面向 AI 的 Schema.org

1. 「面向 AI 的 Schema.org」是什么

「面向 AI 的 Schema.org」指的不是整套 Schema.org 规范，而是其中与 AI 引用（citation）有关的一小部分：少数会影响 AI 引擎如何识别页面背后的实体（entity）、如何准确解析页面的类型与属性。

GEO Wiki 工作定义：面向 AI 的 Schema.org 是结构化数据（structured data）词汇中与 AI 有关的一小部分。它影响 AI 引擎如何确认页面背后的实体、如何准确解析页面，但不决定页面中的某段内容能否获得引用。

2. 标记 ≠ 引用：为什么 Schema.org 标记是基础条件，而不是排名或引用信号

核心结论是：结构化数据不是排名因素，也不会直接促成引用。Google 明确表示，使用结构化数据只能让页面取得某项功能的展示资格，并不保证该功能一定出现；即使结构化数据受到人工处置，也「不影响页面在网页搜索中的排名」（见 General Structured Data Guidelines）。Google 2025 年的 AI 搜索指引也重申，标记只是让页面有资格获得某些搜索功能与富结果，不会提升排名（Succeeding in AI search）。

标记能发挥的三项作用都发生在内容选择之前：

标记能做到的	标记做不到的
让系统准确、无歧义地解析页面上的事实	提升排名或增加引用机会
利用知识图谱完成实体消歧，确认你是谁、是什么	让某段内容更容易被引用
在仍支持相应功能的场景中，取得结构化结果或富结果的展示资格	保证相应功能一定出现

更要分清标记在哪个环节起作用。Schema.org 标记用于检索前的页面解析和实体识别，不参与 Answer Loop §3 中依据 可引用性 与 E-E-A-T 进行的采信（grounding）和选择：

  页面 ──► [ 解析 + 实体识别 ]             ◄── Schema 在这里起作用
              │  事实被准确解析
              │  实体被识别（sameAs → 知识图谱）
              ▼
  检索 ──► 候选段落
              ▼
  [ 采信 / 选择环节 ]                       ◄── Schema 在这里不起作用
   可引用性（结构）· E-E-A-T（信任）          依据可引用性与 E-E-A-T 选择
              ▼
  生成答案 ──► （可能）引用

可引用性 §2 也说明了这一点：为 FAQ 添加标记，并不能让其中的答案更容易被引用。段落是否便于引用，取决于可见正文的写法。标记只是声明解析器原本就能识别的结构。

3. 与 AI 相关的核心类型

理解下表中的类型时，应关注它向引擎声明了什么以及它能为哪些判断提供依据，而不应只看标记是否完整。

类型	它向 AI 声明了什么	它如何帮助引擎判断	常见问题
Organization	该站点或品牌代表这个特定实体	帮助引擎识别实体，并确认其知识图谱存在度	缺少 sameAs，实体信息始终含混，系统无法确认其身份
Person	该作者或专家对应的是这个特定身份	帮助引擎识别作者身份，并按照 E-E-A-T 判断来源是否可信	只有匿名署名，没有可供识别的身份信息
Article、NewsArticle	页面是一篇文章，并声明作者和日期	帮助引擎判断页面类型、作者和内容时效	页面未声明类型，作者和日期也没有机器可读的信息
WebSite	该站点的身份，以及它是否提供站内搜索功能	帮助引擎把站点与相应实体对应起来	只有页面级信息，缺少站点实体信息
BreadcrumbList	页面在站点结构中的位置	帮助引擎理解站点架构和页面上下文	页面彼此孤立，缺少结构上下文
FAQPage	页面包含一组问答	帮助引擎确认页面采用了问答结构（见 §2 和 §6）	容易被误认为可以增加引用；答案是否便于引用仍取决于可引用性
HowTo	页面包含一组按顺序排列的步骤	帮助引擎确认页面采用了分步说明结构	同样容易被误认为可以增加引用；Google 对应的富结果也已移除（§6）

Organization 和 Person 的优先级最高，因为它们的属性会直接影响 AI 获取的实体信息。FAQPage 与 HowTo 排在最后，是因为它们描述的只是解析器原本就能识别的结构，还要结合 §6 中的限制来看。

4. 与 AI 相关的核心属性：sameAs 最重要

属性对实体识别的实际影响比类型更直接。下表说明每项属性声明了什么，以及这些信息能为哪些判断提供依据。

属性	它声明了什么	它如何帮助引擎判断	常见问题
sameAs	这些 URL（Wikipedia、Wikidata、官网、社交媒体）与该实体代表同一个对象	帮助引擎识别实体，并确认其知识图谱存在度	实体与知识图谱中的记录没有明确关联，身份始终含混
mainEntity	页面主要介绍的对象	帮助引擎把页面主题与相应实体对应起来	页面涉及的对象过多，系统无法识别主要实体
about、mentions	内容涉及或提及了哪些实体	帮助引擎理解页面主题以及实体之间的关系	缺少机器可读的主题信息
author	内容由哪个 Person 或 Organization 创作	帮助引擎识别作者身份，并判断来源是否可信	没有署名，因而缺少作者身份带来的可信度依据
knowsAbout、hasOccupation	作者熟悉哪些专业领域、担任什么职务	帮助引擎判断作者是否具备相应的专业度	系统无法识别作者所声称的专业背景
speakable	哪些段落适合语音朗读	只帮助受支持的系统识别可朗读段落；该功能仍处于测试阶段，仅适用于美国、英语和新闻内容	适用范围很窄，无法在各种场景中通用，不应过度依赖（Google，beta）

sameAs 是实体识别中最值得优先完善的属性。它明确指出标记中的实体与知识图谱里的哪些页面代表同一对象，帮助模型在知识图谱中找到该实体的正确记录。以下是一个最简示例：

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Example Co",
  "url": "https://example.com",
  "sameAs": [
    "https://en.wikipedia.org/wiki/Example_Co",
    "https://www.wikidata.org/wiki/Q000000",
    "https://www.linkedin.com/company/example-co"
  ]
}

这段代码仅作示例，并非可以直接套用的模板。JSON-LD、Microdata 与 RDFa 的选择、放置位置和转义方法见 JSON-LD；按类型整理的完整模板和校验方法见操作指南 Schema 实施。不同标记为何会影响实体信息，以及身份如何在各平台之间完成匹配，分别见 实体识别 与 知识图谱存在度。

5. 不同 AI 引擎如何使用 Schema.org 标记

AI 引擎不会先读取 Schema.org 标记，再据此为页面排名。不同平台在生成答案时是否使用标记、如何使用标记，存在明显差异；现有证据足以说明这些区别。

平台	如何使用 Schema.org 标记	证据强度
Google AI Overviews、AI Mode	使用 Google 现有的搜索索引和结构化数据系统。AI 搜索仍属于搜索，展示资格的规则没有改变，也不需要另行为 AI 添加标记	最充分：Google 官方文档（AI features）
Bing Copilot	使用 Bing 搜索索引；微软已经确认系统会使用结构化数据	充分：厂商确认
ChatGPT、Perplexity（实时抓取）	抓取页面并转为文字后，JSON-LD 只会被当作普通文字读取，不会被解析成知识图谱中的结构化信息	强：受控测试没有发现专门解析的迹象
Claude、Gemini（直接抓取）	直接抓取页面时，同样没有证据表明它们会在生成答案时专门解析 JSON-LD	与 ChatGPT、Perplexity 一致

现有证据充分表明，实时抓取引擎不会专门解析 JSON-LD。2025 年 12 月的一次受控测试把价格只写入 JSON-LD，再向五个系统提问；没有一个实时抓取页面的对话引擎读出这个值（searchVIU）。另有独立观察发现，ChatGPT 和 Perplexity 甚至会照搬无效或虚构标记中的值，可见它们读取的是页面文字，而不是经过结构化解析的数据（Search Engine Roundtable，观察）。

需要说明的是，模型仍然可能从实体信息中受益，但这些信息来自模型先验和知识图谱，而不是抓取页面时对 JSON-LD 的解析。不同平台如何匹配实体身份，分别见 实体识别 和 知识图谱存在度。

6. 证据说了什么，又没说什么

现有证据可以支持哪些结论，又有哪些限制，需要逐项分清。

证据支持的结论	需要注意的限制
依赖搜索索引的 AI（Google、Bing）会使用结构化数据	结构化数据通过搜索索引发挥作用，而且只影响页面是否具备相应功能的展示资格；Google 明确表示，它不会提升排名
与内容一致的有效标记能减少信息提取时的歧义	标记只能澄清页面上原本就有的信息，不能凭空增加可信度，也不能让内容更容易被引用
Schema.org 标记覆盖率与 AI 引用率不相关	2024 年 12 月的一项研究没有发现二者存在相关性。Schema.org 标记是应当正确实施的基础工作，却不能直接带来增长（Search Engine Land）
厂商可以单方面取消富结果的展示机会	Google 在 2023 年将 FAQ 富结果限于政府和医疗站点，并彻底停止展示 HowTo 富结果（Google）

FAQ 与 HowTo 富结果的调整清楚表明：依靠 Schema.org 标记取得的展示机会，可能因厂商调整规则而消失，不能把它当作长期稳定的收益。

解读 GEO 研究时还需注意：Aggarwal 等人测试的是对内容本身及其结构的改写，包括补充来源、统计数据和引述，并未把 Schema.org 标记作为单独变量测试（KDD ‘24，arXiv:2311.09735；论文摘要）。因此，研究中关于 GEO 效果显著改善的数据不能用来证明添加 Schema.org 标记有效，否则就属于 §7 所述的过度宣称。

这与 E-E-A-T §6 所说的「靠做出来，不靠标注出来」一致：Schema.org 标记用于准确声明已有内容，不用于提高排名。它能帮助引擎确认页面上原本就存在的信息，却不能为页面凭空增加内容或可信度。

7. 反模式：滥用 Schema.org 标记为何适得其反

下列做法看似在补充引擎需要的信号，实际都会在信任判断或反作弊筛选中暴露问题。

反模式	看似有效的原因	实际问题
标记与可见内容不一致	页面看似具备丰富的结构化信息	Google 会采取人工处置措施并取消页面获得富结果的资格；把标记当作文字读取的 AI 也会直接发现矛盾
为占据更多 SERP 版面而强行添加 FAQPage	页面看似覆盖了相关答案	自 2023 年起，富结果仅适用于政府和医疗站点，已经没有相应收益，反而增加信息不准确的风险
虚构 Organization 或 Person	页面看似已经明确声明实体	sameAs 与知识图谱都无法提供佐证；其性质与 E-E-A-T §7 所述的伪造作者相同
为每个元素都添加标记	页面看似标注全面	只会增加噪声、校验错误和信息不一致的风险，不会带来实际好处
JSON-LD 与页面正文不一致	两处看似都提供了完整信息	实时抓取页面的 AI 会把两者都当作文字读取，并因内容矛盾而不再信任这些信息

核心结论是：无效或与内容不符的标记，比完全不添加标记更糟。这类标记可能触发 AI 的反作弊筛选，原因与虚构权威信息无法通过信任筛选相同：两者都属于 AI 内容检测 所述的过度宣称。Google 一贯要求标记准确对应页面上的可见内容，不应把它当作投机手段。

8. Schema.org 标记在 SEO 与 GEO 中的共同基础与差异

基础要求没有变：与内容一致的有效标记是 SEO 与 GEO 都需要保留的基础工作。实施成本很低，本身不会成为区别于其他站点的优势；但删除这些标记，会同时影响蓝色链接的排名和机器解析页面的准确性。

变化的是哪些系统会使用标记：过去主要由富结果渲染系统使用，如今实体解析系统也会利用相关信息，并将其纳入模型已有的知识。

平台	如何使用 Schema.org 标记
Google AI Overviews	通过搜索索引使用 Google 现有的结构化数据系统。标记影响展示资格，不计入排名
实时抓取页面的对话引擎	将标记当作页面文字读取。标记的间接价值来自模型先验中的实体知识，以及知识图谱中的实体记录，而不是对页面中的 JSON-LD 进行结构化解析

机器如何判断非文本资产的来源可信度，包括 ImageObject 和 VideoObject 的来源证明，见 多模态信号；相关格式如何选择，见 JSON-LD。

9. Schema.org 标记对 GEO 的意义与实施顺序

Schema.org 标记是实体识别所需的基础条件，但不能解决 Answer Loop §3 中决定内容能否被采信的关键问题。标记正确且完整后，应把工作重点转向提高内容的可引用性和来源可信度。

如果你想做的是	建议先看
正确实施或修复标记	Schema 实施
决定格式与语法	JSON-LD
理解标记为何会影响实体识别	实体识别 · 知识图谱存在度
在整站审计中检查 Schema.org 标记	GEO 全面审计
提高内容的可引用性	可引用性
了解标记在答案生成流程中的位置	Answer Loop
了解这些工作如何共同构成 GEO	生成式引擎优化

相关术语见 GEO 术语表。

参考资料

官方（Google）：

• Google Search Central — General Structured Data Guidelines · Introduction to structured data markup
• Google Search Central — Changes to HowTo and FAQ rich results（2023-08-08）
• Google Search Central — AI features and your website · Top ways to ensure your content performs well in Google’s AI experiences（2025-05-21）
• Google Search Central — Speakable structured data (beta)

词汇：

• Schema.org — Organization、Person、sameAs、FAQPage、HowTo、Article、speakable

独立／业界：

• searchVIU — Schema Markup and AI in 2025: What ChatGPT, Claude, Perplexity & Gemini Really See（2025-12-02）
• Search Engine Land — How schema markup fits into AI search — without the hype（2026-03-25）
• Search Engine Roundtable — ChatGPT & Perplexity Treat Structured Data As Text On A Page（观察，2026-02-03）

学术（引用时需注意：Schema.org 标记并非被测变量）：

• Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K. & Deshpande, A. (2024). GEO: Generative Engine Optimization. KDD ‘24. arXiv:2311.09735 · 论文摘要