Schema.org и нейросети: разметка, которую вы ставите «для SEO», но она уже работает совсем иначе 🗂️

Когда я впервые разбирался с микроразметкой, воспринимал её как инструмент для сниппетов. Поставил FAQPage — получил раскрывающийся блок в Google. Поставил Product — появилась цена и рейтинг. Разметка ради визуальных плюшек в поиске.

Сейчас эта логика устарела. Не потому что разметка стала ненужной. А потому что у неё появился новый читатель — и это уже не поисковый робот в привычном смысле.

Как нейросеть «видит» структурированные данные

Генеративные модели не воспринимают страницу так, как её видит человек. Им не важна вёрстка и шрифты. Они вытаскивают из документа сущности: кто автор, о чём текст, какие факты упомянуты, к какой категории относится контент.

Schema.org — это буквально словарь сущностей. Когда вы оборачиваете блок в разметку Article и прописываете author с именем и url, вы говорите модели: вот человек, вот его роль, вот текст, за который он отвечает. Машина получает не просто слова, а контекст и связи между объектами.

То же самое с Organization, LocalBusiness, FAQPage. Каждая схема снижает неопределённость при извлечении данных. Нейросеть не угадывает, где тут ответ и кто его дал — ей объяснили напрямую.

Что реально работает, а что висит мёртвым грузом

По моему опыту, три типа разметки дают ощутимый эффект именно для генеративного поиска.

Первый — FAQPage. Но не в том виде, в каком его лепят на большинстве сайтов. Стандартная ошибка: вопросы сформулированы как рекламные тезисы, ответы — одно-два предложения ни о чём. Нейросеть ищет конкретику. Если в answer нет фактуры — цифр, сравнений, условий — она пропустит блок и возьмёт ответ у того, кто написал подробнее.

Второй — Article с заполненным author. Именно связка Article + Person + sameAs к профилям на внешних платформах позволяет модели верифицировать источник. Без этого текст анонимен, даже если он отличный по содержанию.

Третий — HowTo для инструкций. Когда пользователь спрашивает «как сделать X», модель охотно цитирует источники с чётко размеченными шагами. Она буквально берёт step за step и переупаковывает в ответ. Если у вас есть инструкции без HowTo — вы теряете самый конвертируемый тип контента для GEO.

Open Graph здесь тоже при делах 🔗

Open Graph создавался для социальных сетей — чтобы при расшаривании ссылки красиво отображался превью. Но у него есть другая функция, о которой говорят реже.

Когда языковая модель получает страницу, og:title и og:description — первые метаданные, которые она видит. Они работают как аннотация: о чём страница, зачем сюда идти. Если og:description написан как рекламный слоган — «лучшие решения для вашего бизнеса» — модель получает нулевую информацию. Если там сформулирована суть, она попадает в контекст ещё до того, как модель дочитала основной текст.

Мой подход: og:description я пишу как ответ на вопрос, который страница закрывает. Не «узнайте больше», а конкретную суть в одном предложении. Работает и для людей, и для машин одновременно.

С чего начать прямо сейчас

Разметка сама по себе не поднимет вас в ответах нейросетей, если контент слабый. Это не переключатель. Но она снижает потери: хороший материал без структурированных данных часто остаётся невидимым — не потому что плох, а потому что модель не смогла его правильно распознать.

Проверьте три вещи. Есть ли у ваших статей заполненный author с реальным именем и ссылкой. Написаны ли FAQ-ответы с конкретикой или это маркетинговая вода. Что стоит в og:description — аннотация или слоган.

Если хотя бы один пункт — «нет» или «не знаю», начните с него. Разметка не требует полного редизайна. Иногда достаточно добавить один JSON-LD блок, и страница начинает восприниматься совсем иначе.