# 什么是 AI 搜索的结构化数据？Schema.org、JSON-LD 与新标准 (2026)

- Canonical: https://www.geoly.ai/zh/blog/structured-data-ai-search
- Published: 2026-07-05
- Updated: 2026-07-05
- Author: [GEOly AI](https://www.geoly.ai/zh/blog/author/geoly-ai)
- Tags: [Glossary](https://www.geoly.ai/zh/blog/tag/glossary), [GEO](https://www.geoly.ai/zh/blog/tag/geo), [AEO](https://www.geoly.ai/zh/blog/tag/aeo)

> **Summary:** 结构化数据是以 Schema.org 词汇表、JSON-LD 格式书写的机器可读标记，让 AI 引擎能确定性地提取、锚定并引用你的页面事实，而不是靠猜——它是品牌与 AI 引擎之间最接近 API 的通道。

AI 搜索的结构化数据，是一种以机器可读格式声明页面事实的标记——最常用的词汇表是 Schema.org，最推荐的写法是 JSON-LD。它直接告诉机器：这个页面是一个产品、价格是 49 美元、这个问题的答案就是这一段。可见页面写给人看，标记写给爬虫、检索管线和购物 Agent 看。在[生成式引擎优化（GEO）](https://www.geoly.ai/zh/blog/what-is-geo)中，结构化数据是品牌与 AI 引擎之间最接近 API 的直连通道。

## 核心要点

- Schema.org 是词汇表，JSON-LD 是格式。两者结合，把页面事实变成 AI 系统可以确定性提取、而非概率性推断的数据。
- 对 GEO 回报最高的 schema 类型是 `Organization`、`Product`、`FAQPage`、`HowTo` 和 `Person`。
- Google 在 2023 年对多数网站下线了 FAQ 富媒体结果，但 `FAQPage` 标记依然有价值：它把干净的问答对直接交给检索系统引用。
- 许多 AI 爬虫几乎不执行 JavaScript，客户端注入的 JSON-LD 可能永远不会被看到——务必服务端渲染。
- 标记是基础设施，不是魔法。要衡量它是否推动了引用率和产品卡片激活率，而不是只看校验是否通过。

## 结构化数据是什么，JSON-LD 在哪个位置

[Schema.org](https://schema.org) 是 Google、Microsoft、Yahoo 和 Yandex 于 2011 年共同发起的通用词汇表，定义了数百种实体类型——组织、产品、文章、事件——以及各自可携带的属性。JSON-LD（JavaScript Object Notation for Linked Data）是发布这套词汇表的首选方式：一段放在页面代码里的小脚本块，访客看不见，机器一目了然。Google 官方文档[推荐使用 JSON-LD](https://developers.google.com/search/docs/appearance/structured-data/intro-structured-data)，因为它比老式的 microdata 和 RDFa 更易编写、更易规模化维护。

它的职能在两个时代之间发生了变化。经典 SEO 时代，结构化数据换来的是富媒体摘要——星级评分、菜谱卡片。到了 GEO 时代，同样的标记喂养的是 AI 引擎用来锚定答案的[知识图谱](https://www.geoly.ai/zh/blog/knowledge-graph-geo)与购物图谱，并给抓取页面的 Agent 一层无歧义的机器可读层。

## 为什么 AI 引擎偏爱「已声明的事实」

语言模型是概率性的。从自由文本里抽取事实成本高、偶尔出错——也就是我们说的幻觉。结构化数据是确定性的：当检索管线读到一个 `Product` 节点、`offers` 价格为 49 美元时，它不需要从上下文猜价格。它直接知道。

这种确定性在三个环节兑现。消歧——`Organization` 标记里指向 Wikipedia、Wikidata 和社交主页的 `sameAs` 链接，告诉引擎你的「Apple」是那家公司，不是水果。提取——[Google AI Overviews](https://www.geoly.ai/zh/blog/ai-overviews) 这类系统偏好能干净解析的信源，而带标记的问答和产品数据解析成本最低。锚定——当用户问「这个品牌靠谱吗」，引擎会先拿你声明的身份与知识图谱交叉验证再作答。

> GEO 经验法则：一个事实越容易被提取，引擎就越可能使用它——并把它归属给你。

一个诚实的前提：Google 明确表示结构化数据是帮助系统理解内容的方式，不是排名捷径，且标记必须与页面可见内容一致。

## 对 GEO 回报最高的五种 schema 类型

### Organization

品牌的身份证：`legalName`、`logo`、`foundingDate`，以及最重要的、指向权威主页的 `sameAs` 链接。它回答实体类问题——这是谁做的、这家公司是真的吗——并为你发布的一切内容提供锚点。

### Product

[生成式电商](https://www.geoly.ai/zh/blog/generative-commerce)的主力。带嵌套 `Offer`（价格、币种、库存）和 `AggregateRating` 的 `Product`，是购物 Agent 在用户问「100 美元以内、4 星以上的运动鞋」时读取的数据。它同时喂养 ChatGPT 和 Google AI Mode 在答案里渲染的产品卡片——[share of card](https://www.geoly.ai/zh/blog/share-of-card-metric-shopify-brands-ai-shopping) 的胜负就在这块货架上。

![AI 购物货架追踪：AI 推荐的产品卡片按出现次数排名（Share of Card）—— 来源：GEOly AI (app.geoly.ai)](https://gslkfhamqhkktynnjqng.supabase.co/storage/v1/object/public/cms-media/geoly-ai-shopping-shelf-product-cards-zh.png)

### FAQPage

`FAQPage` 把 `Question` 与 `acceptedAnswer` 成对绑定——这几乎等于替 AI 预写了回答。Google 已在 2023 年 8 月对多数网站下线 FAQ 富媒体结果，所以别为了搜索页的样式加它；加它是因为一段干净的 40-60 词答案可以被零解析风险地整段引用。

### HowTo

把流程拆成有序、自足的步骤——聊天和语音界面里「怎么做…」类回答背后的标记。每一步都写成能被单独引用的完整句子。

### Person

把内容关联到具名的真人专家：资质、机构、主页。在引擎权衡 [E-E-A-T 信号](https://www.geoly.ai/zh/blog/eeat-ai-era)的时代，作者标记让「专家撰写」成为机器可验证的事实，而不是页脚里的一句自夸。

## Schema.org 之外：feed、llms.txt 与语义化 HTML

标记必要，但已不充分。2026 年还有三个相邻层值得投入。

产品 feed。[Agentic Commerce](https://www.geoly.ai/zh/blog/agentic-commerce) 对 feed 的依赖不亚于标记：Google 购物图谱吃 Merchant Center 数据，OpenAI 也允许商家提交产品 feed，让 ChatGPT 购物显示准确的价格与库存。如果你的标记和 feed 打架，Agent 谁都不信。

[llms.txt](https://www.geoly.ai/zh/blog/llms-txt)。一个提案中的标准（[llmstxt.org](https://llmstxt.org)）：在 `/llms.txt` 放一份写给语言模型的 Markdown 站点摘要。目前没有任何主流引擎确认消费它，所以把它当作低成本对冲，而非硬性要求。GEOly 的 Shopify App 会自动生成并维护——提前布局的成本几乎为零。

语义化 HTML。`article`、`nav` 和真正的 `table` 元素告诉解析器页面上什么重要。通用容器堆出来的「div 汤」逼着每个 [AI 爬虫](https://www.geoly.ai/zh/blog/ai-crawlers)从零重建文档结构——而且许多爬虫不执行 JavaScript，这也是 JSON-LD 必须服务端渲染的原因。

## 如何实施与验证

1. 先审计现状。用 Google 富媒体结果测试和 Schema.org 校验器跑一遍关键模板，或做一次完整的 [GEO 审计](https://www.geoly.ai/zh/blog/geo-audit)——GEOly 的 29 项审计一次性覆盖结构化数据、llms.txt 和爬虫可达性。

1. 按模板铺 JSON-LD：`Organization` 全站部署、`Product` 覆盖每个商品页、`FAQPage` 放支持页、编辑内容配 `Article` 加 `Person`。

1. 对齐各处事实。价格、库存、品牌描述必须在页面文案、标记和商家 feed 之间保持一致。

1. 度量结果而非校验。在 [GEOly](https://www.geoly.ai/zh/blog/what-is-geoly-ai) 里，一个 DTC 珠宝品牌上线 `Product` 标记后，可以跨 7 个引擎观察产品卡片激活率，并检查带标记页面是否开始赢得更多 [AI 引用](https://www.geoly.ai/zh/blog/ai-citations)；该看哪些指标，见[指标指南](https://www.geoly.ai/zh/blog/ai-search-visibility-metrics-kpis)。

![AI 引用信源分析：信源类型分布与 AI 引擎最常引用的域名 —— 来源：GEOly AI (app.geoly.ai)](https://gslkfhamqhkktynnjqng.supabase.co/storage/v1/object/public/cms-media/geoly-ai-citation-source-analysis-zh.png)

## 常见错误

- 标记页面上不可见的内容。这违反 Google 规范，还会让引擎学会不信任你声明的事实。
- 事实漂移：标记里 49 美元、feed 里 59 美元、页面上 54 美元。Agent 处理冲突的方式是无视你。
- 只在客户端注入 JSON-LD，AI 爬虫永远执行不到。
- 把 `FAQPage` 当成 2019 年的富媒体摘要小技巧，而不是提取面。
- 上线标记后从不度量。结构化数据只有在你持续监测、修复、扩展时，才会沉淀成[语义护城河](https://www.geoly.ai/zh/blog/semantic-moat)。

## FAQ

### JSON-LD 对 ChatGPT 真的有用吗？

对聊天是间接有用，对购物是直接有用。ChatGPT 搜索通过 OAI-SearchBot 实时抓取页面，结构干净的页面更容易被解析和引用；而 ChatGPT 的购物结果建立在结构化产品数据和商家 feed 之上，`Product` 标记与可见性之间是直连关系。

### 结构化数据是 AI Overviews 的排名因素吗？

不是直接因素。Google 把结构化数据描述为帮助系统理解内容的方式，而非排名信号。它的 GEO 价值在提取与锚定：引擎越能精确理解你的页面，越可能引用它——该盯的数字是引用率。

### 电商品牌应该先实施哪些 schema 类型？

先做商品页的 `Product`（含 `Offer` 和 `AggregateRating`）和全站 `Organization`——这两项覆盖了购物类问题和品牌信任类问题，也就是 AI 引擎被问到一个 DTC 品牌时的大多数场景。商务层稳固后再加 `FAQPage` 和 `Article` 配 `Person`，全程保持商家 feed 同步。

### 已经发布了 llms.txt，还需要 Schema.org 标记吗？

需要。Schema.org 今天就被 Google、Microsoft 以及 AI 助手背后的购物管线消费；llms.txt 是一个有前景的提案，但尚无主流引擎确认采用。两者都发布无妨——llms.txt 几乎零成本——但绝不能以牺牲规范 JSON-LD 为代价。
