Дискуссия вокруг schema markup в эпоху AI-поиска часто сводится к крайностям: либо раздавать обещания о трехкратном росте упоминаний, либо объявлять разметку бессмысленной. На деле это не магия и не мусор — это инструмент, который в ряде случаев действительно помогает ИИ лучше понять сайт, но не заменяет авторитет и качество контента.
Основные детали новости
Поисковые системы перестроили модель выдачи: вместо набора синих ссылок всё чаще появляются AI-обзоры, генеративные ответы и диалоговые сводки, которые собирают и консолидируют информацию с множества источников. Чтобы попасть в такие ответы, достаточно текстовой оптимизации уже не всегда: нужна явная идентификация сущностей и связей между ними.
Schema markup остается одним из немногих приемов, которые позволяют явно обозначить на странице, кто или что представлено — бренд, автор, товар, услуга — и какие у этих сущностей свойства (цена, наличие, рейтинг, должность) и отношения (worksFor, offeredBy, authoredBy, sameAs).
Ключевые элементы, которые важны для AI:
- Определение сущностей: какие бренды, авторы или товары фигурируют на странице.
- Ясность атрибутов: какие свойства относятся к конкретной сущности.
- Связи между сущностями: кто с кем связан и как (через @id и @graph).
При использовании стабильных идентификаторов (@id) и графовой структуры (@graph) разметка перестаёт быть набором отдельных подсказок и начинает напоминать внутренний knowledge graph, который ИИ может использовать для точной идентификации и декодирования контента.
Практическое подтверждение: две крупные платформы открыто подтвердили, что структурированные данные помогают их системам. Google Search в апреле 2025 года заявил, что structured data дает преимущество в AI-обзорах. Microsoft подтвердил в марте 2025 года, что Bing Copilot использует schema для понимания контента.
Дополнительные факты
Исследования дают смешанную картину. Декабрьское исследование Search/Atlas (2024) не обнаружило корреляции между охватом разметки и частотой цитирования в AI‑ответах: сайты с полной schema не показывали стабильного преимущества перед теми, где разметки мало или нет. Это указывает, что одна только разметка не гарантирует попадание в цитаты — модели стремятся к релевантности, тематическому авторитету и семантической ясности.
В то же время исследование, опубликованное в Nature Communications в феврале 2024 года, показало, что большие языковые модели извлекают информацию точнее, когда им дают структурированные подсказки с явно заданными полями. Проще говоря, LLM «лучше заполняют форму», чем пытаются выхватить ключевые факты из неструктурированного текста. На вебе роль такой формы может играть JSON-LD и другие форматы структурированных данных.
Однако большое «но»: у многих AI-платформ (OpenAI, Anthropic, Perplexity и другие) нет публичной информации о том, сохраняют ли они schema при краулинге и используют ли её при извлечении данных. Измерять влияние сложно из‑за недетерминированности ответов и отсутствия общедоступных методов верификации.
Практика внедрения тоже меняется: простая разметка Article или Organization уже не достаточна для AI-ориентированной стратегии. Полезнее связывать узлы через @id — создавать единый граф организации, авторов и контента, чтобы любая система, которая сохранит JSON-LD, видела, кто владеет контентом и кто за него отвечает.
Почему это важно для SEO
Для специалистов по поисковой оптимизации вывод простой: schema — это инфраструктурный вклад в будущее, а не быстрый путь к лаврам. На что стоит делать ставку прямо сейчас:
- Ставьте на сущности и связи: используйте @graph и стабильные @id, чтобы создать связный внутренний граф бренда, авторов и материалов.
- Не ждите «волшебного» увеличения цитируемости: разметка повышает шанс корректного извлечения данных платформами, которые её поддерживают (подтверждено для Google и Bing), но не гарантирует упоминаний на всех платформах.
- Комбинируйте: структурированные данные усиливают эффективность сильного контента, авторитета по теме и ясных брендовых сигналов — они дополняют, а не заменяют классические факторы ранжирования.
- Приоритетные типы разметки: Organization, Person, Article/BlogPosting, Product/Service, FAQPage — те, которые помогают однозначно обозначить сущности и их атрибуты.
Итог для практики: поддерживайте базовую и связную schema-разметку как недорогую страховку и потенциальный источник выгоды при эволюции AI-поиска. Фокусируйтесь на консистентности идентификаторов и логике связей — это превратит разметку из разрозненных подсказок в легко парсимый граф, который может повысить точность извлечения и упростить работу тех платформ, которые действительно используют эти данные.
