我们追踪了 1,885 个添加结构化数据的页面，AI 引用量几乎没有变化

我们通过分析 600 万个 URL 开启这项研究，发现结构化数据标记在被 AI 引用的页面上比未被引用的页面常见得多。

被 AI 引用的页面含有 JSON-LD 的可能性，几乎是非引用页面的三倍。

这是一个很大的差距，也正是那种会被放进 LinkedIn 轮播图和会议幻灯片、用来证明结构化数据是 AI 可见性杠杆的数据。

但我们对这些数据并不满意，因为其很可能只是相关关系，而非因果关系。

结构化数据标记往往出现在维护得更好、技术更复杂的网站上，这些网站也在发布更强的内容、积累更多权威性、赢得更多链接，以及做其他能让页面被引用的工作。

结构化数据可能真的在起作用，也可能只是搭上了所有其他信号的顺风车。

因此我们实际上无法回答 SEO 真正关心的问题：如果在页面上添加结构化数据，会被 AI 更多地引用吗？

为找出答案，我们开展了第二项研究，旨在单独分离出添加结构化数据的效果。

以下是我们的发现。

添加结构化数据没有在任何平台上提升引用量

我们追踪了 1,885 个在 2025 年 8 月至 2026 年 3 月间添加 JSON-LD 结构化数据的网页，把它们与 4,000 个对照页面匹配，并衡量 Google AI Overviews、AI Mode 和 ChatGPT 上的引用变化。

添加结构化数据在任何平台上都没有带来明显的引用量提升。

这些百分比来自我们最可靠的分析（一项匹配的双重差分（matched difference-in-differences，DiD）检验）。

在这项检验中，AI Mode 和 ChatGPT 上的处理组页面平均表现略优于对照页面，但差异小到在数千个 URL 中有可能只是随机噪声。

AI Overviews 显示出 4.6% 的下降，幅度虽小，但相对于匹配的对照页面而言具有统计显著性。

但这还不是故事的全部——下一节会详细讨论。

因此总体而言，我们无法判断结构化数据究竟带来了一点点好处，还是完全没有作用。

AI Overviews 页面的引用量下降了 4.6%

处理组页面在 AI Overviews 上的引用量相对于对照页面下降了 4.6%，这一结果具有「统计显著性」（纯粹出于偶然看到如此大差距的几率约为 1/2,500）。

但在把这解读为「添加结构化数据会损害 AI Overviews 引用」之前，有两点需要牢记。

1. 绝对幅度很小。也就是说，每个页面平均每天损失约 12 次引用，而样本中大多数页面每天能获得数百次引用。
2. 处理组页面和匹配的对照页面，在添加结构化数据之前就已经处于急剧下滑的轨道——这种下滑可以预期，比如 AI Overviews 出于与结构化数据无关的原因（例如 Google 某次更新改变了展示内容、内容变得陈旧，或 Google 近期没有重新抓取该页面）减少了这类特定内容的展示。

话虽如此，若添加结构化数据对引用量无论如何都没有影响，我们会预期处理组页面和匹配的对照页面以相同的速度一起下降（这大致就是我们在 AI Mode 和 ChatGPT 上看到的情况）。

处理组页面下降得略多一些，暗示结构化数据可能有微小的负面影响——但也可能反映了其他因素。

仅凭这些数据，我们无法判断究竟是哪一种。

我们是如何分离出添加结构化数据的效果的

Xibeijia 使用 Brand Radar 提取了数百万个被 AI Overviews 引用的 URL。

然后她从爬虫数据库中检索 HTML 历史记录，标记每个 URL 是否包含 [['Text', '<script type="application/ld+json">']]，并找出结构化数据的存在状态从「False」转变为「True」的日期。

这样她就得到了 1,885 个页面，它们在 2025 年 8 月至 2026 年 3 月间引入了 JSON-LD。

最后，为分析这些数据，她使用了 Agent A——我们新的 AI 营销智能体。

对于每个页面，Xibeijia 掌握两个关键日期：

• 我们的爬虫检查该页面、且未发现 JSON-LD 的最后一天
• 我们的爬虫在该页面上检测到 JSON-LD 的第一天

一个页面添加 JSON-LD 的那一天，就是它的处理日期（treatment date）。

Xibeijia 测量了每个页面在处理日期前 30 天和后 30 天内被 Google AIO、Google AI Mode 和 ChatGPT 引用的次数。

这类研究最棘手的部分，是透过嘈杂的数据看清真相。

在这段时期内，整个 AI 搜索领域的引用量都在变化；AI Overviews 在收缩，AI Mode 在爆发式增长。

若 Xibeijia 只做简单的前后对比，衡量的会是平台趋势，而非结构化数据的效果。

因此，她为每个处理组 URL 挑选了 3 个对照 URL（来自不同域名，且前期引用水平相近），这些对照 URL 从未添加过 JSON-LD。

对比两组在之前以相同速率被引用的页面——而唯一的主要区别是一组添加了结构化数据——就能更容易地分离出结构化数据实际起到了什么作用。

四项独立的检验，都指向同一个方向

我们从四个不同角度审视数据，以确保任何结论都能经得起推敲。

在每项检验中，我们都问同一个问题的略微不同的版本：「结构化数据起作用了吗？」

只有当多个发现彼此吻合时，结论才真正可信——而在本案中，它们确实吻合。

检验 1：对比处理组与对照页面之间的平均引用变化（双样本 t 检验）。

检验 2：运行双重差分（DiD）分析，以剔除平台整体趋势。这是我们最信任的检验，也是本文研究结果的来源。

检验 3：按周绘制引用量曲线，以检查处理组和对照页面在添加结构化数据之前是否就已经开始分化（事件研究）。

检验 4：用一个对称窗口重新运行双重差分（DiD），排除重新抓取的时期，以确保结果对「前」和「后」的定义不敏感。

四项检验都讲述了同一个故事：AI Mode 引用量没有增长，ChatGPT 引用量没有增长，AI Overviews 出现小幅下降——它是真实的，但幅度小到我们无法明确归咎于结构化数据。

最一致的发现是：实际上没有太大变化——结构化数据没有明显的正面或负面效果。

在你自己的页面上测试结构化数据

想知道结构化数据对网站是否有效？可以自行运行这项研究的小型版本。Brand Radar 在追踪 AI 引用走势方面能帮上忙：

• 挑选 5 到 10 个测试页面，你计划在这些页面上添加 JSON-LD。理想情况是已经获得一些 AI 引用的页面，这样才有基线（引用量为零的页面更难分辨：究竟是结构化数据毫无作用，还是该页面无论如何都不会被引用）。可以在「引用页面（Cited Pages）」报告中检查这一点。

• 挑选 5 到 10 个对照页面，引用水平相近，但不给它们添加结构化数据。这正是区分「结构化数据起了作用」与「AI Overviews 那个月对所有人都变了」的关键。
• 记录基线引用量：在 Brand Radar 中记录两组页面在 AI Overview、AI Mode 和 ChatGPT 上的基线引用量。只需应用 URL 筛选器，就能分离出这些引用数字。

• 给测试页面添加结构化数据并记下日期。在测试窗口期内，不要改动这些页面上的任何其他内容。
• 30 天后（如果能更久则更好）对比两组页面。要问的问题是：「处理组页面的上升幅度是否多于对照页面？」

若两组页面的变化幅度相近，那更多与平台趋势有关，而非结构化数据。

但若处理组页面表现优于对照组，那就是结构化数据对引用量产生了正面影响的迹象。

若在自建页面上运行这个测试并得到与我们不同的结果，欢迎告知。

为什么 53% 被 AI 引用的页面都使用了结构化数据（以及这不能证明什么）

对于已经被 AI 引用的页面，添加 JSON-LD 结构化数据并没有提升 Google AI Mode 或 ChatGPT 上的引用量，在 AI Overviews 上只显示出小幅下降，而我们无法明确归因于结构化数据。

那么，为什么 53% 被 AI 引用的页面都在使用结构化数据？

因为添加结构化数据的网站，往往也在技术 SEO 上投入、发布权威内容、建设链接、维护页面，并在常规搜索中排名良好。

AI 系统更有可能检索这类内容，所以被引用的页面会同时在所有这些信号上「超配」。把结构化数据剥掉，其他信号也很可能仍能把页面一路带到被引用的位置。

若已经把其余 SEO 工作做得很好，JSON-LD 并不会成为那个解锁的关键。

当然，使用 JSON-LD 结构化数据仍有许多充分的理由（富媒体搜索结果、语音助手、知识图谱、下游的实体识别）。

但若添加它的唯一原因，是让那些已经可见的页面获得更多 AI 引用，那么我们的数据并不支持这一赌注。