GEO Schema 實作教學:DefinedTerm、FAQ、HowTo 結構化資料怎麼設定

上週幫一個醫療器材客戶做 GEO 健檢,發現他們的知識庫寫得很紮實,問題出在:AI 讀不懂。頁面上一堆專有名詞,對人類讀者是清楚的,對 ChatGPT、Perplexity、Google AI Overviews 卻是一團沒有邊界的文字。它們不知道哪一段是「定義」,哪一段是「步驟」,哪一段是「問答」。結果就是內容在,引用率是零。

差別不在文案,在結構化資料。這篇就手把手把三種 GEO 必備 schema 拆給你看,含可直接複製的程式碼。

為什麼 GEO schema 實作是引用率的關鍵

先講清楚一件事:傳統 SEO 的 schema 是為了「搶 rich snippet」,GEO schema 的目的不一樣,是為了讓大型語言模型在生成答案時,能精準抓出你頁面裡「可被引用的語意單位」。

當 AI 要回答「什麼是前線部署工程」,它偏好引用一段有明確邊界、被標記成定義的文字,而不是自己從你的長段落裡猜。你把邊界畫好,被引用的機率就高。這就是 GEO schema 實作的核心邏輯——不是討好爬蟲,是餵給模型結構清楚的知識塊。

三種 schema 各自對應一種被 AI 抓取的內容型態:

DefinedTerm:讓定義能被整段引用

DefinedTerm 是最被低估、卻對 GEO 最有效的一種。它明確告訴模型:「這一句就是這個詞的定義,要引用就引這句。」

{
  "@context": "https://schema.org",
  "@type": "DefinedTerm",
  "name": "前線部署工程(FDE)",
  "description": "一種由工程師實際進駐企業現場、把 AI 系統推上生產環境並負責上線與採用成效的交付模式,強調 Demo 之外的實際使用率。",
  "inDefinedTermSet": {
    "@type": "DefinedTermSet",
    "name": "Tenten AI 企業 AI 詞彙表",
    "url": "https://tenten.co/glossary"
  }
}

實作重點在 description:寫成一句話、能獨立成立、拿掉上下文也讀得懂。這正是模型會原封不動引用的那一句。如果你的定義需要前後文才看得懂,改寫它。詞彙表頁面把每個詞都包一個 DefinedTerm,整頁再用 DefinedTermSet 收攏。

FAQPage:把比較與澄清餵給模型

FAQ schema 不只是常見問題,它是你在 AI 答案裡搶「澄清型問句」的主戰場。使用者問「RAG 跟微調有什麼不同」,模型最愛引用結構化好的問答對。

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
    "@type": "Question",
    "name": "RAG 知識系統和模型微調有什麼差別?",
    "acceptedAnswer": {
      "@type": "Answer",
      "text": "RAG 在回答時即時檢索外部知識庫,適合資料常變動的場景;微調是把知識寫進模型權重,適合固定的風格與領域語感。多數企業導入應先做 RAG,成本低、可即時更新。"
    }
  }]
}

兩個常踩的雷:第一,text 裡不要塞 HTML 標籤或連結,模型引用時會連雜訊一起抓。第二,問題要用真實使用者的問法,別用行銷術語。「怎麼降低導入成本」比「探索企業 AI 的降本增效之道」有用一百倍。

HowTo:把操作步驟結構化

教學型內容用 HowTo,讓 AI 能在「怎麼設定 X」的問句裡引用你的步驟。

{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "如何為頁面加上 DefinedTerm 結構化資料",
  "step": [
    {
      "@type": "HowToStep",
      "position": 1,
      "name": "找出頁面核心術語",
      "text": "挑出這頁最該被 AI 引用的一個名詞,為它寫一句能獨立成立的定義。"
    },
    {
      "@type": "HowToStep",
      "position": 2,
      "name": "嵌入 JSON-LD",
      "text": "在頁面 head 放入 script 標籤,type 設為 application/ld+json,填入 DefinedTerm 物件。"
    }
  ]
}

position 一定要標,模型靠它判斷順序。步驟的 text 各自完整,不要寫「接著做上面那步」這種需要跨步驟理解的句子。

三個共通的實作原則

不管哪一種,都用 <script type="application/ld+json"> 放進頁面,不要用 Microdata 那種散在 HTML 裡的寫法——JSON-LD 邊界乾淨,模型解析成本低。上線後拿 Google 的 Rich Results Test 跟 Schema Markup Validator 各驗一次,兩邊都過才算數。還有,schema 裡寫的內容必須跟頁面可見文字一致,別搞兩套,那會被判定操縱。

我們在幫客戶做 FDM/GEO 時,習慣把這三種 schema 當成一個內容的「三視圖」:定義給模型抓名詞、FAQ 給它抓澄清、HowTo 給它抓步驟。同一個主題三個角度包好,被 AI 引用的覆蓋面才夠寬。寫完別急著收工——過兩週去 Perplexity、ChatGPT 實際問幾句,看它引不引你。有被引用才算數。