ChatGPT 不像瀏覽器一樣「看」你的網頁,它是從自己的檢索索引裡撈出一段能被乾淨引用的事實,再拼成答案。結構化資料與實體標記的價值,不在於幫你「排名」,而在於讓機器不必猜:你的產品叫什麼、歸在哪一類、由誰提供、解決什麼問題,全都以機器可讀的形式寫死。缺了這一層,ChatGPT 只能從你散落在頁面各處的文字推敲,一旦推敲錯,引用也跟著錯。
ChatGPT 讀的是事實,不是版面
先弄清楚 ChatGPT 怎麼拿到你的內容。當使用者在 ChatGPT 裡觸發搜尋,OpenAI 的 OAI-SearchBot 會去抓取頁面的 HTML,連同既有的網路索引,挑出幾個來源餵給模型再生成答案。這個流程有兩個現實限制。一是它拿到的多半是初始 HTML,大量得靠瀏覽器端 JavaScript 才生得出來的內容,常常抓不到;二是模型要的不是你精心排的版面,而是可以一句話抽出來、直接引用的事實。JSON-LD 這類結構化資料,正好把『這是一個產品,名稱是 X,由 Y 提供,解決 Z 問題』寫成一段乾淨、無歧義的機器語言,省去模型自己從段落裡拼湊、還可能拼錯的風險。
這裡要說句實話:結構化資料不是通往被引用的魔法開關。我們替 B2B SaaS 客戶執行 GEO 審計時看到的模式是,schema 本身很少直接決定「被不被引用」,但它幾乎決定了「被引用時,事實對不對」。同一組事實,你在可見文字裡講清楚、又用 JSON-LD 標記一次,等於給模型兩條互相印證的線索;只做標記、正文卻語焉不詳,效果會大打折扣。
最小可行設定:三個 schema 就夠起步
不必一次上齊 schema.org 的所有型別。想讓 ChatGPT 讀懂一個 B2B 產品,先把三種標記做對,就有八成效果。
- Organization:放在網站首頁或全站共用。寫清楚品牌全名、logo、官網,以及最關鍵的 sameAs——把你的 LinkedIn、Crunchbase、維基資料(Wikidata)等權威頁面連進來,這是模型辨認「你是誰」的錨點。
- Product 或 SoftwareApplication:放在產品頁。填 name、description、brand、offers(定價或方案);有真實評價再加 aggregateRating,沒有就別硬填。
- FAQPage:放在產品頁或說明頁,用真實問答呈現使用者最常問的三到五題。這是最容易被 ChatGPT 直接抽出來當答案的格式,因為它天生就是問題對答案的乾淨配對。
三種標記都用 JSON-LD 寫進頁面,不要用早年那種散在 HTML 標籤裡的 Microdata,維護成本高又容易出錯。每一段 JSON-LD 都要對得上頁面上看得到的內容:標記說有評分,頁面就得真的有評分;標記寫的方案價格,要和產品頁一致。標記與正文兜不攏,不只無效,還可能被判定為操弄。
實體標記才是真正的槓桿
多數人把結構化資料做到 Product 就收手,但要讓 ChatGPT「認得」你的品牌,而不只是「讀到」你某一頁,靠的是實體(entity)這一層。實體標記的核心工作是消歧義:市場上叫『Radar』的產品有幾十個,你得讓模型百分之百確定,它引用時講的是你這一個,而不是同名的另一家。做不到消歧義,你的內容再多也只是替別人累積模糊印象。
做法有三個支點。第一,命名一致:官網、社群、目錄、新聞稿裡的品牌全名要一字不差,別一下叫『Tenten GEO』、一下叫『騰騰』。第二,用 @id 建立實體圖:給 Organization 一個穩定的 @id(例如 https://yoursite.com/#organization),再讓 Product 的 brand、Article 的 publisher 都指回同一個 @id,模型就能把散在不同頁面的事實串成同一個實體。第三,sameAs 對外連到權威來源,尤其是 Wikidata——它是眾多 AI 系統共用的實體資料庫,被收錄等於拿到一張跨平台的身分證。
別讓爬蟲被擋在門外
標記寫得再漂亮,爬蟲進不來也是白搭。這一步最常被忽略,卻最常出事。
- robots.txt 要放行:確認沒有擋掉 OAI-SearchBot(ChatGPT 搜尋用)與 GPTBot(OpenAI 抓取用)。想被引用卻同時封鎖這兩隻,是我們審計時最常見的自打嘴巴。
- 關鍵內容要能在初始 HTML 就讀到:純靠前端 JavaScript 渲染的產品說明,爬蟲很可能拿到一片空白。用伺服器端渲染(SSR)或靜態生成,把核心事實直接寫進原始 HTML。
- JSON-LD 不要等頁面互動後才由腳本動態注入:讓它在首次回應的 HTML 裡就存在,爬蟲第一眼就能讀到。
上線前驗證,別靠感覺
發布前跑一輪驗證,遠比事後猜「為什麼沒被引用」省事。用 Google 的 Rich Results Test 或 Schema.org 官方驗證器,先確認 JSON-LD 沒有語法錯誤、必填欄位齊全;再用瀏覽器的「檢視原始碼」而不是開發者工具的 Elements 面板,確認標記真的出現在初始 HTML,而不是被腳本事後補上去的。最後一步最直接:到 ChatGPT 裡問「某某產品是做什麼的」,看它引用哪個來源、說法對不對。這是最貼近真實使用情境的驗收,也常常一問就暴露出你正文與標記兜不攏的地方。
結構化資料與實體標記是起步門檻。做對了,ChatGPT 引用你時事實不會錯;沒做,你連被乾淨引用的資格都沒有。多數 B2B 網站的缺口其實不在寫不寫 schema,而在標記與正文對不上、實體命名前後不一致,或爬蟲根本被擋在門外。想知道自己的網站在 ChatGPT 眼裡長什麼樣、缺口卡在哪一環,可以預約一場 30 分鐘 GEO 診斷,我們會直接把可抽取性與實體清晰度的問題點給你看。
