如果你添加 schema 标记是为了换取 AI 引用，目前最好的对照实验给出的答案是：不要指望回报。Ahrefs 追踪了 1,885 个新增 JSON-LD 的页面，与 4,000 个匹配控制页对照。Google AI Overviews 中的引用相对控制组下降了 4.6%；AI Mode 和 ChatGPT 的变动都在统计噪声范围内。不要为了引用去加 schema，也不要把已有的拆掉。

人人都重复的那条建议

问五家代理商“AI 搜索需不需要 schema 标记”，你会听到五个相同的答案：要加。FAQ schema、Article schema、Organization schema 出现在每份优化清单的前列。这条建议背后常被引用的数字来自 Ahrefs：在 600 万条 URL 的分析中，被 AI 引用的页面含有 JSON-LD 的概率几乎是未被引用页面的三倍。

这个数字在 LinkedIn 上传播得很广，而它有一个我们熟悉的问题：会加 schema 的网站，往往正是那些在技术 SEO 上投入、发布权威内容、能拿到外链的网站。标记可能是搭了这些因素的便车，而不是原因。2026 年 5 月，Ahrefs 做了能把两者分开的实验。

实验是怎么做的

实验设计很直接。Ahrefs 用自己的爬虫历史，找出了 2025 年 8 月到 2026 年 3 月之间首次添加 JSON-LD 的 1,885 个页面。每个处理页配了三个来自不同域名、引用水平相近且没有 schema 的匹配控制页，总计约 4,000 个。团队统计每个页面变更前后各 30 天内 Google AI Overviews、Google AI Mode 和 ChatGPT 中的引用次数，再用双重差分（difference-in-differences）分析比较两组，从而剔除同期平台整体趋势的影响，比如 AI Mode 增长、AI Overviews 收缩。

读结果前有一个细节要知道：每个处理页在被处理前就已经有大量引用。schema 加上去之前，每个页面至少有 100 次 AI Overview 引用。这个实验测的是“已经在答案引擎考虑范围内的页面”会发生什么，而不是 schema 能否帮一个无人问津的页面被发现。

结果是什么

AI 来源 相对匹配控制组的变化 Ahrefs 的判定
Google AI Overviews −4.6% 小幅但统计显著的下降
Google AI Mode +2.4% 与零无法区分
ChatGPT +2.2% 与零无法区分

看这张表，公允的结论是：加 schema 在任何平台上都没有产生可测量的收益。在有人把 AI Overviews 的 −4.6% 当惊吓数字引用之前，值得先交代一句：它折算下来大约是每页每天少 12 次引用，而这些页面原本每天有数百次；并且样本里处理组和控制组本来就在一起下滑，原因与标记无关。Ahrefs 明确说明，这个小差距无法归因于 schema。四项独立的统计检验给出同一个结论：没有明确的正向或负向效应。

为什么引擎把你的 schema 当纯文本

机制解释了这个零结果。2026 年 2 月，Mark Williams-Cook 发布了一个专门用来区分“读到 schema 块”和“解析 schema 块”的实验。他给一家虚构的 T 恤公司做了个页面，把公司地址只放在故意写错的 JSON-LD 里：编造的 @context URL、编造的 @type、虚构的属性，可见文本里没有任何地址。当他向 ChatGPT 和 Perplexity 询问这家公司的地址时，两者都正确返回了。Perplexity 还主动说明，答案来自“页面内嵌的结构化数据”。模型只是把这块内容当成标点奇怪的普通文本读了一遍，从未检查其中任何内容是不是合法 schema。

Ahrefs 报告引用的另一项 searchVIU 实验从另一个角度指向同一方向。当 ChatGPT、Claude、Perplexity、Gemini 和 Google AI Mode 实时抓取一个页面时，五者都只提取了可见 HTML。JSON-LD、隐藏的 Microdata 和隐藏的 RDFa 在直接检索中被忽略。

观察性研究指向同一方向

这个领域对照实验很少，所以值得核对大型观察性数据集是否与实验矛盾。它们不矛盾。SE Ranking 分析了 129,000 个域名下的 216,524 个页面，发现带 FAQ schema 的页面平均获得 3.6 次 ChatGPT 引用，不带的是 4.2 次，呈轻微负相关（观察性研究）。First Page Sage 对 4,213 个商业提示词的 AI 推荐驱动因素建模，给 schema 与结构化数据在标准 AI 搜索中分配了 0.9% 的建模影响力，而权威信号是 80.4%（供应商建模分析，不是实验）。

同一份 First Page Sage 报告里有一个值得保留的细节：在代理式搜索（agentic search）中，也就是 AI 代理在行动前先核实事实的场景，结构化数据的建模权重上升到 4.6%。价格、库存、预订这类事实确实能帮机器完成任务。这论证的是结构化数据作为代理的功能管道，而不是作为引用杠杆。

这项研究不能告诉你什么

局限如下，其中大部分 Ahrefs 自己也列了出来。研究的每个页面在被研究前就有大量引用，所以结果对“AI 从不展示的页面”什么都没说；对那些页面，标记或许仍有助于抓取、解析或收录，Ahrefs 也明确这样讲。所有 schema 类型被合并统计，单一类型的表现可能不同。窗口只有 30 天，会漏掉慢效应。研究只覆盖服务端 HTML 里的 JSON-LD，不包括 Microdata、RDFa 或 JavaScript 注入的 schema。而且由于这是匹配观察性研究而非随机试验，AI Overviews 的小幅下降无法干净地归因于 schema。这也是为什么把 JSON-LD 说成“负资产”夸大了数据。站得住的结论更窄：在它最常被推销的地方，没有证据显示有回报。

该做什么

三件事，按证据支持的程度排序。

第一，不要再为新增 schema 按“AI 可见性”立项。任何把 FAQ schema 包装成 AI 引用杠杆的方案，都与现有最好的对照实验相悖。时机论也站不住了：2026 年 5 月 7 日，Google 已把 FAQ 富结果从搜索中完全移除，“在结果页占更多空间”的老话术不再成立。

第二，不要恐慌性删除。Google 的指引说未使用的结构化数据不会造成问题，标记仍在为传统搜索基础设施和 Knowledge Graph 实体消歧供数。Williams-Cook 并不买 schema-for-GEO 营销的账，但他恰恰因为这个理由建议保留。仅凭一条负相关就删掉正常工作的标记，等于把最初的错误反向再犯一遍。

第三，把精力花在证据指向的地方。First Page Sage 的模型把 80.4% 的影响力给了权威信号，远高于 schema 的 0.9%；Ahrefs 的相关性研究也反复发现，被引用的页面属于整体很强的网站。落到实操就是“被提及”：我们的检查 ChatGPT 是否推荐你的产品指南一个下午就能做完、不需要任何工具，为什么被 AI 提及比 Google 排名更重要则讲了接下来该做什么。

如果想先摸一下自己网站的底，免费即时检查会对你的首页跑七项技术检查，并把每项结果直接显示在页面上。

运行免费即时检查

关于本页自身 schema 的说明

是的，本页带有 Article 和 FAQPage JSON-LD。这与上文任何内容都不矛盾。我们的标记面向传统搜索基础设施和实体清晰度，我们也不把它当作 AI 引用杠杆。这里的论证反对的是“加标记并指望换来引用”，不是反对保留一个技术上健康的网站。

常见问题

添加 JSON-LD schema 能增加 AI 引用吗？

目前最有力的证据说不能。Ahrefs 追踪了 1,885 个新增 JSON-LD 的页面，与 4,000 个匹配控制页对照：Google AI Overviews 中的引用相对控制组下降 4.6%，AI Mode（+2.4%）和 ChatGPT（+2.2%）的变动在统计噪声范围内。没有任何平台出现有意义的提升。

我该删掉已有的 schema 标记吗？

不该。Google 的指引说未使用的结构化数据不会给搜索带来问题，FAQPage 标记在 2026 年 5 月富结果移除之后也可以继续保留。schema 仍然服务于传统搜索基础设施和实体消歧。证据反对的是专门为了追 AI 引用而新增标记，不是反对保留一个技术上健康的网站。

为什么 AI 引擎不像 Google 爬虫那样读 schema 标记？

在 2026 年 2 月的一项实验中，ChatGPT 和 Perplexity 正确提取出了一个只存在于故意写错、凭空编造的 JSON-LD 里的地址。模型把这段块当纯文本读，而不是解析它的结构。Ahrefs 研究引用的一项 searchVIU 测试发现，五个 AI 系统在实时抓取页面时都只提取可见 HTML。

那真正能提升 AI 引用的是什么？

建模证据集中在权威性上：First Page Sage 把 AI 回答中 80.4% 的影响力归于权威信号，schema 只有 0.9%。Ahrefs 的相关性发现（被引用页面拥有 JSON-LD 的概率约为三倍）也指向同一方向：标记是随着强站一起出现的，而不是让站点变强的原因。

本页就带着 FAQ schema，这不是自相矛盾吗？

不是。我们在这页保留 Article 和 FAQPage 标记，是为了传统搜索基础设施和实体清晰度，我们并不把它当作 AI 引用杠杆。本文反对的是“加新 schema 并指望换来引用”，不是反对维护有效的结构化数据。

来源