在台灣裝了 LocalBusiness schema 卻沒被 AI 引擎提到，問題多半不在程式碼，而在資料對不齊。當使用者問 Perplexity 或 ChatGPT「台北信義區有沒有推薦的牙醫」，AI 會先把你網站上的名稱、地址、電話拿去跟 Google 商家檔案、地圖與產業目錄交叉比對。只要這幾處出現三個版本，它傾向不提你，而不是替你猜一個對的。所以真正決定你會不會被引用的，是 NAP（名稱、地址、電話）的一致性，schema 語法只是把這份事實包裝成機器讀得懂的格式。這篇按實作順序走一遍：選型別、填地址、寫營業時間，最後把所有平台的 NAP 對齊。
為什麼 AI 引擎對 LocalBusiness 特別敏感
AI 引擎回答在地問題時，需要能被乾淨抽取的事實：這家店在哪、現在營不營業、電話幾號。中文地址對機器並不友善，「北市信義路五段7號」跟「臺北市信義區信義路五段7號」在人眼裡是同一個地方，對抽取模型卻可能是兩個實體。LocalBusiness schema 用固定欄位把這些資訊拆開標好，等於直接把答案遞到引擎手上，省掉它猜測與比對的成本。引擎越不需要猜，越敢把你放進回答裡。
第一步：選對 @type，別全部塞 LocalBusiness
schema.org 底下有幾十種 LocalBusiness 的子類型，越具體，引擎越清楚你是做什麼的。一家會計事務所標成泛用的 LocalBusiness，跟標成 AccountingService，在 AI 判斷「這是不是我要找的專業服務」時差很多。先找到最貼近你業務的子類型，真的找不到，再退回上一層用泛用型別。
- 餐廳、咖啡店：Restaurant、CafeOrCoffeeShop
- 牙醫、診所：Dentist、MedicalClinic
- 律師、地政士：Attorney、LegalService
- 會計、記帳事務所：AccountingService
- 零售門市：Store，可再細分為 ClothingStore、HardwareStore 等
- 美容、美髮：BeautySalon、HairSalon
- 真的沒有對應項目時，才退回泛用的 LocalBusiness
地址欄位：把台灣行政區對應到 PostalAddress
地址是最常寫錯的一塊。PostalAddress 有固定欄位，台灣的行政層級要一格一格對上去，不要把整串門牌塞進 streetAddress 了事，那樣引擎抽不出縣市與行政區。
- addressCountry：填國碼「TW」，不是「Taiwan」也不是「台灣」
- addressRegion：直轄市或縣市，例如「臺北市」「新北市」
- addressLocality：區或鄉鎮市，例如「信義區」
- streetAddress：路、段、巷、號，例如「信義路五段7號」
- postalCode：3+3 郵遞區號，例如「110011」
- geo：latitude 與 longitude，座標要跟 Google 地圖上的圖釘位置一致
營業時間：openingHoursSpecification 怎麼寫才不出錯
營業時間用 openingHoursSpecification，每一段用 dayOfWeek 標星期，opens 與 closes 用 24 小時制的 HH:MM。中午有休息的店，不要寫成 09:00 到 21:00，要拆成兩段（例如 11:00–14:00 與 17:00–21:00），否則 AI 會告訴使用者你下午三點有開。公休日就別列進去，24 小時營業則 opens 與 closes 都填 00:00。農曆春節或國定假日這類臨時調整，用 specialOpeningHoursSpecification 加上日期覆蓋，比直接改主要時間安全，改完也記得跟 Google 商家的節慶營業時間同步，兩邊講的話要一樣。
NAP 一致性：schema 只是其中一個節點
schema 寫得再漂亮，只要其他地方對不上就前功盡棄。名稱、地址、電話要在每個平台逐字相同，包括標點與格式。電話尤其常出包：官網頁尾寫「02-1234-5678」、Google 商家寫「(02)12345678」、schema 又寫「+886-2-1234-5678」，對人都通，對機器是三筆資料。建議結構化資料一律用 E.164 格式「+886212345678」，顯示給人看的版本可以另外排版，但 schema 裡只留一種。
- Google 商家檔案（Google Business Profile）
- 官網的 schema、頁尾與聯絡頁
- Facebook、Instagram 商家頁面
- Apple 地圖與各家導航平台
- 產業目錄與在地黃頁
我們替客戶稽核在地官網時，最常見的破口不是漏裝 schema，而是同一支電話在四個平台有四種寫法。對 AI 引擎來說，那不是一家店，是四家長得很像的店。— Tenten GEO 稽核筆記
上線前的驗證清單
- 用 Google Rich Results Test 確認 schema 能被解析、沒有錯誤
- 用 Schema Markup Validator 檢查每個欄位的語法
- 把 schema 裡的 NAP 逐字貼到 Google 商家旁邊對照，抓出不一致
- 直接問 AI 引擎一句在地問題，看它回答的地址與營業時間對不對
- 上線後定期回訪，地址或電話一異動，就同步所有平台
LocalBusiness schema 的難點從來不是那段 JSON-LD，而是讓分散在十幾個平台的事實長期保持一致。如果你不確定自己的 NAP 與結構化資料在 AI 引擎眼中算幾家店，Tenten GEO 的 30 天 GEO 審計會把這些缺口一次盤出來。想先快速抓方向，也可以預約 30 分鐘 GEO 診斷，我們用你的實際網址跑一輪在地查詢給你看。
