海外实体建模：Schema与sameAs八平台实操

GEO，即生成式引擎优化，关注的是品牌信息能否被 ChatGPT、Perplexity 等生成式引擎准确检索、识别和引用。海外实体建模要解决的问题，是让官网与外部平台用一致、可验证的信息说明同一家公司、产品和人员，减少 AI 认错企业、混淆品牌或无法确认信息的情况。

执行上主要分为三部分：用 Schema 结构化数据说明“我是谁”，用 sameAs 属性声明“这些平台账号属于同一个实体”，再通过维基百科、维基数据等外部资料增加可交叉验证的信息。三部分需要相互一致，任何一处出现名称、成立时间或业务信息冲突，都可能影响实体识别。

先看实体建模的主要依据

目前公开研究和行业观察提供了以下参考：

1. Geneo 2025 年数据称，带结构化数据的页面被 AI 引用的频率，是无结构化数据页面的 8.2 倍。
2. 一项未经第三方核验的行业口径显示，同时部署 Organization 和 FAQPage 两类 Schema 的页面，相比无 Schema 页面，在 Google AI Overviews（Google AI 概览）中的引用率高 37%。
3. seoClarity 的实证研究显示，跨平台实体一致性与 AI 引用的相关系数为 r=0.664，反向链接与 AI 引用的相关系数为 r=0.218。相关系数用于表示两个变量之间的统计关联，不能据此认定实体一致性必然带来引用增长。
4. Digital Applied 对 Google 2026 年 3 月更新的解读认为，“可验证的作者或发布者实体”属于较强信号，其中包括 sameAs 指向维基百科、维基数据等资料。该说法是机构解读，不等同于 Google 公布的无条件规则。
5. 5W Research 的公开研究显示，维基百科占 ChatGPT 前十位引用来源的 47.9%；另一项统计中，维基百科与 Reddit 合计占美国地区 ChatGPT 引用的 25% 以上。
6. AmICited 的公开研究显示，使用 FAQPage Schema 的页面在 ChatGPT 中的引用提升 320%，进入 Google AI 概览的概率达到 3.2 倍。这是研究样本中的观察结果，不代表所有网站部署后都会获得同等变化。
7. 行业口径认为，中国公司的英文维基百科词条首次通过率约为 30%-50%，完整准备和申请周期通常需要 12-18 个月。该数据未经第三方核验。

一种行业观察框架将主流 AI 搜索的候选内容评估分为五个维度，其中实体一致性的估算权重约为 15%-20%。这一比例同样未经第三方核验，只适合用于判断工作优先级，不能当作平台公开的固定权重。

一、Schema 应该部署哪些类型

Schema.org 是 Google、微软等搜索厂商共同维护的结构化数据词汇表。网站通常使用 JSON-LD，也就是“用 JSON 格式表达关联数据”的标注方式，把代码放进网页中，供搜索引擎和其他机器读取。

Schema.org 提供了数百种类型，但出海企业官网常用的主要是以下六种：

Schema 类型	适用页面	关键内容	主要作用
Organization	全站统一配置，通常重点放在首页和关于页	公司全称、logo、地址、成立信息、sameAs 数组	说明公司的统一身份，减少同名企业混淆
Product	每个产品页	名称、描述、aggregateRating、review、offers	说明产品、实际评分、具体评价和报价信息
FAQPage	带 FAQ（常见问题）内容的页面	mainEntity 数组，以及 Question 和 acceptedAnswer	帮助机器识别页面中的问题和对应答案
Article	博客、新闻或其他内容页	标题、作者、datePublished、dateModified	说明作者、首次发布时间和修改时间
BreadcrumbList	全站导航	页面层级路径	帮助机器判断页面在网站中的位置
HowTo	教程或操作指南页	按顺序排列的 step 数组	说明任务的操作步骤，仅适合教程类内容

基本选型原则是：Organization 和 BreadcrumbList 作为全站配置，Product、FAQPage、Article、HowTo 根据页面实际内容添加。90 天落地计划可以把 Schema 部署安排在第二周，并以至少完成 20 个页面作为阶段验收标准。

Schema 字段怎样写才合格

第一，优先使用 JSON-LD 格式。代码通常放在网页的 <head> 区域，也就是页面源代码中集中存放标题、说明和结构化信息的位置。这是 Google 官方推荐的格式，WordPress、Webflow、Shopify 等常见建站系统都支持添加自定义代码。

第二，Organization 中要配置 sameAs 数组。数组里填写企业已经建立并持续维护的官方平台主页网址，让机器能够核对官网和各平台资料是否属于同一家公司。

第三，Product 页面应配置 aggregateRating（汇总评分）、review（具体评价）和 offers（报价信息）。这些字段只能标注页面真实展示的内容，不能填写不存在的评分、评价或价格。

FAQPage 需要使用 mainEntity 数组。数组中的每一项由 Question（问题）和 acceptedAnswer（被接受的答案）组成。问题应采用用户真实可能向 AI 提出的长尾问句，通常控制在 10-20 个词；答案控制在 50-150 个词，并尽快给出结论。

网页中访客能够看到的 FAQ 内容，必须与代码中的标注一致。页面展示一套内容、代码填写另一套内容，属于不实标注，可能受到平台处理。

部署完成后，还要通过两个免费工具检查：

• Schema.org Validator：检查代码语法和字段结构。
• Google Rich Results Test：检查 Google 是否能够识别相应标注。

只有完成检查并解决报错，才算完成这一阶段的部署。

二、Schema 在 SEO 和 GEO 中分别解决什么问题

SEO，即搜索引擎优化。Schema 在传统 SEO 中已经使用多年，主要用途是帮助页面获得富摘要，也就是搜索结果中显示星级、价格、FAQ 折叠内容等附加信息。行业公开口径认为，富摘要可能带来约 5%-30% 的点击率提升，具体结果会受关键词、排名位置和页面类型影响。

Google 在 2026 年 5 月 15 日的官方说明中表示，为生成式 AI 搜索进行优化，本质上仍然属于 SEO。Google 同时否定了所谓“AI 专用 Schema 标签”的必要性。市面上宣传的“AI 时代专用 Schema”或“AEO（回答引擎优化）Schema 包”，并不是 Google 要求增加的新类型。

企业真正需要部署的，仍然是 Organization、Product、FAQPage、Article、BreadcrumbList 和 HowTo 等通用类型。

GEO 更关注 Schema 对实体识别的帮助。sameAs 与维基数据 QID，也就是维基数据条目的唯一编号，可以帮助机器判断不同页面和平台资料是否指向同一家公司。

因此，对 Schema 的合理预期应分成三层：

1. 富摘要是最直接的应用。
2. 减少实体混淆，是 Schema 在 GEO 场景中的重要作用。
3. “部署 Schema 后就一定会被 AI 引用”没有充分依据。结构化数据不能代替内容质量、事实完整度和外部资料。

三、sameAs 怎样连接八个平台

sameAs 是 Organization Schema 中的一个属性，用来列出企业在其他平台上的官方主页网址。

机器读取这些网址后，可以继续核对各平台资料。如果官网、LinkedIn、Crunchbase、GitHub 等页面使用相同的公司全称，并且成立时间、业务类别、地址等信息能够相互对应，机器就更容易判断这些资料属于同一个实体。

连接平台以前，先要统一公司名称。海外平台应采用同一个英文注册全称，包括大小写、空格以及 Inc. 等公司制后缀。执行时可以把“全平台名称逐字符一致”设为第一项检查标准。

行业常用做法是从以下十个平台中选择至少八个：维基百科、维基数据、LinkedIn、Crunchbase、X、YouTube、GitHub、G2、Trustpilot 和 Facebook。

平台	在实体识别中的作用	中国团队面临的门槛	起步周期
维基百科	提供公开词条和第三方资料，权威性较高	极高	6-18 个月
维基数据	提供结构化条目和 QID	低于维基百科，可按社区规则填报	较短
LinkedIn	提供公司及高管档案	中等；2023 年 8 月退出中国大陆，公司主页需要海外主体，个人账号需要海外手机号	2-4 周
Crunchbase	提供公司、融资和团队资料	较低，以自助填报为主	—
YouTube	提供视频内容及官方账号信息	中等；Otterly 2026 年口径称，长视频在 AI 引用的视频内容中占 94%	4-8 周
GitHub	提供技术型公司的代码和组织档案	较低	较短
G2 / Trustpilot	提供第三方评价	中等；不要使用 .cn 邮箱注册管理员，否则可能触发人工审核	2-6 周
X / Facebook	用于确认官方社交账号	中等	—

执行顺序可以按照门槛安排：第一周先完成维基数据、Crunchbase、GitHub 等可填报平台；随后处理 LinkedIn、YouTube、G2 等需要持续运营的平台；维基百科放在后期准备。

sameAs 数组可以随着平台档案的完成逐步更新，不必等到八个平台全部建好以后再上线。数量达到八个只是行业执行标准，资料真实、名称统一和信息一致比单纯增加链接数量更重要。

四、维基百科和维基数据为什么重要

5W Research 的公开研究显示，维基百科占 ChatGPT 前十位引用来源的 47.9%。另一项美国地区统计中，维基百科与 Reddit 合计占 ChatGPT 引用的 25% 以上。

维基百科和维基数据中的内容还可能被纳入大模型训练资料。因此，合规、稳定的词条信息不仅可能影响实时检索，也可能在约 18 个月后的模型版本中影响 AI 对企业的默认认知。这里描述的是可能性，不是固定的模型更新时间。

对中国公司来说，英文维基百科通常是实体建模中周期最长的部分。常见拒稿原因主要有三类：

• 引用来源全部来自企业新闻稿或自有渠道。
• 词条使用明显的宣传语言。
• 缺少来自非西方独立媒体的多篇报道。

可行的准备方式，是先用约 12 个月积累 3-5 篇独立媒体报道。这些报道应由记者主动采写，而不是企业购买的付费稿。资料达到要求后，再通过 AfC，也就是 Articles for Creation（条目创建）草稿审核通道提交。审核通常需要 4-12 周，首次通过率约为 30%-50%。周期和通过率均为未经第三方核验的行业口径。

还要注意两项规则。

第一，不要由企业自行注册账号编写自家词条。维基百科的 WP:PAID，也就是有偿编辑披露规则，要求相关人员公开利益关系。违反规则可能导致词条被标注或删除。

第二，可以先按社区规则建立维基数据条目。维基数据允许结构化填写公司名称、成立年份、官网和类别。条目建立后会获得唯一的 QID，把对应网址加入 sameAs，可以先用于实体区分，不必等待维基百科词条通过。

五、怎样验证 AI 是否准确识别企业

完成部署后，不要只看代码是否上线，还要直接检查 AI 的回答。行业常用方法是每月运行一次“实体存在度矩阵”：在 ChatGPT、Perplexity、Gemini、Claude 四个引擎中，分别提出以下五个问题。

英文问题	检查内容
Tell me what you know about [公司英文全称]	AI 能否识别企业，并准确概括基本情况
Who is the founder or CEO?	能否说出创始人或首席执行官（CEO）
When was it founded?	能否说出成立时间
Is it a reliable supplier?	能否找到并引用与供应商可靠性相关的资料
What products does it make?	能否准确说明产品和业务类别

基本验收标准是：AI 能准确说出企业的成立年份、产品类别和规模，并且没有与同名公司混淆。如果回答错误、缺失或把两家公司合并在一起，应依次检查官网事实页、Schema 和各平台档案，确认名称、成立时间、地址、产品信息是否存在冲突。

每次测试都要保存四个引擎的完整回答，按月比较。Profound 的监测数据显示，同一问题的 AI 答案在 70% 的时间里会发生变化。因此，单次回答不能代表长期结果，应观察多次测试中的变化趋势。

上线前的十项检查

1. 公司英文全称在所有海外平台逐字符一致。
2. Organization Schema 已完成部署，sameAs 中包含至少八个平台。
3. 产品页已经配置真实的 aggregateRating、review 和 offers 字段。
4. FAQ 页面可见内容与 FAQPage 标注完全一致。
5. Article 页面已经正确填写 dateModified，也就是最近修改时间。
6. 官网已经建立公司事实页，集中说明成立年份、地址、产品类别和规模。
7. 维基数据条目已经建立，并记录对应 QID。
8. 正在积累独立媒体报道，达到 3-5 篇后再申请英文维基百科词条。
9. Schema.org Validator 和 Google Rich Results Test 已经通过，且没有未处理的报错。
10. 实体存在度矩阵已经加入每月检查日程。

FAQ：Schema 和 sameAs 的常见问题

1. 没有技术人员，可以自己部署 Schema 吗？

可以。JSON-LD 是一段放入网页 <head> 区域的代码，Organization、Product、FAQPage、HowTo 等常用类型都有公开范例可供对照。WordPress、Webflow、Shopify 等建站系统也支持添加自定义代码。

修改完成后，使用 Schema.org Validator 和 Google Rich Results Test 检查。行业执行经验认为，单个网站通常可以在一周内完成基础部署，但实际周期仍取决于页面数量和建站系统权限。

2. sameAs 是不是连接得越多越好？

不是。至少连接八个权威平台是行业常用标准，但一致性比数量更重要。

seoClarity 的数据支持的是跨平台实体一致性与 AI 引用存在较强相关性，相关系数为 r=0.664。它并不说明链接数量本身会带来引用。连接 20 个资料不完整、长期不更新或信息互相矛盾的账号，反而会增加实体识别冲突。先把八个平台的资料维护准确，再考虑增加其他平台。

3. 暂时无法建立英文维基百科词条怎么办？

分两步处理。

短期先按社区规则建立维基数据条目，获取 QID，并把条目网址加入 sameAs。长期用 12-18 个月积累 3-5 篇独立媒体报道，再通过 AfC 草稿审核通道申请英文维基百科词条。

首次通过率约为 30%-50%，属于未经第三方核验的行业口径。企业不要自行编写自家词条，否则可能因违反 WP:PAID 披露规则而被标注或删除。

4. Schema 部署后多久能看到变化？

需要分开判断。

在富摘要方面，Google 重新抓取页面并识别标注后，就可能开始展示，通常以周为观察单位。

在实体认知方面，所需时间通常更长。行业公开案例中，GEO 整体最快约 6 周出现变化，90 天出现较明显变化较为常见，3-6 个月可以作为合理观察周期。这些都是行业案例中的时间范围，不是固定承诺。

建议在部署当月就运行实体存在度矩阵并保存初始结果，之后逐月比较。

5. llms.txt 这类“AI 专用文件”需要一起做吗？

不应列为重点。llms.txt 是网站主动提供给大模型或 AI 爬虫的文本说明文件。Google 在 2026 年 5 月的官方说明中表示，不需要专门为 AI 增加这类文本文件。

SE Ranking 对 30 万个域名的审计还显示，主流 AI 爬虫对 llms.txt 的抓取次数为零。企业可以把它视为低成本的兼容性尝试，但不应为此支付较高的单独配置费用。

6. 公司同时有中文名和英文名，会不会破坏一致性？

不会，但要分开管理。

海外实体体系统一使用英文注册全称，各英文平台保持逐字符一致。中文名称用于国内平台和中文实体资料。

真正会增加识别难度的，是同一语种内同时存在多个写法，例如英文名称有时带 Inc.、有时不带，或者大小写和空格长期混用。

7. AI 已经说错公司信息，应该怎样纠正？

先运行实体存在度矩阵，确认错误出现在哪些引擎、涉及哪些信息。然后检查官网事实页、Schema 标注和八个平台档案，找出过时、缺失或互相冲突的内容，逐项修改，并更新 Article 中的 dateModified。

AI 回答会随着检索资料更新而逐步变化。由于同一问题的答案本身可能波动，纠正结果应通过每月复测判断，不能只看一次回答。

完成以上工作，海外实体建模就具备了可检查、可复测的执行体系。下一篇将讨论国内做法：把主要外部参照调整为百度百科、搜狗百科，并统一公众号、百家号和抖音号等平台的品牌名称与企业资料。国内外的目标相同，使用的平台和具体执行方式不同。