結構化資料與 AI 搜尋：Schema Markup 的新角色

Schema 的新角色

過去十年 Schema Markup 的主要目的是換取 Google 的 Rich Snippets——星星評分、FAQ 下拉、麵包屑顯示。2026 年的新現實：AI 搜尋引擎比 Google 更依賴 Schema。

原因很簡單：LLM 本質上是機率模型，它需要結構化訊號來降低不確定性。一段純文字可以有 10 種解讀方式，但一段包含 `@type: Product` 的 JSON-LD 只有一種解讀。Schema 讓 AI 從「猜」變成「知道」。

四個對 AI 最關鍵的 Schema 類型

1. Organization Schema

所有網站的起點。告訴 AI 你是誰、在哪裡、聯絡方式、logo、社群連結。這是 AI 判斷品牌實體性的主要依據。

{

"@context": "https://schema.org",

"@type": "Organization",

"name": "AEO Pro",

"url": "https://aeo-pro.app",

"logo": "https://aeo-pro.app/logo.png",

"sameAs": [

"https://twitter.com/aeopro",

"https://github.com/aeopro"

],

"contactPoint": {

"@type": "ContactPoint",

"email": "hello@aeo-pro.app",

"contactType": "customer support"

}

}

2. FAQPage Schema

AI 引擎最愛引用 FAQ。原因：FAQ 的「問題—答案」結構完美對應到使用者查詢的問答格式，幾乎不需要轉換就能被 AI 直接引用。

一個有 5-10 則 FAQ 的頁面，被 AI 引用的機率比同主題無 FAQ 的頁面高 3-5 倍。

3. Article / BlogPosting Schema

告訴 AI 這是一篇文章、誰寫的、什麼時候發布、談的主題是什麼。datePublished 尤其重要——AI 模型會偏好較新的資料。

4. Product Schema（含 AggregateRating）

電商與 SaaS 必備。AggregateRating 能讓你的產品在「best X for Y」類查詢中獲得明顯加分。注意：評分必須真實，AI 會交叉比對多個來源。

三個新興的 Schema 類型

HowTo

步驟式教學內容。AI 在回答「如何 X」類問題時幾乎 100% 會引用有 HowTo Schema 的頁面。

SoftwareApplication

SaaS 產品專用。比 Product 更精準，能標註 applicationCategory、operatingSystem、price 等 SaaS 關鍵欄位。

Course

教育類內容。線上課程、教程專案用這個 Schema 可以獲得顯著加分。

常見錯誤

1. **@type 拼錯**：大小寫敏感，`Faqpage` 是錯的，必須是 `FAQPage`。

2. **datePublished 缺失**：AI 無法判斷內容新鮮度。

3. **author 只寫名字**：應該用 Person Schema 完整填寫。

4. **Organization 的 sameAs 留空**：這是驗證品牌實體性的關鍵欄位。

5. **Schema 與實際內容不符**：例如 Schema 寫 10 則 FAQ 但頁面只顯示 3 則。這會被懲罰。

驗證工具

1. Google Rich Results Test — 官方驗證器

2. Schema.org Validator — 格式與結構檢查

3. AEO Pro Schema Checker — 專為 AEO 設計，會額外檢查 AI 引擎偏好的欄位

實作建議

不要一次把所有 Schema 都加上。先從這個順序開始：

1. Organization（全站）

2. FAQPage（首頁與熱門文章）

3. Article / BlogPosting（所有部落格文章）

4. Product / SoftwareApplication（產品頁）

5. HowTo（教學類文章）

每週補一個類型，四週內完成最重要的 AEO Schema 基礎建設。

結論

Schema Markup 在 AEO 時代從「加分題」變成「基礎題」。它的 ROI 比大多數 SEO 工作都高：一次實作，長期生效，而且直接影響 AI 引擎的引用決策。如果你只能選一件事做，先從 Schema 開始。