FAQ、HowTo、Review：哪些结构化数据还有效

四月的一个周四，一家做户外电源的出海品牌把 Search Console 的富媒体报告投到复盘会上：FAQ 和 HowTo 两个项目大半年没有新增，Review 只剩零星几个页面还亮着。运营问得很直接——既然拿不到展示了，这些 JSON-LD 还要不要维护？技术负责人反问了一句：那 AI 摘你页面的时候，知道哪段是问题、哪段是答案吗？

结构化数据的第一收益是让机器读懂页面，富媒体只是平台随时会收回的副产品；按“理解优先、展示其次”决定投入，才不会跟着搜索结果界面的改版反复返工。

富媒体会消失，语义不会

搜索结果的富媒体展示一直在收窄：FAQ 的问答下拉从大面积出现收回到少数站点，HowTo 的步骤展示整体撤下；Review 的评价摘要还在，但平台对自评、代写和来源不明的评分有明确限制。这类口径只能以各家官方文档为准，不要照抄二手清单。每次调整，都会有一批团队在复盘里写下“schema 没用了”。

这个结论把两层东西混成了一层。结构化数据做的是标注：把页面上的字符串变成有类型的事实——这是商品、这是价格、这是库存状态、这是谁在什么时候给的评分。抽取程序不必再猜“这段是用户评论还是营销文案”。富媒体展示是平台对标注的回报，给不给、给多少，由平台定，也由平台收回。

两层分开看，投入顺序就清楚了：先保证标注准确，再谈回报。标注错了，展示越多，错得越远。

三类标记，三种风险

FAQ、HowTo、Review 常被打包成一个“结构化数据套餐”，但它们的收益来源和风险完全不同。

类型	现在还能拿到什么	真正的收益	最大的风险
FAQPage	富媒体展示已大幅收窄	问题与答案的边界清楚，答案单元容易被整段取出	页面上不存在的问答，等于堆砌
HowTo	富媒体展示已撤下	步骤、工具、耗时被显式表达	把下单流程写成步骤，语义错位
Review / AggregateRating	部分类型的评价摘要仍会出现	评分与评论数成为可比字段	自评、代写、数量对不上

FAQPage 的展示价值被削掉大半，剩下的价值在结构：一问一答边界清楚，答案容易被整段取出。前提是页面上真有这些问答。为覆盖搜索量拼出来的二十条隐藏问答，既拿不到展示，又让页面看起来像关键词填充；答案怎么写才经得起抽取，见答案单元：一段话让 AI 说清你卖什么。

HowTo 的展示已经撤下，但“怎么做”是出海品类里真实存在的一类问题：首次充电、滤芯更换、安装打孔、清洁保养。把步骤、工具、耗时、注意事项标出来，机器回答“怎么用”时才有据可依。反例是把“下单—支付—收货”写成 HowTo：那是交易流程，不是操作步骤，标了也是错位。

Review 是三者里唯一还较稳定影响展示的，也是风险最高的。它把评分和评论数变成可比字段，所以对不上时格外显眼：页面上二十七条评论，标记里写一百三十二条；评分 4.9，点开评论只有八条五星。这类不一致不只是“数据没更新”，它会被读成有意的误导。

商品与报价字段是另一条线，见 Product schema 的 2026 写法。如果 Product 与 Offer 本身没修好，单独补 FAQ 的收益很小——机器连你卖什么都没确认，问答标得再整齐也接不上交易事实。

四步：先对账，再分层，最后收口

顺序比清单重要。多数团队一上来就找“最新 schema 模板”，结果是把错误的结构复制到更多页面。

步骤	做什么	谁来做	怎么算过
1 对账	导出每个模板输出的 JSON-LD，与页面渲染内容逐条比对价格、库存、评分、评论数、问题文本、步骤顺序	工程 + 内容	每个字段都能在页面上指到出处，指不到就删
2 分层	给每类标记写一句唯一目标：为了被理解，还是为了拿展示	增长	每类只有一个目标，不写“都要”
3 收口	让 JSON-LD 由模板与商品主数据生成，禁止运营手写	工程	新增 SKU 不需要人工改标记
4 验证	先用官方校验工具过关，再用同一批问题复测抽取结果	工程 + 增长	零错误零警告，抽样二十页字段一致

第 1 步最容易做，也最容易被跳过。把标记和页面并排放，问题会自己浮出来：折叠区里没有的答案、三个月前就下架的价格、从来没同步过的评论数。指不到出处的字段，一律先删。

第 2 步要写下唯一目标。一个 FAQPage 如果目标是“被 AI 摘成答案”，验收就看抽取质量；如果目标是“拿富媒体”，那就得承认这个目标现在大概率不成立，把预算移走。两种目标可以并存，但不能都不写清楚。

第 3 步是分水岭。手写 JSON-LD 的团队，三个月后一定对不上；标记必须由模板和商品主数据生成，运营改文案时字段跟着变。这一步做完，后面每加一个 SKU 都不需要再问“标记谁写”。

第 4 步分两段：校验工具保证语法与字段合规，复测回答“有没有被正确取走”。复测方法参考AI 可见度基线；只看校验通过率，会高估效果：那只能证明格式对，证明不了内容被理解。

示例：删掉一半 FAQ 之后

示例：某户外电源品牌（假设场景，不含真实品牌与数据）。PDP 模板里有十八条 FAQ，其中十一条在页面上不展示；AggregateRating 写 4.9 分、一百三十二条评论，站内真实评论二十七条；另有一段 HowTo，写的是“如何下单”。

改法三步。第一，删掉十一条不可见问答，保留七条真实问题，答案从折叠区提到可见位置，每条压到两三句。第二，评分改成 4.7、二十七条，接入评论系统的时间与星级分布，让数字在页面上可核对。第三，删掉下单 HowTo，换成“首次充电与两台并联”的可见步骤块，标注工具、耗时和注意事项。

验收不看富媒体有没有回来——那不受你控制——看三件事：标记字段与页面内容一一对应；校验工具零错误；抽十个“怎么用”类问题，看答案里是否复述了正确步骤和限制条件。三件都过，才算这次清理完成。

边界：什么情况下不值得做

第一，成交集中在平台内。亚马逊、Shopee 的 AI 读的是 listing、评论与履约指标，独立站的 JSON-LD 影响接近于零，先修 feed 与 listing。

第二，没有真实评价。评论数为零时，不要为了“看起来有信任”去标 AggregateRating；先用认证、检测报告、保修承诺这类第一方证据撑住，见没有评测时，AI 凭什么信你的商品。

第三，内容本身没有答案。FAQ 里写“我们致力于提供优质产品”，标得再规范，取出来也是一句空话。

第四，站点已经因垃圾结构化数据被处理。先清理存量，再谈新增；在问题期加标记，只会延长恢复时间。

第五，把 schema 当排名开关。没有任何官方文档承诺结构化数据能提升排名或让品牌进入 AI 答案；它能做的是降低误读概率、提高被正确转述的机会。这条线上其他文章在技术底座主题页。

如果只做一件事：挑 PDP、品类页、帮助中心三个模板，导出一份字段清单，逐条对到页面上；对不上的删掉，对得上的改成模板生成，并在模板注释里写清每个字段由谁负责。做完这一轮，再谈要不要扩到更多标记类型。