Schema结构化标记这玩意，Google在2011年就开始推了。到现在十几年过去，你随便打开一个SEO工具的推荐清单，Schema还在前三名里。但问题来了——传统的Schema优化是为Google的富文本摘要（Rich Snippets）设计的。AI搜索引擎会不会吃同一套？我们决定做个实验。
花了一个月，选了20个不同行业的网站，把每个网站的内容做成两个版本——一个有完整的Schema标记（FAQ、Article、BreadcrumbList、Organization全套），另一个没有任何标记。然后用同样的关键词在五个主流AI搜索引擎（豆包、DeepSeek、Kimi、文心一言、秘塔）里跑，看哪个版本更容易被引用。
结果很有意思。
Schema火了十年，真有人搞清楚它有没有用吗？
先交代一点背景。市面上说"Schema有用"的文章，大多数前提是"对Google有用"。但Google跟AI搜索根本不是一回事——Google用Schema来理解页面结构，然后决定要不要给你一个富文本摘要。AI搜索引擎的逻辑是另外一套：它要理解页面说了什么，然后决定要不要把这个信息作为答案引用的来源。
这两者的核心差异在于：Schema帮Google做的是"格式识别"，帮AI搜索做的是"语义标注"。
曾经有不少自媒体写过"Schema是GEO的核心"、"结构化数据决定AI搜索排名"一类的文章。说实话，这些文章大部分是抄来抄去，没几个人真正做过对照实验。我们就是想知道一个确切答案——有Schema和没Schema，到底差多少？
实验怎么做的：20个行业 × 对照组
实验设计不复杂，但挺费工夫：
1. 选了20个行业，从教育、医疗、法律到餐饮、旅游、制造，覆盖面尽量广。
2. 每个行业写两篇文章——内容一样，结构一样，唯一的区别是一篇带完整Schema标记，另一篇什么都没有。
3. 两周后开始测试。用20个行业核心关键词，分别在豆包、DeepSeek、Kimi、文心一言、秘塔这五个平台上搜索。
4. 记录每次搜索中哪一个版本被引用（或两个都被引用、或都没被引用）。
总共跑了300组搜索（20个关键词 x 5个平台 x 3次重复），结果看得我有点意外。
结果说了什么——几个反直觉的数据
先说最有意思的数：有Schema的版本被引用67次，没Schema的被引用61次。差距只有6次，大约是10%的差异。你要是把标准差算进去，这个10%在统计上甚至不算显著。
更让我意外的是平台差异：
豆包：Schema版本被引用15次，无Schema版本12次。差距3次。
DeepSeek：Schema版本14次，无Schema版本14次。一模一样。
Kimi：Schema版本13次，无Schema版本9次。差距最大，但也才4次。
文心一言：Schema版本11次，无Schema版本14次。反过来了——没Schema的反而被引用更多。
秘塔：Schema版本14次，无Schema版本12次。
考虑到每个平台的样本量也就20个关键词x3次=60组数据，这些差距在大多数情况下都是噪音级别的。
另一个发现：FAQ类型的Schema效果最差。我们原以为FAQ标记会让AI直接抓取问答对、更容易引用。但数据显示，带FAQ Schema的文章被引用概率反而略低于不带FAQ的。原因可能是FAQ标记让页面结构变得太模板化，AI反而觉得不像"原创内容"。
有作用的Schema类型：Article和BreadcrumbList。这两个标记帮AI判断"这是一篇完整的文章"和"这篇文章在网站的什么位置"，对内容理解有辅助作用。
结论：Schema有用，但不是你以为的那种有用
实验数据摆在这里，说几个结论：
1. Schema不是GEO排名的关键因素。如果一个SEO告诉你"必须加Schema才能在AI搜索里排名"，你可以把这人的话打五折。加不加Schema，对AI搜索引用的影响大概在10%以内。
2. 但Schema依然值得加——不是为了排名。加了Schema之后，你的内容对AI来说是"更容易理解"的。虽然我们的实验没测出来引用率的大幅提升，但从AI的工作原理推断，结构清晰的内容在未来只会越来越重要。而且Schema的成本很低——一个JSON-LD代码块，五分钟搞定。
3. 重点放在Article和BreadcrumbList上。FAQ不用花时间了，Organization可以加但不急。Article告诉AI这是一篇内容，BreadcrumbList告诉AI这篇文章的上下文——这两样够了。
4. 别在Schema上花太多时间。我们见过有团队花两个月时间把整个网站的Schema做得滴水不漏。没必要。花二十分钟做基础标记，剩下时间去写内容。
说白了，Schema像一个人的身份证——有它AI能更快地认出你是谁，但决定AI喜不喜欢你的，是你说了什么，不是你身份证上的信息多详细。