SEO 結構化資料介紹：簡單搞懂結構化資料的意義與用途！

在使用 Google Search 的時候，一定不時會見到一些「特殊的」搜尋結果，好比像是下圖這種搜尋結果的樣式：

相較於一般的搜尋結果，這種版塊能提供更多資訊給使用者，也會更加吸睛。

實際上，會出現這種特殊版面並非巧合，而是因為這些網站有設定「結構化資料」（structured data）的緣故。

而剛開始研究 Technical SEO 的朋友，也一定會碰到「結構化資料」。當初我對程式還沒那麼熟悉，看到一大串程式碼就嚇傻了，想說結構化資料到底是什麼妖孽？

別擔心，今天白話文 SEO 會用最簡單的方式，讓你搞懂何謂結構化資料，以及結構化資料的用途。

如此一來，不論是你自己處理網站，又或者請工程師處理網站時，都會更加順利。

本文與 2025 年更新，也更新被淘汰的結構化資料種類。

---

什麼是結構化資料？

在展開討論結構化資料之前，我們先來看一下幾個例子。

首先，這是常見的搜尋結果（search engine result）。

而相較於一般的搜尋結果，某些搜尋結果相當不一樣。

上述之所以能顯示出這麼特殊的版面樣式，並非巧合，而是因為這些網站有做「結構化資料」的相關設定。

---

工商時間

如果你想要更系統化、更輕鬆的學好 SEO，推薦你參考我與知識衛星合作的 SEO 線上課程《SEO 排名攻略學：從產業分析到落地實戰，創造翻倍流量》。

這是我的 SEO 集大成之作，讓你從入門到精通，附贈實戰模板跟檢核表，讓你真正學好 SEO。

 

---

結構化資料的定義

根據 Google 官方說法：「結構化資料是一種標準化格式，作用是提供網頁相關資訊並將網頁內容分類。例如在食譜網頁上，結構化資料就能分類材料、烹飪時間和溫度、熱量等內容。」

我的白話文解釋：「結構化資料，就是透過標準的格式，幫助 Google 更容易了解網頁上的特定資訊。」

實際上，Google 儘管很聰明，但並沒有我們想像的那麼聰明，儘管一個頁面上有很明顯的價格、庫存數量、評論、評分等資訊，但 Google 未必能認得網頁上的這些元素的意義就是價格、庫存數量、評論、評分。

因此，我們透過特定的程式碼格式，幫助 Google 「認得」特定的資料訊息，這段特定的程式碼，就是結構化資料。

好比說，我希望 Google 知道我這一個產品頁的價格是 309 元，那我就可以在網頁貼上一段「產品價格＝309 元」的結構化資料。

透過這一段程式碼，Google 就能「讀懂」這一頁，知道這一頁產品價格是 309 元，並且有機會顯示在搜尋結果上。

---

為什麼要做結構化資料？

從前面的內容你就能發現，透過結構化資料我們能幫助 Google 更加理解網站內容，進而讓網頁能在搜尋結果頁多呈現一些資訊給使用者。

同時，因為這種版位格式跟其他搜尋結果較不相同，所以有做結構化資料的網頁會更加吸引眼球。（跟 sitelink 的狀況有點像）

所以說結構化資料很大的目的在於提升網頁的點擊率（CTR），進而幫網站帶入更多流量。

---

怎麼做結構化資料？

結構化資料的格式

如同前面提到的，結構化資料就是一段標準的程式碼，透過這段程式碼可以讓機器人（搜尋引擎）搞懂網站內容。

而根據不同的屬性，如產品價格、FAQ、麵包屑等，會有不同的程式來做撰寫。

至於結構化資料的格式分為「JSON-LD」、「Micro data」、「RDFa」；Google 官方建議採用「JSON-LD」的格式，所以以下我都會用「JSON-LD」作為說明。

---

結構化資料的程式碼長怎樣？

我們以 Google 說明中心對於結構化資料的解釋，如果一個搜尋結果長的像下圖這個模樣。

其背後的結構化資料，也就是其中的程式碼，會長如以下說明。

<script type=”application/ld+json”>
{
“@context”: “https://schema.org/”,
“@type”: “Product”,
“name”: “Executive Anvil”,
“image”: [
“https://example.com/photos/1×1/photo.jpg”,
“https://example.com/photos/4×3/photo.jpg”,
“https://example.com/photos/16×9/photo.jpg”
],
“description”: “Sleeker than ACME’s Classic Anvil, the Executive Anvil is perfect for the business traveler looking for something to drop from a height.”,
“sku”: “0446310786”,
“mpn”: “925872”,
“brand”: {
“@type”: “Brand”,
“name”: “ACME”
},
“review”: {
“@type”: “Review”,
“reviewRating”: {
“@type”: “Rating”,
“ratingValue”: “4”,
“bestRating”: “5”
},
“author”: {
“@type”: “Person”,
“name”: “Fred Benson”
}
},
“aggregateRating”: {
“@type”: “AggregateRating”,
“ratingValue”: “4.4”,
“reviewCount”: “89”
},
“offers”: {
“@type”: “Offer”,
“url”: “https://example.com/anvil”,
“priceCurrency”: “USD”,
“price”: “119.99”,
“priceValidUntil”: “2020-11-20”,
“itemCondition”: “https://schema.org/UsedCondition”,
“availability”: “https://schema.org/InStock”
}
}
</script>

覺得很複雜嗎？先別怕，我們後面來講解。

---

拆解結構化資料的細節

上述細項看起來很複雜沒錯，但如果耐心觀察，你會發現沒那麼恐怖跟糾結。

我先從上面拆出「product」的相關內容：

“@type”: “Product”,
“name”: “Executive Anvil”,
“image”: [
“https://example.com/photos/1×1/photo.jpg”,
“https://example.com/photos/4×3/photo.jpg”,
“https://example.com/photos/16×9/photo.jpg”
],
“description”: “Sleeker than ACME’s Classic Anvil, the Executive Anvil is perfect for the business traveler looking for something to drop from a height.”,
“sku”: “0446310786”,
“mpn”: “925872”,
“brand”: {
“@type”: “Brand”,
“name”: “ACME”
}

---

接著，我們把項目裡面的內容清理乾淨（把裡面的代稱清除掉），就可以看到：

“@type”: “Product”,
“name”: “產品名稱”,
“image”: [
“圖片網址”,
],
“description”: “產品描述”,
“sku”: “庫存數量”,
“brand”: {
“@type”: “Brand”,
“name”: “品牌名稱”
}

也就是說，這串程式碼的結構大致上會是個 “@type” : “XX”，配上該屬性的細項說明，像是 name、image、url…..etc，是不是就沒那麼恐怖了？

結構化資料不過就是個填字遊戲！

---

最後，我們如果透過結構化資料檢測的結果來觀測，就會更好理解了。

透過上圖，我們可以明確看到，@type : Product 下面有 name、image、description、sku、brand、offers 等細項。

然後在 brand 跟 offers 等細項，又有小細項，透過下一層的 @type 繼續標註，所以出現了像是 offers 下面的 url、price 等說明。

只要把這些「洞」一個一個填完，結構化資料就完成了，是不是覺得輕鬆多了？

---

要去哪裡找結構化資料的樣本？

我個人認為，結構化資料這東西有一點像是「照樣照句」的遊戲。

當初有設定結構化資料的起因，就是希望所有人都能遵守一套規則十分接近的原則，因此它是一個有接近正確答案的課題。

通常你可以在「Schema.org」找到標準答案跟範例。

又或者，你可以在 Google 關於結構化資料的說明中心，尋找範本來做改寫。

---

實務上的結構化資料

實務上資料庫是動態的，所以不太會用這麼「人工」的做法來撰寫結構化資料，工程師會用別的方法來更有效率的產出結構化資料。

同時，市場上也有更多現成的外掛來幫助我們撰寫結構化資料，像是 yoast SEO 等外掛就有現成的資料可以使用。

不過，了解結構化資料的程式碼原理，能幫助我們更有安全感跟理論基礎，來判斷自己的結構化資料有無問題。

---

檢測結構化資料是否正確

完成結構化資料後，最重要的就是要檢測是否寫的正確。

畢竟花了這麼多力氣調整結構化資料，如果因為一個逗號、一個括號沒寫對，導致 Google 認為結構化資料有誤，那就太可惜了。

因此我們會透過「複合式搜尋結果測試」來檢驗結構化資料是否正確。

---

結構化資料測試工具介紹

這個結構化資料測試工具是 Google 官方的，你可以透過這個工具測試結構化資料是否正確。

你有兩種測試方式，一種是利用網址做測試，另一種利用程式碼片段做測試。

• 網址測試：網址測試顧名思義，就是把完整的網址丟到測試中，來檢驗上線網頁的結構化資料是否有問題。（注意，該網址必須要是公開的才可以。）

同時，當我們發現有一個網頁的搜尋版位很特別，你也可以丟到結構化資料檢測器來看看對手用了甚麼花招。（所以我常說，SEO 是個蠻透明的技術）

• 程式碼檢測：如果你今天網址還沒正式上線，只想測試其中一段程式碼，那你就能把這段程式碼剪出來，丟到這上面來檢驗。

好比說，我們拿前面那段程式碼來示範，就會得到以下結果。

如果拿來檢測前面的 IKEA 網頁，我們就可以得到這樣的檢測頁面，可以發現只有「警告」，而沒有「錯誤」，那就代表這個結構化資料及格了。

當然，你要全部弄到零警告會比較麻煩，而且有時候你的確就沒有那個屬性可以填，像是很多網站就沒有 rating、review 啊等等。

所以我建議拿「不要有錯誤」當標準，其他都是加分。

備註：老實說，我還是比較喜歡舊版的結構化資料檢測，比較好用，但這個快要停用了，sad。

---

透過 Google Search Console 檢測

另一方面，你也能透過 Google Search Console 來檢測你的網站結構化資料是否有設定錯誤。

像是這個 Google Search Console 有大量的產品頁結構化資料，因此透過 Console 就能迅速的找到 bug，並跟工程師協調。

---

哪些資料性質有結構化資料？

結構化資料類別非常多，可以多觀察搜尋結果頁上面有哪些結構化資料呈現，接著搜尋看看「OO 結構化資料」，或「OO structured data」。

舉例來說，像是「review structured data」、「食譜 結構化資料」，如果這個類別有結構化資料，你就有機會找到。

那麼以下我舉例一些常見的結構化資料類別。

• Article
• Book
• 導覽標記
• Course
• Event
• 常見問題（FAQ）
• How-to
• Product
• Review
• Rating

上述這些結構化資料的說明，你可以在 Google 的說明，找到更完整的解答跟教學。

現在你也可以問 AI：「請問我的網頁資訊是ＯＯＯ，有沒有適合使用的結構化資料？」

---

被淘汰的結構化資料類型

已完全停用（不再顯示）

• How-To（2023-09-13 起桌面也下架，至此全裝置不顯示）
• Event（2023-10-24 確認移除事件摘要版位）
• Sitelinks Search Box（2024-11-21 全面下線）
• Book Actions
• Course Info
• Claim Review
• Estimated Salary
• Learning Video
• Special Announcement
• Vehicle Listing

功能大幅受限／僅特定情境顯示

• FAQ（自 2023-08-08 僅限政府與醫療等「權威」網站）
• Breadcrumb（2025-01-23 起「行動版」搜尋結果不再顯示，只保留桌面）

---

關於結構化資料的幾個提醒

說了這麼多，不過還有幾個結構化資料（structured data）的常見迷思或問題，在這裡提供給大家參考。

1. 設定完結構化資料，未必會跑出來

當你正確設定完結構化資料後，你可能會一個問題：是不是我設定完這些東西後，結構化資料就一定會跑出來了呢？

答案是未必，就像多數 SEO 的優化項目一樣，我們只能盡可能提供對 Google 友善的訊號，然後默默等待 Google 來取用。

所以我們能做就是盡可能提供正確的結構化資料，剩下的就不是我們能控制的了。

---

2. 某些類型的結構化資料，未必會出現

大家最常見的麵包屑、價格、評分，都是容易出現在搜尋結果的結構化資料；但相對的，評論內容、品牌，就不見得會出現。

不過現在不會出現，不代表以後不會出現；所以在盡可能的範圍內，把結構化資料做好做滿總是比較好的。

---

3. 核心目標：零錯誤、而非零警告

結構化資料追求的是零錯誤，寧願不放、也不要放錯（Wrong、紅燈）。

而「警告」（Warning、橘燈）倒還好

---

4. Google 會越來越聰明，但現在還沒有

Google 每天都很努力在進化，現在有時候 Google 已經能自己抓到某種程度的麵包屑了，有時候也能自己分辨出產品價格跟評分，並且顯示在搜尋結果頁上。

所以你會發現，有些人搜尋結果頁上有出現特殊資訊，但透過結構化資料工具測試後，卻沒有結果；此時不要疑惑，不是對方偷偷做了什麼神秘設定，而是 Google 爸爸慧眼識結構化資料。

所以有人說，或許有一天 Google 會聰明到不需要人們再使用結構化資料。

不過目前 Google 顯然還沒這麼聰明，因此如果網站主把選擇權給不夠聰明的 Google 來決定，顯然也不夠聰明。

所以倘若行有餘力，還是建議自己調整好結構化資料比較好，This is SEO’s life.

---

ChatGPT 跟結構化資料：可以做到哪些事？

一句話總結：大型語言模型（LLM）像 ChatGPT 不只會「寫文章」，它們同樣能產生、抽取、驗證、維護 JSON-LD / Schema.org 標記，從而加快 Technical SEO 工作流程，甚至在 AI 搜尋時代（GEO / Generative Engine Optimization）扮演關鍵角色。

下面依常見場景分解說明。

---

1. 快速產生與範本化

把一組關鍵欄位（產品名稱、價錢、庫存、圖片 URL⋯）丟進對話，ChatGPT 可以一次回傳完整的 JSON-LD 區塊；重複頁面（例如 50 個產品、20 篇服務頁）只需改動變數即可批量產出。

SEO 從業者分享的案例顯示，透過精準提示（prompt）可把手動撰寫結構化資料的時間縮短 50–70 %。

「請根據以下資訊產生 Product schema，格式為 JSON-LD：

產品名稱：Ultra-Light Tripod；價格：89.9 USD；圖片：https://…/tripod.jpg；庫存狀態：InStock。」

---

2. 可擴充的 API／批次自動化

OpenAI Structured Outputs 允許在函式呼叫時加上 strict:true，保證回傳結果 100 % 符合指定 JSON Schema，大幅提升程式化產生結構化資料的可靠度。OpenAI

透過 API＋CMS hook，可以在內容發布時自動寫入結構化資料，或定時掃描舊文並補齊缺漏欄位。

---

3. 驗證、除錯與最佳化

把產出的 JSON-LD 貼回 ChatGPT，要求「比對 Product 必填欄位並指出缺漏」，能立即得到缺少 offers、brand⋯等提醒；再配合 Rich Results Test 或 Schema Markup Validator 做最終驗證。

LLM 也可協助把警告訊息翻譯成白話步驟，降低與工程師溝通成本。

---

4. 從內容抽取結構化資料

讓 ChatGPT「閱讀」網頁 HTML 或產品表格，可自動萃取 FAQ、評分、規格等並輸出為對應類型 (FAQPage, AggregateRating …)。

常見應用：把部落格 Q&A 區塊轉成 FAQ schema，上線前只需人工複核語意是否正確。

---

那麼本次內容就說到這，希望各位會有收穫，謝謝。

法蘭克

---

工商時間

如果你想要更系統化、更輕鬆的學好 SEO，推薦你參考我與知識衛星合作的 SEO 線上課程《SEO 排名攻略學：從產業分析到落地實戰，創造翻倍流量》。

這是我的 SEO 集大成之作，讓你從入門到精通，附贈實戰模板跟檢核表，讓你真正學好 SEO。