跳到主要內容

免費 SEO 工具

Schema JSON-LD 產生器

選擇結構化資料類型、填寫欄位,即時產生可複製的 JSON-LD 程式碼,放到網站 <head><body> 中。

FAQ Schema

json-ld-output.json
驗證
 

這工具解決什麼

它幫你把結構化資料寫成合法的 JSON-LD,不用手刻語法。你只要選類型、填欄位,右側就即時產出可直接貼上網站的程式碼,並協助維持括號、引號與欄位格式完整。若要做進階的 SERP 呈現測試,可搭配我們的 SERP 搜尋結果模擬器

結果怎麼判讀

產出的 JSON-LD 放 <head><body> 都能被 Google 讀取。一個頁面可以放多個 schema,例如同時放 Article 和 FAQ。Schema 的主要作用是讓搜尋結果有機會顯示 Rich Results,進而影響點擊;它不是直接調整排名的工具。想確認現有頁面標題與描述怎麼被抓,可用 Meta 標籤擷取工具

常見錯誤

最常見的錯誤有三種:一是 schema 內容和頁面實際內容不符(例如標記了頁面上根本沒有的評分),這會被 Google 視為 spam;二是把 Organization、Person、WebSite 當成互不相關的孤立 blob,實體訊號因此散掉;三是偽造 aggregateRating 假評分。填資料時,讓 schema 忠實對應頁面上看得到的內容就對了。

為什麼要用 @graph 與穩定的 @id

穩定的 @id 能讓 Google 把跨頁面的 Organization、Person、WebSite 認成同一個實體(entity),而不是散落各頁的孤立標記。當你在首頁、關於頁、部落格文章都用同一組 @id(例如 https://example.com/#organization)標記同一個組織,搜尋引擎就會把這些標記合併理解成單一主體,實體的權威訊號因此集中,而不是被切成好幾份。

@graph 模式把這件事一次做好:它把 Organization、Person、WebSite 三個節點包進同一個陣列,再用 @id 互相參照,例如 Person 用 worksFor 指向組織、WebSite 用 publisher 指向組織、組織用 founder 指回人。Google 拿到的就不是三塊各自為政的標記,而是一張說清楚彼此關係的實體圖。這正是本站首頁自己的做法。

實體信任是 E-E-A-T 的地基,想深入了解可讀我們的 E-E-A-T 與實體信任指南;我們也把自站的實驗結果整理在 自站實驗證據,你可以看到我們如何在自己的網站上驗證這些做法。

常見問題

JSON-LD 要放在 HTML 的哪裡?

JSON-LD 結構化資料建議放在 HTML 的 <head> 區塊中的 <script type="application/ld+json"> 標籤內。也可以放在 <body> 中,Google 同樣能讀取,但放在 <head> 是最佳實踐。

一個頁面可以放多個 Schema 嗎?

可以。一個頁面可以包含多個 JSON-LD 區塊,例如同時有 Article Schema 和 FAQ Schema。Google 會解析頁面上所有的結構化資料。

Schema 會直接影響排名嗎?

Schema 結構化資料本身不是排名因素,但它能讓搜尋結果顯示 Rich Results(豐富摘要),提高點擊率(CTR),間接影響 SEO 表現。Google 官方建議所有網站都應該實作結構化資料。

@graph 和分開放多個 Schema 有什麼差別?

差別在於實體之間有沒有明確關聯。分開放多個 Schema 時,Organization、Person、WebSite 各自獨立,Google 要自己猜它們是不是同一組主體。@graph 則把這些節點包在同一個陣列裡,用穩定的 @id 互相參照(例如 Person 的 worksFor 指向 Organization 的 @id),Google 就能明確認出它們屬於同一個實體圖,實體訊號更集中。

為什麼要用穩定的 @id?

穩定的 @id 是實體的身分證。當你在首頁、關於頁、文章頁都用同一組 @id(例如 https://example.com/#organization)標記同一個組織,Google 會把跨頁面的標記合併理解成同一個實體,而不是每頁各算一個。@id 建議用網域加錨點(#organization、#person、#website)這種固定寫法,換頁也不會變。
案例與價格範圍

想看案例、合作方式與價格範圍?

留下 Email,我會寄出案例(含 Ahrefs 資料)、合作方式與價格範圍;看完再決定是否回覆。

我會寄出這次索取的資料;由 AK 親自回覆,可隨時退訂。

十年 SEO 實戰 · Threads 公開研究 · 隱私權政策