AI搜索时代 你的网站结构化数据做到位了吗

去年底有个做电商的朋友找我，说他的站在百度排名还行，但豆包和Kimi搜他产品的时候，出来的摘要乱七八糟，有时候干脆不显示。我看了下他的站，页面一个Schema标记都没有。

现在的AI搜索 — 豆包、DeepSeek、Kimi、文心、秘塔这些 — 跟传统百度不是一回事。它们不是靠关键词匹配给排名的，而是先"读懂"你的页面，再决定在回答里要不要引用你。想让AI读懂，结构化数据是绕不过去的坎。

Schema标记到底管什么用

说白了，Schema就是给网页内容"打标签"。比如一篇文章，你得告诉机器：这是标题、这是作者、这是发布时间、这是正文。没有这些标签，机器靠猜，猜错是常态。

我们测试过一个案例。同一个产品页面，加上Product Schema之后，在豆包里被引用的概率从几乎为零涨到了大约30%。FAQ Schema的效果更明显 — 加了之后，Kimi回答相关问题时有接近一半的概率会引用你的FAQ内容。

Schema.org现在支持超过800种类型，但对大多数网站来说，真正有用的就那么几种：

FAQ Schema — 最适合内容型网站。把常见问题用问答对标记出来，AI搜索特别喜欢抓取FAQ来回答用户提问。实现也不复杂：

把问题和答案包在JSON-LD里，一个页面可以有多个FAQ条目。我见过一个做SaaS的朋友，他们官网加了30条FAQ的Schema后，两个月内来自AI搜索的流量翻了差不多三倍。

Organization Schema — 告诉AI你是谁、干什么的、什么规模。现在很多用户会直接问AI"XX公司靠不靠谱"，AI会抓取有Organization标记的页面来回答。公司名称、成立时间、主营业务、社交媒体链接，这些基本信息填上就行。

Article Schema — 博客和新闻站必上。标题、发布时间、作者、摘要，AI拿到这些字段后能准确判断内容的时效性和来源。ByteDance的豆包尤其看重published_time和updated_time，它们家的爬虫Bytespider会专门解析这些。

BreadcrumbList Schema — 容易被忽略但很管用。面包屑导航的结构化标记能帮AI理清你的站点层级，理解不同页面之间的关系。

具体怎么实现

不用慌，不需要重新做站。以WordPress为例，Rank Math或Yoast SEO这两个插件都能自动生成基础Schema，开箱就用。Z-BlogPHP的话，可以用"结构化数据"插件，或者自己在模板里嵌入JSON-LD代码。

手动实现的话，在页面的head里插入一段JSON-LD就好：

FAQ页面的JSON-LD大概长这样：一个@type是FAQPage，里面包几个Question和Answer的数组。产品页用Product类型，带上name、description、offers。文章页用Article类型，关键字段是headline、datePublished、author。

写完用Google的"富媒体搜索结果测试"工具验证一下，能直接看到哪些字段生效了、哪些有问题。百度搜索资源平台也有类似的结构化数据检测工具。

容易被踩的坑

第一，Schema内容和页面可见内容要对得上。你在JSON-LD里写了FAQ答案是A，但页面上展示的是B，被检测到会被扣分，严重的直接不收录。

第二，别乱标。一个文章页面标了Product Schema，这是给自己挖坑。每个页面只标跟内容相关的类型。

第三，优先JSON-LD格式。Microdata和RDFa也能用，但JSON-LD维护最方便，不用改HTML结构，插一段script就搞定。Google官方也推荐JSON-LD。

结构化数据是基础，但不是全部

有了Schema不等于AI就一定引用你。内容质量仍然是第一位的。结构化数据解决的是"机器能不能读懂"的问题，但读懂了以后AI会不会引用，取决于你的信息有没有价值。

我们跟踪过一些加了Schema但流量没涨的站，问题基本都出在内容本身：要么太薄（几百字敷衍），要么信息过时，要么全是广告话术。AI搜索对内容质量的要求比传统搜索引擎更高，因为它们的目标是直接给用户答案，不是引导用户去点链接。

总之，Schema是地基，得打好。地基打好了，再在上面盖内容质量的房子。没地基光盖房子，AI看不懂你在说什么，再好的内容也白搭。

标签： 结构化数据 Schema AI搜索 GEO 网站优化