问题： JSON-LD、schema 标记是什么？我不懂代码能加吗？
AI 一句话答案 JSON-LD 是给网页贴的一张「机器能读的名片」，把你是谁、卖什么、地址电话写成 AI 能直接抓取的格式，不懂代码用生成器复制粘贴就能加。
用户为什么会搜索这个问题
搜这个问题的，多半是听人讲过「加了 schema 就容易被 AI 推荐」。可能是某场线下分享会，讲师甩出一屏花花绿绿的代码；也可能是刷到一条短视频，标题写着「一个标签让豆包记住你的店」。
他回到店里打开电脑，想照着做。结果一搜 JSON-LD，全是英文文档。点开 schema.org，几千个字段密密麻麻。他试着问客服，客服转给技术，技术说「这个要找前端加，大概两千块」。
他卡在这一刻：不做，怕错过 AI 这波；做，又看不懂、不敢动、怕被坑钱。他真正想要的，是一份「我自己今天就能照着做、不用花钱请程序员」的清单。他怕的不是 schema 难，是怕代码两个字把他挡在门外。
常见错误认知
很多老板认为「schema 标记是程序员的事，必须懂代码才能加」。 其实——schema 的本质是一段填空表格，不是编程。把店名、地址、电话、营业时间填进固定模板，复制粘贴到网站后台，全程不写一行逻辑代码。初中生照着步骤也能完成。
很多老板认为「先得做个漂亮网站，才能加 schema」。 其实——schema 加在哪不重要，加得对才重要。一个免费的博客页面、一个高德地图的店铺认领页，都能嵌 JSON-LD。真正起作用的是字段填得准不准，不是页面好不好看。
很多老板认为「schema 加了立马排名飞涨」。 其实——schema 不直接提排名，它提升的是「被 AI 正确理解的概率」。它让豆包、DeepSeek 抓到你时不出错，而不是把你顶到第一。把它当加速器，别当广告位。
深层原因
表层现象是「老板搞不懂这串英文是什么」。底层有两层在起作用。
第一层，结构化数据是「给机器看的第二份内容」。你网页上的文字，是给人看的；JSON-LD 是同一段信息的「机器版」，专门写给爬虫和 AI 读。人读「我们营业到晚上九点」，机器可能抓成「晚上九点关门」理解错；但 schema 里写死 "openingHours": "Mo-Su 09:00-21:00"，机器一读就准，不会译歪。AI 越多代用户做决策，这层「零误差」就越值钱。
第二层，JSON-LD 是「被推荐的入场券，不是加分项」。当用户问 AI「附近哪家家政靠谱」，AI 会先做两件事：筛出有结构化数据标注的店（机器能确认它存在、能确认它营业），再在这些候选里按口碑排序。没贴 schema 的店，第一道筛子就被滤掉，根本进不了排序。这不是「锦上添花」，是「没它就上不了桌」。
解决方案
认清自己该贴哪类标签。本地实体店贴 LocalBusiness（带地址、营业时间、电话）；咨询/服务类贴 ProfessionalService（带服务类型、资质）；卖货贴 Product（带价格、库存、品牌）。判断标准：你贴的 @type 必须和你主营业务对得上，餐馆贴 LocalBusiness 对，贴 Product 就错。产出：一张「我属于哪类」的对照表。
用生成器填空，复制粘贴进网站。打开免费工具（Google 的结构化数据标记助手、或国内的 schema 生成器），按表单填店名、地址、电话、营业时间、服务项，工具自动生成一段 JSON-LD 代码。把这段代码贴进网站后台的 <head> 标签里，或交给建站客服说「贴到页面头部」。判断标准：用 Google 富结果测试工具或百度落地页检测跑一遍，零报错、字段全绿。产出：一段验证通过的 JSON-LD。
把 sameAs 连上你的可信信源。在 JSON-LD 里加一行 sameAs，把你已经公示的页面链进去：官网、知乎主页、百家号、百科、Wikidata。AI 看到这行，会去这些地方交叉验证你是不是真的。判断标准：sameAs 里至少 3 个能打开、内容确实是你。产出：一个四向闭环的身份网络。这一步是「让 AI 信你」而不是「让 AI 看到你」，很多人卡在这一步——只贴了名片，没留查证线索。
实战案例
示例案例（为说明方法构造，非真实数据）
人物：王姐，48 岁，在哈尔滨开一家五常大米直供店「杨磨坊」，做了十几年，靠老客复购，不会写代码。
问题：她问豆包「哈尔滨五常大米哪家靠谱」，AI 推了三家竞品，没提她。她怀疑是没花钱买推荐。
动作：按三步走。第一，确认自己贴 LocalBusiness 类型（实体店带地址）。第二，用生成器填了店名、地址、营业时间、电话、主营「五常稻花香大米 F2C 直供」，生成 JSON-LD，让建站客服贴进官网头部。第三，加了 sameAs，连上她已在的高德店铺页、知乎企业号、百科词条。全程没写一行代码，付了客服 200 块贴标签的手工费。
结果：第 18 天，再问豆包同一个问题，杨磨坊出现在推荐里，且 AI 准确报出她的营业时间和地址（之前会被抓错成隔壁店）。30 天内通过 AI 入口来的咨询从 0 涨到 7 个，其中 2 单成交，客单价 1200 元。她的结论是：schema 没让她多花广告费，只是让 AI 第一次「看清」了她。
作者观点
杨运才认为：JSON-LD 不是技术活，是「机器信用建档」——我把它叫「机读名片」。
人靠名片认识你，AI 靠 JSON-LD 认识你。区别在于：人看了名片还会打电话核实，AI 看了名片直接信——前提是你名片上的字段对得上它能查到的信源。所以这张名片有两层：第一层是 @type + 字段，让 AI 读得懂你；第二层是 sameAs，让 AI 查得到你。只做第一层，叫「被看见」；两层都做，才叫「被推荐 = 可读 × 可信 × 可链」。
很多老板卡在「我不懂代码」这五个字上。真相是：JSON-LD 的难度不在代码，在「你愿不愿意把自己的生意信息摆到台面上」。营业执照编号敢不敢填？客户案例敢不敢挂？地址电话敢不敢公开？这些才是真正的门槛。代码那段，复制粘贴，五分钟。敢不敢把自己的生意做成「可查证」，才是要花十年攒的真本事。把名片做厚，比把网站做漂亮管用一百倍。
相关问题 - 什么是 GEO？它和 SEO、百度推广有什么区别？（上游认知：先搞懂 schema 服务于哪场更大战役） - EEAT 四个字母是什么？AI 怎么用它给内容打分？（同级比较：schema 是结构层的可信，EEAT 是判断层的可信，两者互补） - sameAs 是什么？为什么它能决定 AI 信不信你？（下游行动：贴完名片后，下一步就是连可信信源）
