你的商品頁做好了 Schema 結構化資料，AI 卻還是不引用你？這不是你的錯覺。2026 年 5 月，Ahrefs 追蹤了 1,885 個新增 JSON-LD 的頁面，用差異中之差異法對照約 4,000 個控制組頁面，結論直白：加上 Schema 之後，AI 引用沒有明顯提升，Google AI Overviews 甚至出現統計顯著的 4.6% 下降。但故事的另一半是：OpenAI 為 ChatGPT 購物定義了 14 個必填欄位的商品 Feed，Google 購物圖譜收錄超過 600 億筆商品資料。結構化資料沒有失效，它只是從「網頁標記」搬家到「商品 Feed」。這篇文章用實證研究拆解台灣電商被 AI 搜尋引擎收錄的真正路徑。

重點摘要

  • Ahrefs 對照實驗（1,885 頁 vs 約 4,000 頁對照組）：頁面加上 JSON-LD 後，AI Overviews 引用下降 4.6%（統計顯著），AI Mode 與 ChatGPT 的變化在統計上與零無異。
  • Google 官方文件明確寫著：AI Overviews 與 AI Mode「不需要任何特殊的 schema.org 結構化資料」。
  • 但商品 Feed 是另一回事：ChatGPT 購物要求 14 個必填欄位的結構化 Feed，Perplexity 商家計畫明言提供 Feed 的商家「更有機會被推薦」，Google 購物圖譜以 Merchant Center 為入口收錄超過 600 億筆商品。
  • 主流 AI 爬蟲（GPTBot、ClaudeBot、PerplexityBot）不執行 JavaScript：純客戶端渲染的 React 商品頁，AI 讀到的可能是一片空白。
  • 台灣的時間表已經走完：AI Overviews 於 2025 年 5 月支援中文，AI 模式於 2025 年 10 月 8 日在台上線；TWNIC 調查顯示 43.19% 的台灣民眾三個月內用過生成式 AI，一年成長 16.4 個百分點。

頁面 Schema 真的能提升 AI 引用嗎？實驗數據說幾乎不能

先講清楚證據等級。過去多數「Schema 有效」的說法來自相關性：Ahrefs 早期分析約 600 萬個網址時發現，被 AI 引用的頁面帶有 JSON-LD 的機率幾乎是未被引用頁面的 3 倍。但相關不是因果，做 Schema 的網站通常整體 SEO 也做得好。

因此 Ahrefs 在 2025 年 8 月至 2026 年 3 月做了對照實驗：1,885 個新增 JSON-LD 的頁面，對照約 4,000 個條件相近但未加 Schema 的頁面。結果是 AI Overviews 引用下降 4.6%（約 2,500 分之 1 的機率是巧合），AI Mode 上升 2.4%、ChatGPT 上升 2.2%，兩者皆無統計意義。研究者的原話翻成白話：「如果你加 Schema 的唯一理由是想在已經有能見度的頁面上拿到更多 AI 引用，我們的數據不支持這個賭注。」

Ahrefs 對照實驗結果：1,885 個頁面加入 Schema 後，Google AI Overviews 引用變化為負 4.6%（統計顯著下降），Google AI Mode 為正 2.4%、ChatGPT 為正 2.2%，後兩者在統計上與零無異
對照實驗結果：頁面層級的 JSON-LD 沒有帶來 AI 引用提升。資料來源：Ahrefs（2026 年 5 月）

即時讀取測試給出同樣的答案。searchVIU 在 2025 年 12 月的實驗把一個價格（8.99 歐元）只寫進 JSON-LD、不出現在可見內文，然後請五個 AI 系統即時讀取該頁：ChatGPT、Claude、Gemini、Perplexity、AI Mode，五個引擎全部沒有讀到這個價格。0 比 5。

連 Google 自己都這麼說。Google 的 AI 功能官方文件寫明：「不需要新增任何特殊的 schema.org 結構化資料」才能出現在 AI Overviews 或 AI Mode，並且明確建議不要為 AI 建立「新的機器可讀檔案、AI 文字檔或標記」。SEO 專家 Mark Williams-Cook 做過一個更直接的實驗：他做了一個帶著故意亂寫的假 Schema 屬性的頁面（例如 waddleStyle、quackVolume 這種不存在的欄位），ChatGPT 與 Perplexity 照樣自信地引用頁面內容。對語言模型來說，JSON-LD 只是「標點符號比較奇怪的文字」。

在 Kuroma，我們把這套證據直接寫進了自己的產品：我們公開的 AI 就緒度評分方法論在 2026 年 7 月的規則改版中，把 Schema 標記在技術面向的權重降到 5%，把可爬取性上調到 65%，每一項權重旁邊都附上依據的研究。

那結構化資料是不是就不用做了？商品 Feed 是完全不同的故事

不是。這裡是多數文章講錯的地方：「頁面上的 JSON-LD」與「商品 Feed」是兩種不同的結構化資料，證據指向完全相反的方向。

AI 購物的入場全部走 Feed。OpenAI 的 ChatGPT 商品 Feed 規格要求商家提供一份結構化 Feed，14 個必填欄位包括品名、價格、庫存狀態、賣家名稱與目標國家，整份規格從頭到尾沒有提到 schema.org 或 JSON-LD。Perplexity 的商家計畫說得更直接：分享商品 Feed 的商家「更有機會成為被推薦的商品」。Google 這一側，官方最佳化指南點名 Merchant Center 與商家檔案「有助於商品與服務出現在 AI 回應中」，而 Google 購物圖譜已收錄超過 600 億筆商品，支撐搜尋、AI Mode 與 Gemini 的購物體驗。

Google 搜尋團隊的 John Mueller 在被問到 Schema 是否幫助語言模型時給了一個很誠實的答案：「會、不會、看情況」。他的區分方式值得每個電商團隊背起來：「購物的價格、運費、庫存，幾乎不可能從一般網頁文字裡高保真且準確地讀出來」，這是 Feed 與標記的主場；但「你的『最佳保險比較網站』不會因為加了保險的標記就排名變好」。

一個補充的差異點：Seer Interactive 的 A/B 測試發現，擴充 AggregateOffer 標記讓 OpenAI 爬蟲對測試頁的抓取次數上升 12%。注意單位：這量的是「抓取」，不是「引用」，與 Ahrefs 的結論並不矛盾。加上 Microsoft Bing 的首席產品經理公開表示 Copilot 的語言模型會利用 Schema 理解內容，合理的結論是：Schema 可能幫助 AI「讀懂」你，但沒有證據顯示它讓 AI「引用」你。

結構化資料類型 對 AI 引用的實證效果 該投資嗎
頁面 JSON-LD（Product、FAQ 等標記） Ahrefs 對照實驗：無提升，AIO 甚至 -4.6%；即時讀取測試 0/5 為了 Google 復合式搜尋結果做，別為了 AI 引用做
商品 Feed（Merchant Center、ChatGPT 商品 Feed、Perplexity 商家計畫） AI 購物的入場券：OpenAI 14 個必填欄位；Perplexity 明言提高推薦機會；Google 購物圖譜 600 億筆 電商第一優先
內容結構（前置答案、清楚定義、統計數據） Kevin Indig 分析 120 萬筆 AI 回答：44.2% 的引用來自內容前 30%；被引用段落使用清楚定義的機率約 2 倍 每一頁都做

AI 爬蟲讀不到你的 React 商品頁：伺服器端渲染為什麼變成生死線

Vercel 的爬蟲研究給了電商技術團隊最重要的一個事實：GPTBot、ClaudeBot、PerplexityBot 都不執行 JavaScript。它們會下載 JS 檔案，但從不執行；只有 Gemini 因為共用 Googlebot 的基礎設施而享有完整渲染。如果你的商品頁是純客戶端渲染的 React 或 Vue 應用，AI 引擎即時抓取時看到的可能是一個空殼。

這件事的急迫性在上升。Cloudflare 的 2025 年度回顧顯示，「使用者行為觸發」的 AI 即時抓取在 2025 年成長超過 15 倍，成長最快的流量型態恰好是永遠不渲染 JavaScript 的那一種。連 Google 自己的 JavaScript SEO 文件都寫著：伺服器端渲染或預先渲染「仍然是個好主意」，因為「不是所有機器人都能執行 JavaScript」。

台灣電商的自我檢查很簡單：用 curl 抓你的商品頁，看回傳的 HTML 裡有沒有品名、價格、規格。如果只有一個空的 div 和一堆 script 標籤，你對 AI 搜尋是隱形的。

商務查詢中，AI 到底在引用誰？

殘酷但必須面對的數據：你自己的官網通常不是主角。Xfunnel 分析 25 萬筆引用發現，第三方編輯與聯盟內容是三大引擎（ChatGPT、Perplexity、Gemini）最大的引用類別，超過品牌自有網域。Profound 的 6.8 億筆引用研究顯示各引擎的口味差異很大：ChatGPT 最愛 Wikipedia（7.8%），Perplexity 最愛 Reddit（6.6%），AI Overviews 也以 Reddit 為首。

但這不代表官網內容沒用，時機才是關鍵。Xfunnel 的內容類型研究追蹤 76.8 萬筆引用後發現：越接近購買決策，商品頁的引用占比越高，在購買漏斗底部的查詢中達到 70.46%。消費者問「哪家好」時 AI 引用第三方評測，問「這台的規格與價格」時 AI 引用你的商品頁。前提是你的商品頁读得到（回到上一節的伺服器端渲染）。

還要留意引用組合的波動性：Semrush 追蹤 13 週、超過 1 億筆引用看到 ChatGPT 的 Reddit 引用占比從約 60% 崩落到 10% 只花了六週。單次檢測的結果別當永久真理，這也是為什麼監測必須是持續的。

價格錯誤是 AI 購物的地雷：兩種平台的處理方式差很大

AI 引擎講錯商品資訊不是假設性風險。Google 的作法是強制對帳：Merchant Center 的官方政策寫明 Googlebot 會定期抓取商品到達頁，比對 Feed 裡的價格屬性與頁面上的實際價格，不一致就直接下架商品。OpenAI 這一側則誠實承認延遲：商家的價格更新「可能延遲一段時間才反映在 ChatGPT」，且顯示的第一個價格「不一定是最低價」（via PPC Land 報導 ChatGPT 購物上線時的官方說明）。

對台灣電商的實務意義：促銷檔期（雙 11、618、母親節）是價格錯誤的高風險窗口。Feed 更新頻率、到達頁價格與 Feed 的一致性，應該和庫存同步一樣列入檔期檢查清單。

台灣市場的時間表與機會窗口

把三個數字放在一起看，就知道為什麼是現在。第一，通路已就位：AI Overviews 在 2025 年 5 月支援中文，AI 模式（AI Mode）2025 年 10 月 8 日以繁體中文在台灣上線，Google 並提到早期使用者的查詢長度約是傳統搜尋的 3 倍。第二，使用者已就位：TWNIC 台灣網路報告顯示 43.19% 的台灣民眾過去三個月使用過生成式 AI，較 2024 年的 26.80% 一年成長 16.4 個百分點。第三，市場夠大：GlobalData 估計台灣電商市場 2024 年達新台幣 1.5 兆元，並預測 2029 年達 2.1 兆元。

TWNIC 台灣網路報告：台灣民眾過去三個月使用過生成式 AI 的比例，2024 年為 26.80%，2025 年為 43.19%，一年上升 16.4 個百分點，全國調查樣本數 2,142
台灣的 AI 搜尋受眾一年內接近翻倍。資料來源：TWNIC 2025 台灣網路報告（via TechNews）

同時，流量結構正在改變。Pew Research 的行為研究發現，搜尋結果出現 AI 摘要時，使用者點擊傳統結果的比例從 15% 掉到 8%，點擊摘要內來源連結的比例只有 1%；Ahrefs 估計 AI Overviews 讓第一名的點閱率下降約 34.5%。而競爭版圖也在洗牌：2025 年第四季的台灣電商流量統計顯示 Shopee 以單月 5,560 萬次造訪居冠，Coupang 台灣以年成長 214.5% 竄升。當平台巨頭彼此廝殺、搜尋點擊萎縮，「在 AI 回答裡被推薦」是中型品牌少數還開著的新流量入口。

台灣電商的 GEO 行動清單：按照證據強度排序

  1. 商品 Feed 優先於頁面標記：把 Merchant Center Feed 的欄位完整度、更新頻率、與到達頁的一致性當成第一優先；評估加入 ChatGPT 商品 Feed 與 Perplexity 商家計畫。
  2. 伺服器端渲染商品核心資訊：品名、價格、規格、庫存必須出現在原始 HTML。用 curl 驗證，不要用瀏覽器看。
  3. 確認 AI 爬蟲沒有被擋在門外：檢查 robots.txt 與 WAF 設定對 GPTBot、OAI-SearchBot、PerplexityBot、ClaudeBot 的政策。歡迎與封鎖都是合法選擇，但別在不知情的狀況下隱形。
  4. 內容結構向引用習慣靠攏：Kevin Indig 對 120 萬筆 AI 回答的分析顯示 44.2% 的引用來自內容的前 30%，被引用段落使用清楚定義的機率約為一般段落的 2 倍。答案放前面，定義寫清楚，數據給來源。
  5. 經營第三方聲量：評測、比較文、論壇討論是商務查詢引用的最大宗。公關與社群的投資在 AI 時代有了新的計價方式。
  6. 持續監測而非單次檢查：引用組合以週為單位波動，促銷檔期前後尤其需要盯緊 AI 端顯示的價格與庫存資訊。

頁面 Schema 為復合式搜尋結果服務，商品 Feed 為 AI 購物服務，內容結構與第三方聲量為 AI 引用服務。把預算對到正確的機制上，才是 2026 年台灣電商的 GEO。

FAQ

電商網站還需要做 schema.org 結構化資料嗎？

需要，但理由要正確。頁面 JSON-LD 仍然是 Google 復合式搜尋結果（星等、價格摘要）的門票，這部分照做。但根據 Ahrefs 的對照實驗，不要期待它提升 AI 引用；想進 AI 購物，力氣應該花在 Merchant Center 等商品 Feed 上。

我的商品頁是 React 做的，會影響 AI 能見度嗎？

如果是純客戶端渲染，會。GPTBot、ClaudeBot、PerplexityBot 都不執行 JavaScript，即時抓取時只能看到原始 HTML。解法是伺服器端渲染（SSR）或預先渲染，至少讓品名、價格、規格出現在第一次回應的 HTML 裡。

ChatGPT 購物在台灣能用嗎？台灣商家要怎麼加入？

ChatGPT 購物於 2025 年 4 月上線，商品推薦來自第三方結構化資料。商家端的入口是 OpenAI 公開的商品 Feed 規格（14 個必填欄位，包含 target_countries 目標國家欄位）。實際涵蓋範圍隨市場逐步開放，台灣商家現在就可以先把 Feed 資料結構準備好，並同步顧好 Google 購物圖譜（經由 Merchant Center）這條已在台灣運作的路。

AI 講錯我的商品價格怎麼辦？

先分平台處理。Google 端：檢查 Merchant Center 的價格比對狀態，Feed 與到達頁不一致會導致商品被下架。ChatGPT 端：OpenAI 承認價格更新有延遲，促銷檔期前提早更新 Feed、檔期中監測 AI 端顯示的價格。系統性的錯誤陳述則需要持續監測工具追蹤各引擎對品牌的實際回答。

中小型電商沒有資源全做，最小可行的第一步是什麼？

兩件事，都不用花大錢：第一，用 curl 抓自己的前十大商品頁，確認原始 HTML 讀得到品名與價格；第二，把 Merchant Center Feed 的必填與建議欄位補齊、更新頻率調到每日。這兩件事解決的是「AI 根本讀不讀得到你」的問題，比任何進階技巧的優先順序都高。

資料來源

  • Ahrefs（2026 年 5 月），Schema 與 AI 引用對照實驗（1,885 頁）：ahrefs.com
  • searchVIU（2025 年 12 月），五大 AI 系統即時讀取 JSON-LD 測試：searchviu.com
  • Google 搜尋中心，AI 功能官方文件與生成式 AI 最佳化指南：developers.google.com
  • OpenAI，ChatGPT 商品 Feed 規格：developers.openai.com
  • Google（2026 年 5 月），購物圖譜 600 億筆商品：blog.google
  • Vercel（2024 年 12 月），AI 爬蟲研究：vercel.com
  • Xfunnel（2025 年），AI 引擎引用的內容類型與來源研究：xfunnel.ai
  • Profound（2025 年 6 月），6.8 億筆 AI 引用平台差異研究：tryprofound.com
  • Google 台灣（2025 年 10 月），AI 模式在台上線公告：blog.google
  • TWNIC 2025 台灣網路報告（via TechNews）：technews.tw
  • Pew Research Center（2025 年 7 月），AI 摘要與點擊行為研究：pewresearch.org
  • Kuroma，AI 就緒度評分方法論（公開版）：kuroma.ai/methodology