結構化標籤（Structured Data Markup）是一種標準化的資料格式，讓網頁內容不僅能被人類閱讀，也能被搜尋引擎和 AI 系統精準理解。簡單來說，它就像是為網頁內容貼上「標籤」，告訴機器：「這段文字是產品名稱」「這個數字是價格」「這個日期是活動時間」。

舉例來說，當你在網頁上寫下「2026 年 7 月 23 日」，人類一看就知道這是日期，但對搜尋引擎來說，它可能只是一串文字。結構化標籤的作用，就是明確標示「這是一個日期」「這是一個活動名稱」「這是一個地點」，讓機器能夠理解和分類這些資訊。

根據 Schema.org 的統計，截至 2024 年，全球已有超過 4,500 萬個網域使用結構化標記，涵蓋超過 4,500 億個結構化物件。Google、Microsoft、Yahoo 和 Yandex 等搜尋引擎巨頭共同支持 Schema.org 詞彙表，使其成為網頁結構化資料的事實標準。

結構化標籤的演進：從 RDFa 到 JSON-LD

結構化標籤並非一朝一夕誕生的技術。它經歷了多次規範的演進，每一種格式都試圖解決前一版的痛點，最終演化出今天最被廣泛使用的 JSON-LD。

RDFa — 語意網的起點

RDFa（Resource Description Framework in Attributes）誕生於 2004 年左右，是結構化標籤的先驅。它的設計理念是將語意資訊直接嵌入 HTML 屬性中，讓網頁開發者可以在不改變視覺呈現的情況下，為內容添加機器可讀的標記。

RDFa 使用 HTML 屬性如 vocab、typeof、property 來標記內容：

<div vocab="https://schema.org/" typeof="Article">
  <h2 property="headline">什麼是結構化標籤？</h2>
  <span property="datePublished" content="2026-07-23">2026 年 7 月 23 日</span>
</div>

優點：與 HTML 緊密結合，標記與內容同位，不需要額外載入資料。

缺點：標記與 HTML 混雜，導致程式碼冗長且難以維護；RDFa 的學習曲線較高，且與 JavaScript 動態內容的相容性較差。對於大型網站來說，RDFa 的複雜度使得導入成本偏高。

Microdata — HTML5 的標準化嘗試

Microdata 是 HTML5 規範的一部分，於 2011 年左右推出，試圖簡化 RDFa 的複雜度。它引入了 itemscope、itemtype、itemprop 等屬性，讓結構化標記更直覺：

<div itemscope itemtype="https://schema.org/Article">
  <h2 itemprop="headline">什麼是結構化標籤？</h2>
  <span itemprop="datePublished" content="2026-07-23">2026 年 7 月 23 日</span>
</div>

優點：語法比 RDFa 更簡潔，與 HTML5 原生整合，一度是 Google 推薦的標記方式。

缺點：同樣面臨標記與 HTML 混雜的問題。當頁面結構複雜時，Microdata 會讓 HTML 變得臃腫。此外，Microdata 不支援動態注入，對於使用 JavaScript 框架（如 Vue、React）的現代網站來說，使用上受到很大限制。

JSON-LD — 現代結構化資料的王者

JSON-LD（JavaScript Object Notation for Linked Data）於 2014 年由 W3C 推薦，採用了完全不同的方式：將結構化資料以獨立的 JSON 格式放在 <script> 標籤中，與 HTML 內容完全分離。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "什麼是結構化標籤？",
  "datePublished": "2026-07-23",
  "author": {
    "@type": "Organization",
    "name": "LinkPortal 編輯團隊"
  }
}
</script>

優點：

內容與標記分離：HTML 結構保持乾淨，不影響閱讀和維護
易於生成和管理：可以透過後端程式動態生成，也可由前端 JavaScript 注入
支援巢狀結構：複雜的資料關係（如產品包含評論、評論包含作者）能清晰表達
Google 官方推薦：自 2014 年起，Google 明確表示偏好 JSON-LD 格式
與現代框架相容：完美支援 React、Vue、Nuxt 等 JavaScript 框架

缺點：內容與標記分離，若未同步更新可能導致標記與實際內容不一致（需靠開發紀律和自動化測試確保一致性）。

JSON-LD 為什麼成為主流？

1. Google 的明確推薦

Google 在其官方文件中明確表示：「對於結構化資料，我們建議使用 JSON-LD。」這是因為 JSON-LD 的分離式設計讓爬蟲能更高效地解析結構化資料，而不需要遍歷整個 HTML DOM。

2. 開發者友善

與 RDFa 和 Microdata 不同，JSON-LD 不需要修改 HTML 結構。開發者只需在頁面中加入一個 <script> 區塊，就能完成所有結構化標記。這讓 CMS 系統、電商平台和內容管理工具能輕鬆整合結構化資料功能。

3. 支援動態內容

現代網站大量使用 JavaScript 動態渲染內容。JSON-LD 可以在頁面載入後透過 JavaScript 動態注入，與 SSR（伺服器端渲染）和 CSR（客戶端渲染）都能完美搭配。

4. 豐富的 Schema.org 支援

Schema.org 提供了超過 1,500 種類型（Type），涵蓋文章、產品、活動、食譜、在地商家等，JSON-LD 能完整支援所有這些類型，並可透過 @graph 語法在一個頁面中描述多個實體。

AI 時代下結構化標籤的價值

當 ChatGPT、Google Gemini、Perplexity 等 AI 搜尋引擎成為使用者獲取資訊的主要管道時，結構化標籤的角色已從「幫助傳統搜尋引擎理解網頁」升級為「讓 AI 系統精準擷取和引用網頁內容」。

從 SEO 到 AI 可讀性

傳統 SEO 關注的是搜尋引擎排名，而 AI 時代則需要關注「AI 可讀性」——即 AI 系統能否正確理解、擷取並引用你的網頁內容。結構化標籤正是實現 AI 可讀性的基礎：

精準內容擷取：AI 系統在生成回答時，會參考結構化標籤來辨識內容的類型和層級。例如，標記為 FAQPage 的頁面，AI 更容易將其內容作為問答格式引用。
知識圖譜整合：Google 的知識圖譜（Knowledge Graph）依賴結構化資料建立實體之間的關聯。當你的網站提供結構化資料，AI 更容易將你的內容納入知識圖譜。
引用來源可信度：AI 搜尋引擎在引用來源時，傾向選擇結構化資料完整的網頁，因為這些頁面的內容意圖更明確、可信度更高。

豐富摘要（Rich Results）的延伸

在 AI 搜尋結果中，結構化資料不再只是產生星星評分或價格標籤。AI 引擎會利用結構化資料生成更豐富的回答，例如：

產品比較表格（需要 Product + Offer 結構化標記）
事件時間軸（需要 Event + startDate/endDate 標記）
人物資訊卡（需要 Person + jobTitle/affiliation 標記）
食譜步驟摘要（需要 Recipe + recipeInstructions 標記）

AEO 與 GEO 所需的網站結構化要領

AEO（AI Engine Optimization）的結構化要領

AEO 是針對 AI 搜尋引擎優化網站內容的策略。在 AEO 中，結構化標籤扮演以下關鍵角色：

使用 FAQPage 標記問答內容：AI 搜尋引擎喜歡引用問答格式的內容。將常見問題以 FAQPage 結構化標記包裹，能大幅提升被 AI 引用的機率。
使用 HowTo 標記教學內容：步驟型的教學文章加上 HowTo 標記，讓 AI 能精確擷取每個步驟並在回答中呈現。
使用 Article 標記文章內容：確保每篇文章都有完整的 Article 結構化標記，包含 headline、author、datePublished、dateModified。
建立實體關聯：使用 @id 和 url 屬性為每個實體建立唯一識別碼，讓 AI 能跨頁面追蹤和關聯內容。
提供 BreadcrumbList：麵包屑導航的結構化標記幫助 AI 理解網站的層級結構和內容分類。

GEO（Generative Engine Optimization）的結構化要領

GEO 是更進一步針對生成式 AI 引擎（如 Google AI Overviews、Perplexity）的優化策略：

使用 @graph 統整網站結構：在首頁使用 @graph 描述網站整體結構，包含 WebSite、Organization、WebPage 等實體，讓 AI 一次理解整個網站的架構。
標記內容的 speakable 屬性：Schema.org 的 speakable 屬性標示適合語音朗讀的內容段落，對語音搜尋和 AI 摘要生成特別重要。
確保資料的時效性：使用 dateModified 標記內容更新時間，AI 引擎優先引用最新資訊。
結構化內部連結：使用 ItemList 和 mainEntity 標記相關內容之間的關聯，幫助 AI 建立內容之間的脈絡。
提供完整的 Organization 資訊：在網站全域提供 Organization 結構化資料，包含品牌名稱、Logo、聯絡資訊、社交媒體帳號，讓 AI 能正確歸屬內容來源。

結論

結構化標籤從 RDFa 的實驗性開始，經過 Microdata 的標準化嘗試，最終演進到 JSON-LD 的成熟方案。這個演進過程反映了網頁開發從「給人看」到「給人和機器看」的需求轉變。

在 AI 時代，結構化標籤的價值已超越傳統的 SEO 範疇。它不僅是搜尋引擎理解網頁的橋樑，更是 AI 系統擷取、理解和引用網頁內容的基礎。AEO 和 GEO 的興起，讓結構化資料從「加分項目」變成「必要基礎建設」。

對於網站經營者來說，現在就開始導入 JSON-LD 結構化標籤，不僅能提升傳統搜尋引擎的能見度，更能為未來的 AI 搜尋時代做好準備。在 AI 引擎越來越主導資訊取得的趨勢下，結構化資料完整度將直接決定你的網站內容能否被 AI 正確引用和呈現。

🔍 SEO/AEO/GEO