它具体起什么作用
锚定实体:Organization 标注让机器不用猜就知道:这一页讲的是哪家公司、做什么、官方渠道在哪。LLM 的实体知识需要挂靠点,结构化事实就是挂靠点。同名公司很多,没有标注,引擎只能靠猜来区分"Negency"和另一家相似名字的公司。
切分内容单元:Service、FAQPage、Article 标注等于直接对机器声明「这页是什么、哪段回答哪个问题」,省去引擎从散文里猜结构的一步。AI 摘引的是段落,标注就是段落的目录。
事实可核验:日期、作者、来源、发布方写进标注,爬取时一次提取;AI 回答要引用的是能核验的事实,不是文案。一篇带作者与发布日期的 Article 标注,比一段没有出处的正文更容易被当作引用来源。
格式上,Google 官方文档把 JSON-LD 列为推荐格式:它写在独立的 script 标签里,不与可见文字交错,最容易实现与维护;Google 同时要求标注内容必须与页面可见文字一致——标注看不见的东西,比不标注更糟。
它做不到什么
结构化数据不是引用开关:没有第三方提及,它提不了你的提及率;它提升的是「事实被读对的概率」和「被引用时不出错的概率」。Google 官方文档也说得很清楚:进入 AI 概览与 AI 模式不需要专门的结构化数据,结构化数据不是 AI 搜索的必要条件——它做的是让已经发生的引用更准确。
还有一处 2026 年的变化要注意:Google 已于 2026 年 5 月停止在搜索结果中展示 FAQ 富媒体结果。FAQPage 本身仍是有效的 schema.org 类型,对 AI 引擎与其他解析方仍有结构化价值,但不要再把它当作 Google 搜索展示手段来做;做 FAQPage 的理由是机器可读,不是搜索特效。
但这项工作成本低、效果可测——在 30 家中国出海企业官网(Negency 旗舰报告 2026 年第一期,2026 年 10 月 30 日采样)里,缺 JSON-LD 是最普遍的重大缺项(17/30),机器可读一项均分只有 69.2(中位数 68.5)。便宜、多数人没做、能修一类真实错误——这种事性价比最高,应该先做。(抽样口径:样本为 30 家中国出海企业全球官网主域名,检测用 Negency AI 可见度体检引擎,约 30 个信号、五类,单日采样;报告只测技术可见度,不测提及率。)
建议顺序
先补 Organization 实体标注,再给 FAQ 内容配 FAQPage、给服务页配 Service、给新闻与报告配 Article。补完要逐项与页面可见文字对账:标注与页面互相矛盾比不标注更糟。验收分两步:先用 Google 富媒体结果测试等校验工具确认格式合法,再人工抽查标注里的名称、日期、链接是否与页面上人能看到的文字逐项一致。
先做哪四类、按什么顺序
- Organization:先把「我们是谁」写死——法定名称、官网、标志、公开联系方式、成立信息,解决引擎认错人、混同名的问题;
- WebSite:声明站点本身的名称与语言版本对应关系,帮引擎把多语言页面归到同一个实体名下;
- FAQPage / Article:把问答页与文章页的标题、作者方、发布与更新日期结构化,方便引擎摘取与标注出处;
- Service / Product:把服务与产品的名称、说明、适用对象写成结构化条目,让「谁提供什么」可以被直读。
本页上方的图解给出了 Organization + FAQPage 的 JSON-LD 骨架示例(以 Negency 自己的公开事实为例),字段均来自 schema.org 规范,可直接对照着写。
做了没效果,最常见的原因
做了没效果,最常见的不是格式错,而是内容对不上:结构化数据里写的与页面上人能看到的文字不一致、只给首页做不给内页做、套模板插件的默认输出与公司真实口径冲突。典型例子:标注里的成立年份写 2014,关于页正文写 2016——引擎面对两个版本,只能两个都不信。引擎信的是交叉一致的信息,结构化数据只是把一致的信息说得更清楚,不是给不一致的信息发通行证。修之前先对账,修之后逐页复查,标注才算真正落地。
不确定自己站点缺哪些标注?免费 AI 可见度体检会逐项查 JSON-LD 的有无与对错,先看结果再动手。