答控制在200-500字之间。过短无法提供有效信息，过长不利于AI引用和用户快速理解。核心信息在前100字内呈现。
法律依据的引用方式：在回答中自然引用相关法律条文，格式为根据《XX法》第X条规定，......。这种引用方式既增强权威性，又便于AI引擎识别和验证法律依据。
<script type="application/ld+json">
{
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "公司不签劳动合同怎么办？",
"acceptedAnswer": {
"@type": "Answer",
"text": "用人单位不与劳动者签订书面劳动合同的，劳动者可以要求用人单位支付双倍工资。根据《劳动合同法》第八十二条规定，用人单位自用工之日起超过一个月不满一年未与劳动者订立书面劳动合同的，应当向劳动者每月支付二倍的工资。劳动者可以收集工牌、工资记录、考勤记录等证据，向劳动监察部门投诉或申请劳动仲裁。"
}
},
{
"@type": "Question",
"name": "交通事故十级伤残能赔多少？",
"acceptedAnswer": {
"@type": "Answer",
"text": "十级伤残的赔偿金额因地区和具体情况而异。主要赔偿项目包括：残疾赔偿金（按受诉法院所在地上年度城镇居民人均可支配收入×20年×10%计算）、精神损害抚慰金、医疗费、误工费等。以一线城市为例，十级伤残赔偿总额通常在10-20万元之间。具体金额需根据实际损失和当地标准计算。"
}
}
]
}
</script>法律FAQ不应只回答抽象的法律问题，而应结合具体场景提供实用建议。场景化的FAQ更容易匹配用户的搜索意图，也更容易被AI引擎引用。
场景化FAQ设计：在标准问答基础上，增加适用场景说明、注意事项、常见误区等补充信息。例如，在公司不签劳动合同怎么办的FAQ中，补充什么情况算事实劳动关系、双倍工资的计算起点、维权时效等场景信息。
多场景覆盖：同一法律问题从不同角度设计FAQ。如交通事故赔偿，分别设计对方全责怎么赔、双方都有责任怎么赔、对方没有保险怎么赔等不同场景的FAQ。
法律FAQ是一个需要持续维护和扩展的内容体系。定期根据搜索数据、咨询记录、法规变更更新FAQ内容，确保时效性和准确性。
FAQ效果追踪：监控每个FAQ在AI搜索中的引用情况，分析引用率低的FAQ存在的问题（回答不够明确？法律依据不准确？场景描述不够具体？），针对性优化。
FAQ矩阵扩展：从单个FAQ发展为主题FAQ集。如劳动法FAQ集（含30-50个劳动法相关问答）、婚姻法FAQ集（含20-30个婚姻家庭相关问答）。FAQ集在AI搜索中能建立主题权威性，获得更高的引用率。