如果你添加 schema 標記是為了換取 AI 引用，目前最好的對照實驗給出的答案是：不要指望回報。Ahrefs 追蹤了 1,885 個新增 JSON-LD 的頁面，與 4,000 個匹配控制頁對照。Google AI Overviews 中的引用相對控制組下降了 4.6%；AI Mode 和 ChatGPT 的變動都在統計噪聲範圍內。不要為了引用去加 schema，也不要把已有的拆掉。

人人都重複的那條建議

問五家代理商“AI 搜索需不需要 schema 標記”，你會聽到五個相同的答案：要加。FAQ schema、Article schema、Organization schema 出現在每份優化清單的前列。這條建議背後常被引用的數字來自 Ahrefs：在 600 萬條 URL 的分析中，被 AI 引用的頁面含有 JSON-LD 的概率幾乎是未被引用頁面的三倍。

這個數字在 LinkedIn 上傳播得很廣，而它有一個我們熟悉的問題：會加 schema 的網站，往往正是那些在技術 SEO 上投入、發佈權威內容、能拿到外鏈的網站。標記可能是搭了這些因素的便車，而不是原因。2026 年 5 月，Ahrefs 做了能把兩者分開的實驗。

實驗是怎麼做的

實驗設計很直接。Ahrefs 用自己的爬蟲歷史，找出了 2025 年 8 月到 2026 年 3 月之間首次添加 JSON-LD 的 1,885 個頁面。每個處理頁配了三個來自不同域名、引用水平相近且沒有 schema 的匹配控制頁，總計約 4,000 個。團隊統計每個頁面變更前後各 30 天內 Google AI Overviews、Google AI Mode 和 ChatGPT 中的引用次數，再用雙重差分（difference-in-differences）分析比較兩組，從而剔除同期平台整體趨勢的影響，比如 AI Mode 增長、AI Overviews 收縮。

讀結果前有一個細節要知道：每個處理頁在被處理前就已經有大量引用。schema 加上去之前，每個頁面至少有 100 次 AI Overview 引用。這個實驗測的是“已經在答案引擎考慮範圍內的頁面”會發生什麼，而不是 schema 能否幫一個無人問津的頁面被發現。

結果是什麼

AI 來源 相對匹配控制組的變化 Ahrefs 的判定
Google AI Overviews −4.6% 小幅但統計顯著的下降
Google AI Mode +2.4% 與零無法區分
ChatGPT +2.2% 與零無法區分

看這張表，公允的結論是：加 schema 在任何平台上都沒有產生可測量的收益。在有人把 AI Overviews 的 −4.6% 當驚嚇數字引用之前，值得先交代一句：它折算下來大約是每頁每天少 12 次引用，而這些頁面原本每天有數百次；並且樣本里處理組和控制組本來就在一起下滑，原因與標記無關。Ahrefs 明確說明，這個小差距無法歸因於 schema。四項獨立的統計檢驗給出同一個結論：沒有明確的正向或負向效應。

Change in AI citations after adding JSON-LD: AI Overviews −4.6%, AI Mode +2.4%, ChatGPT +2.2% CHANGE IN CITATIONS VS MATCHED CONTROLS Google AI Overviews SIGNIFICANT DECLINE −4.6% Google AI Mode WITHIN NOISE +2.4% ChatGPT WITHIN NOISE +2.2% −5% 0 +5%
圖1：1,885 個頁面添加 JSON-LD 後，相對匹配對照組的 AI 引用變化（每次變更前後各測 30 天）。Google AI Overviews：−4.6%，幅度小但統計顯著，Ahrefs 無法將其歸因於 schema。Google AI Mode：+2.4%，ChatGPT：+2.2%，均與零無法區分。來源：Ahrefs 對照實驗，2026 年 5 月 11 日發佈。

為什麼引擎把你的 schema 當純文本

機制解釋了這個零結果。2026 年 2 月，Mark Williams-Cook 發佈了一個專門用來區分“讀到 schema 塊”和“解析 schema 塊”的實驗。他給一家虛構的 T 恤公司做了個頁面，把公司地址只放在故意寫錯的 JSON-LD 裏：編造的 @context URL、編造的 @type、虛構的屬性，可見文本里沒有任何地址。當他向 ChatGPT 和 Perplexity 詢問這家公司的地址時，兩者都正確返回了。Perplexity 還主動說明，答案來自“頁面內嵌的結構化資料”。模型只是把這塊內容當成標點奇怪的普通文本讀了一遍，從未檢查其中任何內容是不是合法 schema。

Ahrefs 報告引用的另一項 searchVIU 實驗從另一個角度指向同一方向。當 ChatGPT、Claude、Perplexity、Gemini 和 Google AI Mode 實時抓取一個頁面時，五者都只提取了可見 HTML。JSON-LD、隱藏的 Microdata 和隱藏的 RDFa 在直接檢索中被忽略。

觀察性研究指向同一方向

這個領域對照實驗很少，所以值得核對大型觀察性資料集是否與實驗矛盾。它們不矛盾。SE Ranking 分析了 129,000 個域名下的 216,524 個頁面，發現帶 FAQ schema 的頁面平均獲得 3.6 次 ChatGPT 引用，不帶的是 4.2 次，呈輕微負相關（觀察性研究）。First Page Sage 對 4,213 個商業提示詞的 AI 推薦驅動因素建模，給 schema 與結構化資料在標準 AI 搜索中分配了 0.9% 的建模影響力，而權威信號是 80.4%（供應商建模分析，不是實驗）。

同一份 First Page Sage 報告裏有一個值得保留的細節：在代理式搜索（agentic search）中，也就是 AI 代理在行動前先核實事實的場景，結構化資料的建模權重上升到 4.6%。價格、庫存、預訂這類事實確實能幫機器完成任務。這論證的是結構化資料作為 AI 代理執行任務的功能管道，而不是作為引用槓桿。

Modeled influence on AI recommendations: authority 80.4%, schema 0.9%, schema in agentic search 4.6% MODELED INFLUENCE ON AI RECOMMENDATIONS Authority signals 80.4% Schema, standard search 0.9% Schema, agentic search 4.6% 0% 25% 50% 75% 100%
圖2：對 AI 推薦的建模影響力：標準 AI 搜索中，權威信號佔 80.4%，schema 與結構化資料僅佔 0.9%。而在代理式搜索（agent 在行動前會核實事實）中，schema 的建模權重升至 4.6%。來源：First Page Sage 對 4,213 個商業提示詞的建模分析，2026 年 9 月發佈；廠商建模分析，非實驗。

這項研究不能告訴你什麼

局限如下，其中大部分 Ahrefs 自己也列了出來。研究的每個頁面在被研究前就有大量引用，所以結果對“AI 從不展示的頁面”什麼都沒說；對那些頁面，標記或許仍有助於抓取、解析或收錄，Ahrefs 也明確這樣講。所有 schema 類型被合併統計，單一類型的表現可能不同。窗口只有 30 天，會漏掉慢效應。研究只覆蓋服務端 HTML 裏的 JSON-LD，不包括 Microdata、RDFa 或 JavaScript 注入的 schema。而且由於這是匹配觀察性研究而非隨機試驗，AI Overviews 的小幅下降無法乾淨地歸因於 schema。這也是為什麼把 JSON-LD 說成“負資產”超出了資料能支持的範圍。站得住的結論更窄：在它最常被推銷的地方，沒有證據顯示有回報。

該做什麼

三件事，按證據支持的程度排序。

第一，不要再為新增 schema 按“AI 可見性”立項。任何把 FAQ schema 包裝成 AI 引用槓桿的方案，都與現有最好的對照實驗相悖。時機論也站不住了：2026 年 5 月 7 日，Google 已把 FAQ 富結果從搜索中完全移除，“在結果頁佔更多空間”的老話術不再成立。

第二，不要恐慌性刪除。Google 的指引說未使用的結構化資料不會造成問題，標記仍在為傳統搜索基礎設施和 Knowledge Graph 實體消歧供數。Williams-Cook 並不買 schema-for-GEO 營銷的帳，但他恰恰因為這個理由建議保留。僅憑一條負相關就刪掉正常工作的標記，等於把最初的錯誤反向再犯一遍。

第三，把精力花在證據指向的地方。First Page Sage 的模型把 80.4% 的影響力給了權威信號，遠高於 schema 的 0.9%；Ahrefs 的相關性研究也反覆發現，被引用的頁面屬於整體很強的網站。落到實操就是“被提及”：我們的檢查 ChatGPT 是否推薦你的產品指南一個下午就能做完、不需要任何工具，為什麼被 AI 提及比 Google 排名更重要則講了接下來該做什麼。

如果想先摸一下自己網站的底，免費即時檢查會對你的首頁跑七項技術檢查，並把每項結果直接顯示在頁面上。

運行免費即時檢查

關於本頁自身 schema 的說明

是的，本頁帶有 Article 和 FAQPage JSON-LD。這與上文任何內容都不矛盾。我們的標記面向傳統搜索基礎設施和實體清晰度，我們也不把它當作 AI 引用槓桿。這裏的論證反對的是“加標記並指望換來引用”，不是反對保留一個技術上健康的網站。

常見問題

添加 JSON-LD schema 能增加 AI 引用嗎？

目前最有力的證據說不能。Ahrefs 追蹤了 1,885 個新增 JSON-LD 的頁面，與 4,000 個匹配控制頁對照：Google AI Overviews 中的引用相對控制組下降 4.6%，AI Mode（+2.4%）和 ChatGPT（+2.2%）的變動在統計噪聲範圍內。沒有任何平台出現有意義的提升。

我該刪掉已有的 schema 標記嗎？

不該。Google 的指引說未使用的結構化資料不會給搜索帶來問題，FAQPage 標記在 2026 年 5 月富結果移除之後也可以繼續保留。schema 仍然服務於傳統搜索基礎設施和實體消歧。證據反對的是專門為了追 AI 引用而新增標記，不是反對保留一個技術上健康的網站。

為什麼 AI 引擎不像 Google 爬蟲那樣讀 schema 標記？

在 2026 年 2 月的一項實驗中，ChatGPT 和 Perplexity 正確提取出了一個只存在於故意寫錯、憑空編造的 JSON-LD 裏的地址。模型把這段塊當純文本讀，而不是解析它的結構。Ahrefs 研究引用的一項 searchVIU 測試發現，五個 AI 系統在實時抓取頁面時都只提取可見 HTML。

那真正能提升 AI 引用的是什麼？

建模證據集中在權威性上：First Page Sage 把 AI 回答中 80.4% 的影響力歸於權威信號，schema 只有 0.9%。Ahrefs 的相關性發現（被引用頁面擁有 JSON-LD 的概率約為三倍）也指向同一方向：標記是隨着強站一起出現的，而不是讓站點變強的原因。

本頁就帶着 FAQ schema，這不是自相矛盾嗎？

不是。我們在這頁保留 Article 和 FAQPage 標記，是為了傳統搜索基礎設施和實體清晰度，我們並不把它當作 AI 引用槓桿。本文反對的是“加新 schema 並指望換來引用”，不是反對維護有效的結構化資料。

來源