结构化数据在 AI 搜索里还有用吗：Schema 标记的真实作用边界

先给结论

结构化数据不会让 AI「更爱你的内容」，但它能显著降低模型理解错误的概率。它的作用从「排名加权」变成了「消除歧义」。

传统 SEO 时代，Schema 标记是为了让搜索引擎在结果页展示富摘要。到了生成式搜索，结果页形态变了，但标记的价值没消失，只是转移了——它变成了模型读取事实的快捷通道。

哪些标记真的有用

Organization 与 Product

公司名、logo、创始人、成立时间、地址，这些是模型回答「XX 是什么公司」时的基础事实。没有标记，模型只能从正文里猜；标记清晰，抽取准确率会明显提高。Product 标记里的价格、库存、评分，直接影响 AI 回答「这个多少钱」。

FAQPage 与 HowTo

这两个是问答式内容的最佳载体。模型回答「怎么做 X」时，带 HowTo 标记的步骤更容易被整段引用。注意：标记里的问题必须和页面上可见的文字一致，否则会被判定为欺骗。

Article 与 author

标明作者、发布日期、更新时间。模型对「谁写的、什么时候写的」越来越敏感，尤其涉及医学、金融这类需要时效和权威的领域。

哪些标记收益有限

• BreadcrumbList：对 AI 问答几乎无帮助，主要影响传统搜索结果展示。
• Review 与 AggregateRating：模型对自评型评分信任度较低，且各平台对这类标记的滥用打击严格。
• 过度细分的自定义类型：模型未必认识，反而增加解析负担。

三个实操要点

一、标记是辅助不是替代。页面本身没有清晰文字，标记再全也没用。模型优先读可见文本。

二、用 JSON-LD，别用内联微数据。JSON-LD 独立于 HTML 结构，改动页面时不容易坏，也更容易被解析。

三、保持一致性。标记里的价格必须和页面显示的价格一致，标记里的库存状态必须真实。不一致的代价比不标记更大。

怎么验证

用 Google 的富媒体测试工具检查语法，再人工核对：把页面内容读一遍，假设你是一个只能看到标记和正文的模型，能不能准确回答「这是什么、多少钱、谁做的、什么时候更新的」。答不上来，就是标记该补的地方。

结构化数据是低成本高确定性的一步。它不会创造奇迹，但能避免模型在基本事实上出错——而基本事实出错，往往比不被提及更伤。