跳转到内容

结构化数据与 AI 搜索

简明回答

Google 表示,出现在 AI 概览或 AI 模式中不需要特殊的 schema.org 标记。结构化数据对富媒体结果仍有用:Google 推荐 JSON-LD,要求标记描述页面可见内容,且不保证展示。标记能否增加 AI 引用,目前尚无定论:2026 年的一项实验发现,给本来就被大量引用的页面添加标记没有带来提升;2025 年的一项测试发现,实时抓取页面的 AI 助手没有使用 JSON-LD。2026 年多伦多大学的一项研究发现,标记只在不同网站之间与引用相关,在同一网站内则不然;而一个实验室流程发现结构信息有帮助。

微软:Feed、标记和页面必须一致

Section titled “微软:Feed、标记和页面必须一致”

微软面向零售商发布了 Copilot 购物指南。指南描述了三类数据:抓取的网页数据、产品 Feed,以及 AI 智能体在官网实时读取的信息。结构化数据不是单列的一类。指南要求产品 Feed、站点 Schema 和用户看到的页面三者的价格、库存保持一致。

这是微软广告业务发布的营销指南,不是排名文档。它描述的是 Copilot 的购物功能,不代表所有 AI 回答。它的建议与上面 Google 的准则一致:标记必须描述页面上实际可见的内容。

这些都是单项研究,局限见 结构化数据会改变 AI 搜索引用吗?。实验室结果(SAGEO Arena)与现场结果(Ahrefs、多伦多大学)方向不同,本条目不去调和两者。

  • 添加结构化数据是否会增加 AI 系统尚未引用的页面的被引用次数。上面两项研究都没有测试。见公开的研究设计 结构化数据会改变 AI 搜索引用吗?。
  • AI 功能基于搜索索引回答时,是否会用到结构化数据。searchVIU 没有测试 Google AI 概览和 Bing Copilot。

每个条目输出 Article 和 BreadcrumbList 的 JSON-LD,专题页输出 CollectionPage。标记只描述页面上实际可见的内容,不添加页面并不包含的富媒体结果类型。为什么用 Article 而不是其子类型,见 Article 结构化数据。

参考来源

  1. AI features and your websiteGoogle Search Central · official · ✓ 2026-10-24
  2. Introduction to structured data markup in Google SearchGoogle Search Central · official · ✓ 2026-10-25
  3. General structured data guidelinesGoogle Search Central · official · ✓ 2026-10-25
  4. Latest Google Search documentation updatesGoogle Search Central · official · ✓ 2026-10-25
  5. Changes to HowTo and FAQ rich results (8 Aug 2023, updated 14 Sep 2023)Google Search Central Blog · official · 尚未核实
  6. From discovery to influence: A guide to GEOMicrosoft Advertising · official · ✓ 2026-10-26
  7. We Tracked 1,885 Pages Adding Schema. AI Citations Barely Moved. (11 May 2026)Ahrefs · industry · 尚未核实
  8. Schema Markup and AI in 2025: What ChatGPT, Claude, Perplexity & Gemini Really See (2 Dec 2025)searchVIU · industry · 尚未核实
  9. What Drives AI Citations? Content, Retrieval and Model Knowledge in Generative Engine Optimization (GEO) (10 Oct 2026)Chen and Koudas (University of Toronto), arXiv:2610.15033 · research · 尚未核实
  10. SAGEO Arena: A Realistic Environment for Evaluating Search-Augmented Generative Engine Optimization (KDD 2026)Kim et al. (Yonsei University), arXiv:2602.12187 · research · 尚未核实