首页 > 新闻中心 > 解决方案 > 结构化数据具体指哪些?GEO 网站必备的 7 类 Schema 标记与代码模板

"结构化数据"是一个总称,落到代码上是多种 Schema.org 类型的组合。SEO 场景通常只关注 Article 和 BreadcrumbList 就够;但对 GEO 来说,AI 引用的是整个网站的语义实体网络——它不仅要读懂一篇篇文章,还要知道这家公司是谁、有什么服务、哪个页面在卖什么、用户常问什么。本文把 GEO 网站必备的 7 类 Schema 标记一次性梳理清楚,并给出标记优先级矩阵AI 引擎如何消费结构化数据的底层逻辑,让你知道"先标哪类、为什么标"。各类型的完整字段代码,请看纵深讲解:Schema.org Article 详解BreadcrumbList 标记

7 类标记全景:从站点级到内容级

类型层级标记什么GEO 价值
Organization站点级公司名、logo、联系方式、社媒让 AI 知道"谁在说话"
WebSite站点级网站名、URL、站内搜索入口建立品牌站点认知
BreadcrumbList页面级面包屑导航层级让 AI 理解页面归属位置(详见 45225)
Article(含子类型)内容级标题、作者、发布时间、摘要让 AI 抽取内容实体与时效(详见 45223)
FAQPage内容级问答列表GEO 影响最高的结构化数据,帮 AI 引用结构化答案
Service页面级服务类型、提供商、描述让 AI 理解服务与业务
LocalBusiness站点级实体地址、营业时间、电话支持本地化 GEO 召回

每类:什么时候用 / 应填项 / 常见问题

1.Organization

何时:首页写一次。必填:name / url / logo。坑:logo 有尺寸要求(建议 112×112 以上、比例 1:1),太小会被忽略;用 sameAs 链上官方社媒能强化实体。

2.WebSite

何时:首页写一次。必填:name / url。加分:potentialAction(SearchAction)声明站内搜索,利于生成"Sitelinks 搜索框"。

3.BreadcrumbList

何时:每篇有面包屑的页各写一套。必填:itemListElement(position/name/item)。坑:name 必须和可见面包屑逐字一致。

4.Article

何时:每篇文章一段。必填:headline / datePublished / author / publisher。坑:子类型按内容选 BlogPosting / TechArticle,别错选。

5.FAQPage

何时:页面有 FAQ 区就写。必填:mainEntity 必须为数组,即使只有一个问答。坑:答案要真实存在于页面可见 FAQ 里,不能凭空编。

6.Service

何时:服务/产品页各写一段(GEO 文章统一带)。必填:serviceType / provider / name。坑:provider 用 @id 锚定到 Organization 更利于实体归并。

7.LocalBusiness

何时:有线下实体地址、电话才需要。必填:name / address(PostalAddress) / telephone。坑:纯线上业务不需要,标了反而多余。

进阶扩展类型(GEO 提升竞争力用)

7 类是基线,要做深 GEO 竞争力可再加这几类——它们直接对应 AI 答案里的"可引用素材",在 启博行业资讯 的教程、案例与产品内容中尤为常见:

类型标记什么GEO 场景
HowTo分步操作指南教程类内容,AI 直接抓取步骤生成"怎么做"答案
Product + Offer产品名、价格、库存产品页,AI 回答"哪个产品好"时引用
Review / AggregateRating评分、评语客户案例页,强化"别人怎么说"的信任信号
VideoObject视频时长、缩略图、上传时间含视频的内容,富媒体展示
Speakable适合语音播报的段落语音助手(如智能音箱)优先朗读,GEO 新方向

三层语义模型:每层解决 AI 的什么问题

站点级(首页)

Organization + WebSite。一劳永逸地告诉 AI"这是谁的网站、叫什么"。本地业务再加 LocalBusiness。解决"AI 不知道你是谁"。

页面级(每页)

BreadcrumbList。描述当前页在网站中的层级位置。解决"AI 不知道这篇在哪、归谁管"。

内容级(每篇)

Article + FAQPage + Service。三层叠在一起,AI 拿到带身份、带时间、带层级、带服务的完整实体,不再是散装 HTML。解决"AI 不知道这篇讲什么、谁信"。

AI 引擎如何消费结构化数据

理解"AI 怎么读你的标记",才能明白为什么 GEO 要做多层:

  • 实体抽取与消歧:ChatGPT / Bing / Perplexity 等会把页面结构化数据解析成"实体—属性—关系"图。如果 Organization、Article、Service 都用 @id 锚定到同一组织,AI 就能把分散的引用归并成同一个品牌实体,避免"启博出现在 5 篇文章里却像 5 家公司"。
  • 权威链与引用信心:当 AI 生成答案需要引用来源时,结构清晰、归属明确的实体比散装 HTML 更"可信"。这正是 GEO 追求的——不是堆关键词,而是让 AI 放心地点名你。
  • 零点击搜索 / 精选摘要:结构化数据(尤其 FAQPage、HowTo)是搜索引擎直接生成"答案块"的素材来源。答案块虽不跳转,但品牌名在其中曝光,正是 GEO 的"答案份额"。
  • 语音与多模态:Speakable、VideoObject 这类标记,让语音助手和视频 AI 也能消费你的内容——这是 GEO 正在打开的新入口。

标记优先级矩阵(实战落地顺序)

优先级类型说明
P0(必做)Organization + WebSite(首页一次);Article + FAQPage + BreadcrumbList + Service(每篇)基线。缺了任一,AI 对品牌或单篇的认知就不完整
P1(强推荐)Product + Offer / Review / AggregateRating;HowTo电商、案例、教程类页面竞争力来源
P2(按需)LocalBusiness;VideoObject;Speakable有实体门店、视频内容、想攻语音入口时再加

不必一次写全。先做 P0 把骨架立住,再按页面类型补 P1,最后看业务需要上 P2。

组合骨架(不重复完整字段,指向前文)

首页用 @graph 一次声明 Organization(@id=#org) + WebSite;文章页则 Article + FAQPage + BreadcrumbList + Service 四段并列,其中 Article 的 publisher{"@id":"https://www.qibo.com/#org"} 引用首页锚点。这样整站形成一个以 #org 为根的实体网络。

常见错误(跨类型都适用)

错误后果正确做法
所有类型塞进一个 script 块JSON 无效每类一个独立 script 块(或用 @graph 合规合并)
结构化数据内容和页面不一致判为"标记不实",可能降权逐字段核对与可见内容一致
漏写站点级 Organization/WebSiteAI 不知道"品牌是谁",引用率降首页挂好 Organization + WebSite
同一类型出现两段冲突数据引擎随机取或全弃用每个类型每页只写一段
FAQPage 答案页面上没有最严重——"标记不存在的内容"FAQ 必须真实存在于可见 FAQ 区

常见问题

7 类全写负担很大,能精简吗?

可以。Organization + WebSite 只在首页写一次;每篇文章固定写 BreadcrumbList + Article + Service + FAQPage 四段(4 个 script 块)。LocalBusiness 有实体地址才需要,HowTo / Product / Speakable 按页面类型选加。

Article / BlogPosting / TechArticle 用哪个?

方法论文章用 Article,观点博客用 BlogPosting,代码教程用 TechArticle。差别不大,关键是别写成不存在的类型名。

结构化数据能直接提升 AI 引用吗?

不能"直接提升排名",但能让 AI 在判断"谁写的、靠谱吗、讲什么"时有精准实体信息,间接提高引用信心。它解决的是"AI 不知道你是谁、内容归哪"的问题——这是 GEO 胜出的地基。

每篇文章的结构化数据都一样吗?

BreadcrumbList 每页层级不同(name 和 url 均不同);Article 的 headline / datePublished / description 每篇不同;Service 正文可通用;FAQPage 按每篇实际问答条目增减。

Speakable 是什么,GEO 要用吗?

Speakable 标记"适合语音播报的段落",智能音箱、语音助手会优先朗读这些片段。它是 GEO 的新兴入口,若你的内容想被语音 AI 消费,可列入 P2 按需添加。

免责声明:本文对各 Schema 类型的说明参考 schema.org 官方文档、Google 结构化数据指南及主流 AI 引擎公开文档(2026 年)。代码模板为通用示例,替换真实值后使用;具体字段要求、优先级与校验规则可能随平台更新而变化,上线前请以官方最新文档为准,并用 Google Rich Results Test / Schema Markup Validator 校验。