С ростом AI-поиска структурированные данные приобретают новое значение. Schema.org используют и роботы, и языковые модели.
Article + Person
Базовый минимум. Автор: имя, должность, URL, sameAs. Повышает E-E-A-T и доверие нейросетей.
FAQPage
Один из самых полезных для AI. Формат «вопрос-ответ» легко парсится. Google AI Overviews и Яндекс Нейро берут из FAQ. Вопросы - как пользователь голосом.
HowTo
Пошаговые инструкции: шаг, текст, изображение. AI выдаёт пошаговый ответ со ссылкой на источник.
SpeakableSpecification
Блоки для озвучивания голосовыми ассистентами. Ограниченная поддержка, но перспективно.
LocalBusiness
Для локального AI-поиска: «найди специалиста в Москве». Address, telephone, openingHours, priceRange + AggregateRating + Review.
Практика
Валидируйте через Google Rich Results Test и Яндекс Валидатор. Не размечайте несуществующее.
Schema для AI - GEO/AI SEO.
На практике рекомендую комбинировать разметку: например, HowTo с элементами FAQPage для ответов на частые вопросы внутри инструкции. Проверяю разметку через Google Rich Results Test и валидатор Schema.org - часто нахожу ошибки вложенности или пропущенные обязательные поля. Для динамического контента (например, обновляемых FAQ) использую JSON-LD с серверным рендерингом - так AI-системы видят актуальные данные даже при lazy-load. Важный нюанс: нейросети хуже работают с микроразметкой, где текст разбит на несвязные фрагменты. Стараюсь помечать цельные смысловые блоки (например, весь рецепт как HowTo, а не каждый шаг по отдельности).
Для голосовых ассистентов дополнительно добавляю SpeakableSpecification в ключевые разделы - особенно в статьи с чёткой структурой «вопрос-ответ». Заметил, что AI чаще цитирует контент с явной разметкой author (Person) и датой последнего обновления. Из инструментов советую генераторы кода вроде Merkle Schema Markup Generator и плагины типа Rank Math для WordPress - они автоматизируют процесс. Но всегда проверяю вывод вручную: автоматика иногда создаёт избыточные или конфликтующие схемы.