Jeśli dodajesz znaczniki schema, żeby zdobywać cytowania AI, najlepsze kontrolowane dowody mówią: nie czekaj na zwrot. Ahrefs śledził 1,885 stron, które dodały JSON-LD, wobec 4,000 dopasowanych kontroli. Cytowania w Google AI Overviews spadły o 4.6% względem kontroli; AI Mode i ChatGPT pozostały w szumie statystycznym. Nie dodawaj schemy, żeby polować na cytowania. Ale też nie wyburzaj tego, co już stoi.

Porada, którą wszyscy powtarzają

Zapytaj pięć agencji, czy SEO pod AI wymaga znaczników schema, i pięć razy usłyszysz tę samą odpowiedź: tak, dodaj. Schema FAQ, schema Article i schema Organization stoją na czele każdej checklisty optymalizacyjnej. Statystyka zwykle przywoływana jako wsparcie pochodzi od Ahrefs: w analizie 6 milionów URL-i strony cytowane przez AI były niemal trzykrotnie bardziej skłonne zawierać JSON-LD niż strony niecytowane.

Ta liczba dobrze się krąży na LinkedIn i ma znany problem. Strony, które dodają schemę, to często te same, które inwestują w techniczne SEO, publikują treści z autorytetem i zdobywają linki. Znaczniki być może towarzyszą temu wszystkiemu, nie będąc przyczyną. W maju 2026 Ahrefs przeprowadził test, który rozdziela jedno od drugiego.

Jak przebiegł eksperyment

Protokół był prosty. Ahrefs użył historii swojego crawlera, by zidentyfikować 1,885 stron, które po raz pierwszy dodały JSON-LD między sierpniem 2025 a marcem 2026. Każda strona objęta interwencją dostała trzy dopasowane strony kontrolne z innych domen — łącznie około 4,000 — o podobnych poziomach cytowań i bez schemy. Zespół zliczył cytowania w Google AI Overviews, Google AI Mode i ChatGPT w 30 dniach przed i 30 dniach po każdej zmianie, a potem porównał grupy metodą różnicy różnic, która neutralizuje trendy platformowe tego samego okresu — jak wzrost AI Mode i kurczenie się AI Overviews.

Jeden szczegół ma znaczenie przy czytaniu wyników: każda strona objęta interwencją była już mocno cytowana. Przed dodaniem schemy każda miała co najmniej 100 cytowań w AI Overviews. Eksperyment mierzy, co dzieje się ze stronami już w orbicie silników odpowiedzi, a nie to, co schema może zrobić dla strony ignorowanej.

Co znaleźli

Źródło AI Zmiana vs dopasowane kontrole Werdykt Ahrefs
Google AI Overviews −4.6% Niewielki, ale statystycznie istotny spadek
Google AI Mode +2.4% Nieodróżnialne od zera
ChatGPT +2.2% Nieodróżnialne od zera

Uczciwa lektura tabeli: dodanie schemy nie dało mierzalnego zysku na żadnej platformie. Zanim przywołasz −4.6% AI Overviews jako straszak, jedno doprecyzowanie: to około 12 cytowań mniej na stronę dziennie, na stronach dostających setki, w próbce, gdzie strony interweniowane i kontrolne spadały już razem z powodów niezwiązanych ze znacznikami. Ahrefs mówi to jasno: ten niewielki spadek nie może być przypisany schemie. Cztery niezależne testy statystyczne opowiadają tę samą historię: brak efektu netto, pozytywnego czy negatywnego.

Dlaczego silniki traktują twoją schemę jak surowy tekst

Mechanizm wyjaśnia zerowy wynik. W lutym 2026 Mark Williams-Cook opublikował eksperyment zaprojektowany tak, by rozdzielić odczytanie bloku schemy od jego parsowania. Stworzył stronę fikcyjnego sprzedawcy koszulek i umieścił adres wyłącznie w celowo nieprawidłowym JSON-LD: zmyślony @context, zmyślony @type, wyimaginowane właściwości i żaden adres w widocznym tekście. Gdy poprosił ChatGPT i Perplexity o adres, oba poprawnie go podały. Perplexity z własnej inicjatywy dodało nawet, że znalazło go w „danych strukturalnych osadzonych na stronie”. Modele przeczytały blok jak zwykły tekst z dziwną interpunkcją, nie sprawdzając nigdy, czy schema jest poprawna.

Eksperyment searchVIU, przywołany w raporcie Ahrefs, potwierdza to samo inną drogą. Gdy ChatGPT, Claude, Perplexity, Gemini i Google AI Mode pobierają stronę w czasie rzeczywistym, wszystkie pięć systemów ekstrahuje tylko widoczny HTML. JSON-LD, ukryte Microdata i ukryte RDFa są ignorowane przy bezpośrednim pobieraniu.

Badania obserwacyjne wskazują w tę samą stronę

Eksperymenty kontrolowane są w tej dziedzinie rzadkie, więc warto sprawdzić, czy duże zbiory obserwacyjne ich nie zaprzeczają. Nie zaprzeczają. SE Ranking przeanalizował 216,524 strony z 129,000 domen: strony ze schemą FAQ dostają średnio 3.6 cytowań w ChatGPT wobec 4.2 bez niej — lekko ujemna korelacja (badanie obserwacyjne). First Page Sage zmodelowała silniki rekomendacji AI na 4,213 promptach komercyjnych i przypisuje 0.9% modelowanego wpływu w standardowym wyszukiwaniu AI schemie i danym strukturalnym, wobec 80.4% dla sygnałów autorytetu (analiza modelowana przez dostawcę, nie eksperyment).

Jeden szczegół z tego samego raportu First Page Sage zasługuje na uwagę: w wyszukiwaniu agentowym, gdy agent AI weryfikuje fakty przed działaniem, modelowany ciężar danych strukturalnych rośnie do 4.6%. Ceny, dostępność, rezerwacje — te dane naprawdę pomagają maszynie dokończyć zadanie. To argument za danymi strukturalnymi jako instalacją funkcjonalną agentów, nie jako dźwignią cytowań.

Czego to badanie nie może ci powiedzieć

Ograniczenia — większość wylicza sam Ahrefs. Każda badana strona była już mocno cytowana: wynik nie mówi nic o stronach, których AI nigdy nie pokazuje; dla nich znaczniki wciąż mogą pomagać crawlingowi, analizie czy indeksacji, i Ahrefs to zaznacza. Wszystkie typy schemy agregowano razem; konkretny typ może zachowywać się inaczej. Okno 30 dni przegapiłoby efekty powolne. Badanie obejmuje wyłącznie JSON-LD obecny w serwowanym HTML-u, nie Microdata, nie RDFa, nie schemę wstrzykiwaną przez JavaScript. A że to obserwacyjne badanie dopasowane, nie randomizowany eksperyment, niewielki spadek AI Overviews nie może być czysto przypisany schemie. Dlatego też nazywanie JSON-LD „pasywem” przesadza z danymi. Broniona teza jest węższa: tam, gdzie sprzedaje się go najmocniej, zero dowodów na zwrot.

Co robić zamiast tego

Trzy działania, w kolejności, w jakiej podtrzymuje je dowody.

Po pierwsze, przestań budżetować nową schemę jako dźwignię widoczności w AI. Każda propozycja, która sprzedaje schemę FAQ jako dźwignię cytowań AI, jest sprzeczna z najlepszymi dostępnymi dowodami kontrolowanymi. Argument kalendarzowy też się zawalił: 7 maja 2026 Google usunął rich results FAQ z wyszukiwania w całości, i stara obietnica „więcej miejsca na stronie wyników” już się nie broni.

Po drugie, nie usuwaj w panice. Dokumentacja Google mówi, że niewykorzystane dane strukturalne nie powodują problemów, a znaczniki wciąż zasilają tradycyjną infrastrukturę wyszukiwania i ujednoznacznianie encji w Knowledge Graph. Williams-Cook, niezbyt życzliwy marketingowi schema-pod-GEO, rekomenduje właśnie jego zachowanie z tego powodu. Usunięcie działających znaczników z powodu ujemnej korelacji to powtórzenie pierwotnego błędu w odwrotną stronę.

Po trzecie, wydaj wysiłek tam, gdzie wskazują dowody. Model First Page Sage przypisuje 80.4% wpływu sygnałom autorytetu, daleko przed 0.9% dla schemy, a prace korelacyjne Ahrefs wielokrotnie pokazują, że cytowane strony należą do stron całościowo mocnych. W praktyce przekłada się to na jedno: bycie wymienianym. Nasz przewodnik, jak sprawdzić, czy ChatGPT poleca twój produkt, zajmuje popołudnie i nie wymaga narzędzi, a dlaczego bycie wymienianym przez AI warte jest więcej niż dobra pozycja w Google domyka resztę.

Po pierwsze spojrzenie na własną stronę: darmowa natychmiastowa weryfikacja wykonuje siedem technicznych sprawdzeń na twojej stronie głównej i pokazuje każdy wynik na stronie.

Uruchom darmową weryfikację

Nota o schemie tej samej strony

Tak, ta strona zawiera JSON-LD Article i FAQPage. Nic z powyższego temu nie przeczy. Nasze znaczniki celują w tradycyjną infrastrukturę wyszukiwania i jasność encji, i nie przedstawiamy ich jako dźwigni cytowań AI. Ten tekst jest przeciw dodawaniu znaczników w nadziei na cytowania, nie przeciw utrzymywaniu technicznie zdrowej strony.

Często zadawane pytania

Czy dodanie JSON-LD zwiększa cytowania AI?

Najlepsze dostępne dowody mówią: nie. Ahrefs śledził 1,885 stron, które dodały JSON-LD, wobec 4,000 dopasowanych kontroli: cytowania w Google AI Overviews spadły o 4.6% względem kontroli, a AI Mode (+2.4%) i ChatGPT (+2.2%) pozostały w szumie statystycznym. Żadna platforma nie pokazuje zauważalnego wzrostu.

Czy powinienem usunąć istniejące znaczniki schema?

Nie. Dokumentacja Google mówi, że niewykorzystane dane strukturalne nie powodują problemów, a znaczniki FAQPage mogą zostać po usunięciu rich results w maju 2026. Schema nadal służy tradycyjnej infrastrukturze wyszukiwania i ujednoznacznianiu encji. Dowody są przeciw nowym znacznikom wkładanym w nadziei na cytowania AI, nie przeciw technicznie zdrowej stronie.

Dlaczego silniki AI nie czytają schemy jak crawler Google?

W eksperymencie z lutego 2026 ChatGPT i Perplexity poprawnie wyekstrahowały adres umieszczony wyłącznie w celowo nieprawidłowym, wymyślonym od zera JSON-LD. Modele przeczytały blok jak surowy tekst, nie analizując struktury. Test searchVIU przywołany przez badanie Ahrefs pokazuje, że pięć systemów AI przy pobieraniu w czasie rzeczywistym ekstrahuje tylko widoczny HTML.

Co naprawdę poprawia cytowania AI?

Modelowane dowody zbiegają się ku autorytetowi: First Page Sage przypisuje 80.4% modelowanego wpływu na odpowiedzi AI sygnałom autorytetu, wobec 0.9% dla schemy. Korelacyjny wniosek Ahrefs (strony cytowane niemal trzykrotnie częściej z JSON-LD) wskazuje w tę samą stronę: znaczniki towarzyszą mocnym stronom, zamiast czynić je mocnymi.

Ta strona ma schemę FAQ. Czy to nie sprzeczność?

Nie. Utrzymujemy znaczniki Article i FAQPage na tej stronie dla tradycyjnej infrastruktury wyszukiwania i jasności encji, nie przedstawiając ich jako dźwigni cytowań AI. Argument dotyczy nowej schemy wkładanej w oczekiwaniu na cytowania, nie poprawnych i pielęgnowanych danych strukturalnych.

Źródła

  • Ahrefs, „We Tracked 1,885 Pages Adding Schema. AI Citations Barely Moved.” (eksperyment kontrolowany, dopasowane różnice różnic, opublikowany 11 maja 2026; zawiera test bezpośredniego pobierania searchVIU na pięciu systemach AI): ahrefs.com/blog/schema-ai-citations
  • Mark Williams-Cook, „Schema, LLMs and the Low Bar for Evidence in GEO” (eksperyment: ekstrakcja z celowo nieprawidłowego JSON-LD; długi tekst): markwilliamscook.substack.com; oryginalny test z lutego 2026 (opisany przez Search Engine Roundtable): seroundtable.com
  • SE Ranking, „How to Optimize for ChatGPT” (badanie obserwacyjne, 216,524 strony z 129,000 domen, opublikowane w listopadzie 2025): seranking.com/blog/how-to-optimize-for-chatgpt
  • First Page Sage, „Impact of Structured Data on AI Rankings: 2026 Study” (analiza modelowana przez dostawcę, 4,213 promptów komercyjnych, opublikowana we wrześniu 2026): firstpagesage.com/reports/impact-of-structured-data-on-ai-rankings
  • Search Engine Journal, „Google Drops FAQ Rich Results From Search” (opis ogłoszenia dokumentacyjnego Google z 7 maja 2026): searchenginejournal.com