结构化的数据：搜索引擎到底读懂了什么

搜索引擎从来没真正「读」过你的页面。它干的事更像一个表格录入员：把页面里的东西拆成一条条「实体、属性、值」，再往库里塞。所以结构化的数据这件事，本质不是给页面化个妆，而是告诉机器这个字段是什么、属于谁、跟旁边那条是什么关系。这层没想明白，标记写得再漂亮，也只是页面上多挂了一段没人用的 JSON。

结构化的数据到底喂给谁看

先说个反常识的：它主要的服务对象不是排名算法，是机器那套实体识别流程。爬虫抓到一个页面，会尝试抽出这是篇文章、作者是谁、什么时候发的、主图在哪、价格多少。抽完还要做归并——同一家公司在你站上和别人站上，机器凭什么认成同一条记录？靠的就是这些字段对得上。对得上，它才敢合；对不上，就各存各的，你等于白标一场。

见过挺多产品页把价格字段填成「面议」的，整站几十个 SKU 全这么写。人看着没问题，机器拿到一个非数值的价格，这条记录大概率直接判无效。注意不是报错，是无效，安安静静地丢在一边，谁也不会给你发通知。

另一个坑是作者和发布方混着写。Article 里的 author 指的是写这篇东西的自然人，publisher 是机构，有人把公司名塞进 author，机器推断出来的关系就整条歪掉，后面再怎么补都不太顺。

标记不是越多越显专业

JSON-LD 里塞十几个类型、嵌套三层，看着确实唬人，但解析器更在意能不能顺着读到关键的那几个字段。Article 缺 headline、Organization 的 logo 指到一个打不开的地址，这种状况比不写还尴尬——机器知道你想表达什么，又拿不到证据。

还有个遍地都是的毛病：列表页和详情页一个模板出来，标记原样复制，实体全指回首页。机器一眼扫过去，几十个页面都在描述同一个东西，那剩下的它就不当回事了。宁可按页面类型分开写三五条干净的，也别全站铺一套。

页面正文和标记打架，机器信哪个

各家具体怎么处理我不敢打包说，方向大体是优先看页面真实展示出来的内容。标记写 0 元、正文摆着 199，这种不一致要么整块忽略，要么按正文走。细则以搜索引擎官方文档为准，论坛里几年前的帖子别当依据，词汇表自己都在改。

顺着这条说个更麻烦的：结构化数据不是干完就完的活。产品下架、价格调了、作者换人、公司改名，标记全得跟着动。手写死在模板里的那段 JSON，三个月后基本已经腐坏了，而且没人会发现——因为页面上看不出任何异常。

看起来结构化，机器却读不出东西

表格、加粗、分栏、缩进，这些只是给人眼服务的排版。HTML 那点原生语义撑不起字段关系，你用 div 包着价格，机器看到的无非是一串字符。反过来也别迷信标记，一堆站点套了问答类标记，答案本身三行废话，标记完全合规，用户点进来两秒就关掉，这种数据是负资产。

格式上别纠结。微数据、RDFa、JSON-LD 三种写法都还在，但目前主流是 JSON-LD——它跟 HTML 结构解耦，输出层单独维护就行。老站几种格式混用的时候最容易出事，同一个实体被描述两遍，两边还互相矛盾，机器只能挑一条信，挑错你就白忙。

结构化的数据落地，靠模板不靠手写

单页面手写一段还凑合，上百个页面只能靠 CMS。字段存在后台，输出模板统一拼 JSON-LD，改一次全站生效。这跟建站时的字段设计直接相关，后台字段设计得糙，前台怎么补都别扭，最后只能靠人肉一个个页面改。

静态站点还有个小细节：生成时就定死的字段要当心。拿构建时间当发布时间，一批页面同一天「发布」，痕迹太重，也没必要。发布时间就老老实实取内容的真实发布时间，取不到宁愿不写。

另外别忘了缓存。改完模板记得清一遍，之前就碰过测试工具读到的还是旧标记，人对着新代码看了半天，越看越糊涂。这种低级坑，跟技术没关系，纯粹是手快。

自查其实就三件事

一，抽三五个不同类型的页面，把标记里的关键字段跟正文逐条对一遍，价格、标题、作者、时间，对不上的先修。二，看必填项有没有留空占位或者填「暂无」的。三，看实体 ID 有没有互相指错，尤其是站点多、模板多的时候。

工具层面，几个主流搜索引擎都有官方的结构化数据测试入口，能用就用，规则一律以官方页面说明为准。别照着某篇两年前的教程一个字段一个字段背，词汇表更新的时候不通知任何人。

最后提一句心态。结构化的数据不是什么排名开关，别指望加上就往上蹿。它更像是给机器省事——把话说清楚，少让它猜。省事的东西，机器才愿意多读你几页。