
针对“大量模式化标记是否有助于大语言模型(LLMs)理解实体,抑或仅用于谷歌丰富摘要”这一问题,谷歌搜索团队约翰·穆勒在Reddit上作出回应。他首先强调以下内容仅代表个人观点,并非官方指导,并指出该问题在未来一年甚至更长时间内仍将持续引发讨论,核心答案可概括为“视具体情况而定”。
结构化数据的作用取决于具体功能
结构化数据的实际效用取决于搜索引擎或大语言模型如何使用特定功能。穆勒解释称,部分功能高度依赖结构化数据,例如购物结果中的定价、运输及库存可用性等信息;而在其他场景下,其主要作用仅限于生成丰富搜索结果。
某些功能得益于结构化数据(包括结构化信息流)。以购物为例,从文本页面中高保真、准确地提取定价、运输和可用性信息几乎不可能。当然,细节会随时间变化,因此采用易于调整的系统至关重要。
机器可读性优于自然语言解析
尽管部分功能理论上可从页面文本中理解,但对机器而言,直接读取结构化数据远比解析包含英语、威尔士语等7000多种语言的网页内容更为高效。此外,特定视觉元素的展示依赖于对应的结构化数据,相关标准会因平台而异且持续更新。建议网站在实施时保持灵活性,以便适应未来的技术迭代。
结构化数据非排名因素
对于其他类型的结构化数据,其作用往往有限。穆勒明确表示,添加保险类标记并不会让“最佳地理保险比价网站”获得更好的搜索排名。这一观点与谷歌此前声明一致:结构化数据不是排名因素。即使因滥用受到处罚,后果也仅是移除丰富结果而非降低排名,但合规的结构化数据确实有助于识别产品评论内容。
行业对LLM可见性的持续探讨
除谷歌外,微软Bing近期也就模式与Copilot的使用情况展开讨论。目前,行业内关于结构化数据和模式如何影响大语言模型可见性仍存在一定争议,相关技术标准与应用策略仍在不断演进中。

