結構化資料
一句話定義
按標準化格式（多為 Schema.org）書寫的網頁資料標記——讓搜尋引擎爬蟲更有效率讀懂網頁內容並分類，網頁有機會在 SERP 以「複合式搜尋結果（Rich Results）」呈現。
核心要點
標準制定方：Schema.org
由四大搜尋引擎龍頭 Google + Microsoft + Yahoo + Yandex 共同推出的結構化標記規範紀錄網站。
- 與 SEO 相關的結構化資料格式範本，都能在 Schema.org 找到
- 是跨搜尋引擎的共通協定，不是 Google 獨家規範
為什麼需要結構化資料
從爬蟲視角看，網頁是複雜大量的程式原始碼，沒有標準化標記就會在程式碼大海中迷路。
- 沒標記 → 網站可能無法被搜尋引擎好好收錄
- 有標記 → 爬蟲快速理解網頁層級與結構（首頁 / 次分類 / 文章）
- 複合式搜尋結果機會：FAQ 問答清單 / 星星評分 / 評論者 / 價錢 / 食譜 / 影片 / 麵包屑等額外資訊
- 在千篇一律的 SERP 上特殊資料呈現會吸引點擊，帶進 CTR 與流量
Google 支援的 34 種類型（部分清單）
完整清單見 Google 搜尋支援的結構化資料標記。
內容類：文章（Article）/ 書籍（Book）/ FAQ / How-to / 訂閱付費牆內容 商業類：當地商家 / Logo / 雇主評分 / 預估薪酬 / 求職資訊（JobPosting）/ 練習題（Practice problem）/ 軟體應用程式 商品類：產品（Product）/ 食譜（Recipe）/ 評論摘錄 / 課程（Course） 媒體類：影片（Video）/ Podcast / 電影資訊輪播（Movie）/ 圖片授權 事件類：活動（Event）/ 居家活動 / 事實查核 結構類：麵包屑（BreadcrumbList）/ 輪轉頁面（輪播 / 連續清單 / 圖片庫）/ 網站連結搜尋框 特殊類：問與答 / 數學解題工具 / 資料集（Dataset）/ 語音助理（Speakable）/ 職業訓練（Beta）
不會寫程式也能做（2 種替代方案）
對無法自行撰寫程式語言的 SEO 人，Welly 推薦兩個工具。
1. Google 結構化資料標記協助工具：
- 支援 14 種類型（FAQ / 文章 / 活動 / 當地商家 / 產品 / 電影 / 餐廳等）
- 5 步驟：選資料類型 → 輸入網址 / HTML → 反白標記 → 建立 HTML（JSON-LD / Microdata）→ 貼至網頁 head
- 限制：類型有限，不支援 FAQ / 輪播等需另寫
2. FAQ Schema 結構化數據生成器：
- 專做 FAQ Schema
- 新手快速上手
WordPress 路徑：用 CMS（如 Yoast SEO 等外掛）可大量自動化結構化資料
兩種寫法格式（Google 接受）
- JSON-LD（推薦）——獨立
<script type="application/ld+json">區塊；最易維護 - Microdata——直接寫在 HTML tag 屬性中（itemtype / itemprop）；耦合視覺與資料
RDFa——理論上支援，但較少使用
與其他概念的關係
- 是 技術SEO 9 項中的第 7 項（4★，第 2 層「單獨頁面標記」）
- 與 SEO：是「索引 + 排名」階段的提升工具——讓 SERP 從「千篇一律」變成「特殊呈現」吸引點擊
- 與 麵包屑：BreadcrumbList 是結構化資料最常被使用的類型之一——麵包屑頁拆出於 2026-05-02
- 與 使用者研究：複合式搜尋結果（Rich Results）的視覺差異化源於 UX 對「掃視內容差異化」的研究
- 與 排版 / 易讀性：SERP 上 Rich Results 的星星評分 / FAQ 折疊 / 圖片授權都是「排版層級在外部分發場景的延伸」——Google SERP 是品牌排版控制權的最外圈
- 與 PRD：結構化資料是 PRD 第 6 部「字串表」+ 第 4 部「圖形原型」之外的第三類交付物——爬蟲可讀的資料層；應在 PRD 加開段落
相關來源
備註
本頁聚焦SEO 視角的結構化資料，不涵蓋：
- 語意網（Semantic Web）——RDF / OWL / SPARQL 學術源頭
- JSON-LD 在 LLM 上下文中的應用——LLM 引用 / 知識圖譜 / Web of Data 連結
- Open Graph / Twitter Card——社群分享專用 metadata（與 Schema.org 平行不衝突）
上述未來如有來源 ingest 可在本頁開「SEO 之外的結構化資料應用」段，或拆出 語意網 獨立頁。
AI 搜尋時代的演進：2024+ Google AI Overview / SGE / Bing Copilot 等 LLM-augmented 搜尋介面對結構化資料的依賴可能加深（直接抓 Schema.org 標記做答案合成），這是值得追蹤的方向。