Popular Data Set

LinkedIn 上的一篇帖子质疑 Schema.org 结构化数据会影响大型语言模型的输出。显然，有些 SEO 建议使用结构化数据来在 AI 搜索引擎中获得更好的排名。

事实与观点的区别
本主题表明 SEO 中发生了一件奇怪的事情，即观点和事实之间的区别消失了。当一个人说“我认为”时，这表明接下来的内容是观点。观点很重要，它是发现的源泉。当观点和事实之间的区别消失并将观点视为事实时，它们就会成为问题。


搜索专家询问：我是否遗漏了什么？
Patrick Stox 在 LinkedIn 上发表了以下帖子：

“我是不是漏掉了什么？为什么 SEO 人员认为架构标记会影响 LLM 输出？”

Patrick 在 SEO 推荐中提到了“LLM 输出”，因 智利电话数据 此很可能指的是 ChatGPT Search 和其他AI 搜索引擎。那么 AI 搜索引擎是否从结构化数据中获取数据？

LLM 接受网络文本、书籍、政府记录、法律文件和其他文本数据（以及其他形式的媒体）的培训，然后使用这些数据来生成摘要和答案，但不会抄袭培训数据。这意味着，认为优化您的网络内容会导致 LLM 本身向该网站发送推荐是毫无意义的。

AI 搜索引擎通过检索增强生成 (RAG) 以搜索索引（和知识图谱）为基础。搜索引擎索引本身是从抓取的数据创建的，而不是Schema 结构化数据。


例如，Perplexity AI 使用其搜索索引中的修改版 PageRank 对网络抓取的内容进行排名。Google 和 Bing 抓取文本数据并执行诸如删除重复内容、删除停用词以及对从 HTML 中提取的文本进行其他操作等操作，而且并非每个页面都包含结构化数据。

事实上，谷歌仅使用一小部分可用的 Schema.org 结构化数据来实现特定类型的搜索体验和丰富的结果，这反过来又限制了发布商使用的结构化数据类型。


然后，Bing 和Google 的爬虫都会呈现 HTML，识别页眉、页脚和主要内容（它们会从中提取文本以进行排名）。如果他们要依赖 Schema 结构化数据，他们为什么要这样做呢？

使用 Schema.org 结构化数据在 AI 搜索引擎中排名更高这一想法并非基于事实，只是异想天开的猜测。或者这可能是“电话游戏”效应，即一个人说了某件事，然后二十个人说了另一件事，结果变成了完全不同的东西。

例如，Jono Alderson 提出结构化数据可以成为 AI 搜索引擎用来更好地理解网络的标准。他并不是说 AI 搜索引擎目前使用它，他只是建议 AI 搜索引擎应该考虑采用它，也许 20 年 SEO 之后，这篇文章就变成了一个成熟的理论。