简答:结构化数据(schema 标记)不会让 AI 引擎引用你,OpenAI、Anthropic、Perplexity、Google 的爬虫文档里也没有一份这样说过。它做的是把少数几条事实说得毫无歧义:你是谁、某个商品多少钱、有没有货、页面是谁写的、什么时候写的。真正派得上用场的只有几种类型:带 sameAs 的 Organization、带 offers 的 Product 或 ProductGroup、带作者和日期的 Article,以及只用于页面上真实可见问答的 FAQPage。比选哪些类型更重要的是三项检查:标记必须在服务端渲染的 HTML 里;全页只能有一套图谱,而不是三套互相打架;里面每条事实都要和读者看到的一致。

上面每道关都过了,标记才算数01引擎的代理能抓到这个页面robots.txt 有对应分组,边缘层不返回 40302JSON-LD 在服务端渲染的 HTML 里不是加载后由标签管理器注入的03只有一套图谱、一个 Organization 节点没有插件或应用输出的竞争版本04每条事实都和可见页面一致名称、价格、库存、作者、日期哪一关没过01:什么都到不了02:标记根本送不到03:「这是谁」有两个 互相矛盾的答案04:页面推翻了 自己的标记
图 1 决定结构化数据能否到达 AI 引擎、并且只说一套话的四个条件。挑选类型排在这四条之后。来源:本文引用的爬虫文档与各平台文档。

结构化数据对 AI 搜索能做什么、不能做什么

把结构化数据当成消除歧义的工具,而不是排名杠杆。答案引擎抓到你的页面时,正文已经在它手里了;标记额外提供的,是几条不依赖解析正文的事实版本。它最有用的地方,恰恰是歧义最伤人的地方:和别的东西重名的品牌、带多个变体的商品、在同一页上出现了三次的价格。

它补不了上游的问题。如果某家引擎的搜索代理被挡住了,或者内容要等 JavaScript 运行后才出现,标记也一样到不了它手里。它也代替不了旁证:模型要在多个相互独立的地方看到同一个事实,才会有把握地说出来;只存在于你自己域名上的说法,标记做得再好,也是你能拿出的最弱的证据。

所以真正该问的不是「哪种 schema 能排上去」,而是「关于我们的哪些事实有歧义、歧义出在哪」。品牌和别的东西重名,要钉住的是身份;店铺商品带变体,要钉住的是价格和库存;内容站要钉住的是作者和日期。按自己的歧义去挑标记,其余的不必加。

结构化数据里真正干活的几种类型

类型它钉住了什么要留意的地方
Organization官方名称、网址、标志,以及指向真正属于你的主页的 sameAs 链接。这是实体的锚点。多个插件或应用各输出一套,Organization 节点重复或互相冲突。
带 offers 的 Product / ProductGroup价格、币种、库存状态,否则这些都埋在页面布局里。Shopify 上的多变体商品输出的是 ProductGroup 而不是 Product,offers 的结构也不同。
带作者和日期的 Article谁写的、什么时候发布、什么时候修改。修改日期被每次部署自动刷新,等于声称发生了一次根本没发生的改动。
FAQPage一问一答作为独立的配对。只能用在页面上看得见的问答上。
BreadcrumbList页面在站点结构里的位置。面包屑和 sitemap 里的网址对不上。

其余类型都是可选的。加的类型超过你能维护准确的数量,只会多出更多让标记和页面互相矛盾的地方。最常被写错的那一种,见真正有效的 FAQ 结构化数据。

Organization 和 sameAs:多数站点留空的那一块

真正在做实体识别工作的是 sameAs,而它恰恰是多数站点几乎留空的字段。指向你自己掌控的那些主页的链接,才把「这张页面上的名字」和「一个在别处真实存在的组织」连了起来。带标志、成立日期和官方主页链接的 Organization 标记,再加上在公开知识图谱里认领的一条记录,能让你用机器已经信任的形式声明自己的身份。这是品牌少数几个不必等媒体报道就能动手的杠杆之一。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "@id": "https://example.com/#organization",
  "name": "Example Outdoor Co.",
  "url": "https://example.com/",
  "logo": "https://example.com/logo.png",
  "description": "Example Outdoor Co. makes waterproof hiking jackets for cold, wet climates.",
  "sameAs": [
    "https://www.linkedin.com/company/example-outdoor",
    "https://www.youtube.com/@exampleoutdoor"
  ]
}
</script>

名称和那句一句话介绍,要和你在其他所有地方用的完全一致。不同的写法、和商号不一样的法律主体名,正是这段标记要消除的歧义。只列你真正掌控的主页。哪些链接该放、哪些不该放,见实体与 sameAs。

示例里的 @id 那一行,让其余标记可以直接指向这个节点,而不必再写一遍。Article 的 publisher、Product 的 brand,都可以引用 https://example.com/#organization,这样整个站点只描述自己一次,其余页面全部继承这份描述。没有它,每个模板往往各自输出一个略有出入的 Organization,图谱就自相矛盾了。

一套图谱:每个节点都指向同一个 OrganizationOrganization@id …/#organizationWebSitepublisher → #organizationArticlepublisher → #organizationProductbrand → #organizationsameAslinkedin.com/company/…youtube.com/@…只列你掌控的主页只声明一次、处处引用:第二个 Organization 节点,就是对「这是谁」的第二个答案
图 2 相互连接的图谱:用 @id 只声明一次 Organization,其余节点都引用它,这样一个站点就不会用好几种说法描述自己。来源:schema.org 词表;示例值均为占位。

建站平台的默认支持比你以为的少

多数站点以为平台会把结构化数据搞定。通常它只搞定一部分,或者什么都不管:

平台默认给你什么其余的怎么加
Shopify不会替你注入任何 JSON-LD。对 product、article 对象调用 structured_data 这个 Liquid 过滤器,再自己包进 script 标签。Organization、FAQPage 要手写 Liquid 或装应用。
WordPress核心不为内容输出任何 schema.org 标记。靠主题、SEO 插件、专门的 schema 插件,或你自己挂在 wp_head 钩子上的 JSON-LD。常见问题是图谱重复,而不是缺失。
Webflow没有文档说明会自动输出。在 head 的自定义代码里加(站点级或页面级),或在集合页模板里用 Embed 从 CMS 字段生成 JSON-LD。两个自定义代码字段都需要付费 Site 套餐。
HubSpot没有文档说明会自动输出。在模板里用 require_head 这个 HubL 标签包住 JSON-LD,用 HubL 变量填充,日期用 datetimeformat 格式化。

一手资料见 Shopify 的 structured_data 过滤器文档、WordPress 的 wp_head 钩子说明,以及 HubSpot 的结构化数据指南。各平台的细节,见我们的 Shopify 和 WordPress 页面。

不管在哪个平台,合理的工作顺序都一样。第一步,先弄清现在已经输出了什么,尤其在 WordPress 上,问题通常是「多了」而不是「少了」。第二步,决定由哪一个来源负责 Organization 节点,把其余的关掉。最后,才按你自己的歧义去补需要的类型,而且要加在模板里而不是逐页添加,这样新页面会自动继承,不必靠人记得。

Shopify 有一个细节几乎让所有体检工具中招:商品有多个变体时,structured_data 过滤器输出的是 ProductGroup 而不是 Product。坚持「@type 必须是 Product」的检查工具,会在商品目录里每一个带变体的商品上报一个假的失败。

四种帮倒忙的写法

  • 靠 JavaScript 注入的标记。多数 AI 爬虫不执行 JavaScript。通过标签管理器或页面加载后的客户端脚本加进去的 JSON-LD,在它们拿到的 HTML 里根本不存在,哪怕在浏览器开发者工具里看着一切正常。
  • 几套互相竞争的图谱。主题、SEO 插件和某个应用可能各输出一个 Organization 或 Article 节点,名称、标志或日期略有出入。同一个实体有两份互相矛盾的描述,比只有一份更糟。
  • 描述了页面上并不存在的内容。FAQPage 里的答案页面上找不到,或者标记里的价格和页面上显示的不一样,都是被页面本身推翻的说法。值得标记的答案,就值得显示出来。
  • 自己会动的日期。构建流程每次部署都刷新一遍的 dateModified,等于声称发生了一次根本没发生的更新,而爬虫完全可以拿页面去核对这个说法。隐含「要最新答案」的问题会偏好标了日期、近期真正更新过的页面,所以假日期并不是无害的:它透支的,正是你做真实更新时需要的那份可信度。
浏览器开发者工具里看到不执行 JS 的爬虫收到JSON-LD 写在模板里服务端渲染一套有效的图谱一套有效的图谱JSON-LD 由标签管理器注入页面加载后才加一套有效的图谱没有任何标记主题 + SEO 插件两边都输出 Organization两个 Organization 节点两个 Organization 节点
图 3 同一个页面的两种查法。只有写在模板里的那种,能在不执行 JavaScript 的爬虫面前保留下来;重复图谱在两边看都是错的。来源:本文的核实步骤。

这些问题在 CMS 后台里都看不出来,因为后台给你看的是模板,而不是最终交付的页面。所以下一步要测的是响应本身。

怎么核实你实际输出的结构化数据

要查的是页面实际交付的 JSON-LD,而不是模板打算输出的那份。在终端里:

# 1. Is the JSON-LD in the HTML a non-JavaScript crawler receives?
curl -s https://example.com/ | grep -c 'application/ld+json'

# 2. How many Organization nodes does the page ship? It should be one.
curl -s https://example.com/ | grep -o '"@type": *"Organization"' | wc -l

然后把提取出来的标记和可见页面逐项对照:名称、价格、库存、作者、日期,都必须和读者看到的一致。在 Shopify 上,打开一个多变体商品,预期看到的应该是 ProductGroup。在 WordPress 上,随便找一篇文章数一数 Organization 节点,必须正好一个,输出重复节点的那个插件要关掉。每次改主题、插件或模板之后都重跑一遍,因为标记和内容正是在这种时候悄悄分道扬镳的。如果站点有多个模板,比如首页、商品页、文章页、集合页,每种模板各挑一个页面跑一遍,因为每个模板输出的标记都可能不同。

资料来源