Google 和 Bing 已发布传统搜索引擎优化指南及性能衡量工具，但生成式引擎提供商尚未提供类似指导，导致优化缺乏依据、误导信息泛滥。Schema.org 标记的重要性便是典型争议点。
LLM 的 Schema？
目前没有任何大型语言模型（LLM）就结构化数据标记（含 Schema.org）发布过官方声明或指示。
Google 长期建议在传统自然搜索结果中使用此类标记，指出：“Google 搜索致力于理解页面内容。通过在页面上包含结构化数据，您可以向 Google 提供有关页面含义的明确线索，从而帮助我们更好地理解。”
该搜索巨头利用选定结构化数据生成丰富摘要，并从 Organization、FAQPage 和 Author 等标记中收集企业信息。尽管 Google AI Mode 的答案常源自顶级自然搜索结果，但结构化数据对 AI 代理或爬虫的具体影响尚不明确。
与 Google 不同，LLM 没有原生索引。它们基于训练数据（不存储 URL 或代码）及外部搜索引擎（如 Google、Bing、Reddit、YouTube）的内容生成答案。为获取页面信息，LLM 可能：(i) 查询传统搜索引擎，间接依赖 Schema.org 等结构化数据；(ii) 直接爬取页面以提取答案。
AI 可见性
许多企业因不理解 Schema.org 标记，仍保留声称“实施该标记可提高 AI 可见性”的 GEO 服务。请勿被误导，目前尚无权威案例研究证明结构化数据能提升 AI 提及或引用次数。此外，借助应用和插件，其实施既简单又廉价。
相反，应专注于以下经过验证的长期策略：
- 创建可操作的内容，帮助 LLM 理解您的产品所解决的问题。
- 强调并投资整体品牌可见度，持续跟踪针对公司及产品的 Google 搜索表现。
- 确保品牌及其优势能与竞争对手并列出现在“最佳”榜单文章和推荐中。
- 优化产品 Feed 以适配对话式搜索。提示词比搜索查询更具体多样，应尽可能提供详细信息以捕捉各类对话。
- 使内容和产品与发散性查询保持一致。
低优先级
Schema.org 等结构化数据标记虽可能推动自然搜索排名，进而间接提升 AI 可见性，但其实施相对简单，几乎肯定属于低优先级事项。真正决定 AI 可见性的核心要素是相关内容与长期的品牌建设。