Schema-разметка, которую никто не делает, — а она кормит AI-поисковики вашим контентом
Schema-разметка для AI-поисковиков: какие типы игнорируют все — и почему это стоит вам трафика
Большинство сайтов ставят schema ради красивых сниппетов в Google. Но в 2025–2026 годах у структурированных данных появилась вторая функция — и она важнее первой. ChatGPT, Perplexity и Яндекс Алиса используют schema как «машинный язык» для цитирования контента. Проблема: schema для сниппетов и schema для AI — это разные задачи. И почти никто не делает вторую.
Google режет сниппеты, но schema стала важнее. Как так?
В августе 2023 года Google ограничил FAQ rich results — оставил их только для авторитетных правительственных и медицинских ресурсов. Тогда же полностью убрал HowTo rich results из выдачи. В июне 2025 депрекировал ещё 7 типов structured data: Book Actions, Course Info, Claim Review, Estimated Salary, Learning Video, Special Announcement и Vehicle Listing.
SEO-сообщество восприняло это как «schema умирает». Логика понятная: если Google убирает визуальные результаты, зачем размечать контент?
Но произошло обратное. За те же месяцы AI Overviews Google удвоили охват — с 6,5% запросов в январе 2025 до 13,1% в марте. AI-реферальный трафик вырос на 527% с января по май 2025 года. А аудитория нейропоиска Яндекса на базе обновлённой Алисы (YandexGPT 5 Pro) достигла 10,5 млн пользователей в сутки.
Вот что происходит: Google сокращает визуальное отображение schema в классической выдаче, но одновременно его AI-система (и AI-системы конкурентов) всё сильнее опираются на структурированные данные при генерации ответов. В марте 2025 года Fabrice Canel из Microsoft Bing публично подтвердил: schema помогает LLM понимать контент для Copilot. В апреле 2025 команда Google подтвердила преимущество structured data для AI Overviews.
Schema больше не про красивые сниппеты. Schema — про то, процитирует вас AI или проигнорирует.
Для владельцев сайтов и контент-маркетологов это означает простую вещь: старая schema-стратегия (поставить Article, Breadcrumb и забыть) больше не работает. Нужна другая — и она строится на принципиально иных типах разметки.
Как AI-поисковики читают вашу разметку: цепочка от краулера до цитаты
Чтобы понять, какая schema нужна для AI, разберём, как работает цепочка изнутри.
Классический поиск Google работает по схеме: краулер → индекс → ранжирование → ссылка в выдаче. Schema здесь — декоративный слой: она делает ссылку красивее (звёздочки, FAQ-аккордеон), но не влияет на само ранжирование.
AI-поиск работает иначе. Упрощённая цепочка: краулер → извлечение structured data → построение knowledge graph → entity disambiguation (алгоритм определяет, КТО автор и НАСКОЛЬКО он авторитетен) → RAG-пайплайн (Retrieval-Augmented Generation) подтягивает релевантные фрагменты → LLM генерирует ответ с цитатой.
Ключевое отличие: в классическом поиске schema — обёртка. В AI-поиске schema — сигнал доверия. LLM не может «прочитать» ваш сайт так, как это делает человек. Она опирается на машиночитаемые метки: кто автор, какая организация стоит за контентом, есть ли связь с верифицированными источниками (Wikidata, LinkedIn, профессиональные реестры).
80% цитат LLM-систем — это страницы, которые не входят в топ-100 Google по соответствующему запросу. Это данные из отчёта Digital Bloom за 2025 год. AI-поиск и традиционный поиск — разные игры с разными правилами. И schema — один из немногих рычагов, который напрямую влияет на AI-цитирование.
JSON-LD — единственный формат, который стоит использовать
Быстро закроем технический вопрос. Существует три формата structured data: JSON-LD, Microdata и RDFa. В 2025 году выбор очевиден: JSON-LD.
Google и Bing рекомендуют его как основной формат. Причина техническая: JSON-LD — это отдельный блок в или документа, который не смешивается с HTML-разметкой. Краулеры (и AI-краулеры) парсят его отдельно от DOM-дерева, что снижает вероятность ошибок.
Практический совет: размещайте JSON-LD в . Технически допустимо и в , но гарантирует, что краулер увидит разметку до загрузки тяжёлого контента. Для сайтов на CMS (WordPress, Tilda, Bitrix) это решается плагинами — к ним вернёмся в конце статьи.
Тощая schema хуже, чем никакая: контринтуитивный факт, который меняет подход
Прежде чем перейти к конкретным типам, нужно разобрать факт, который переворачивает привычную логику.
Исследование whitehat-seo.co.uk показало: страницы с генерической schema (только обязательные поля, без дополнительных атрибутов) получают штраф -18 процентных пунктов к вероятности AI-цитирования по сравнению с полным отсутствием разметки.
Перечитайте: плохая schema хуже, чем никакая.
Почему? Гипотеза, которую мы разделяем: когда AI-система видит structured data, она переключается в режим «машинного чтения» — опирается на разметку, а не на текст. Если разметка тощая (Article только с headline и datePublished, без author, publisher, speakable), AI получает неполный сигнал. Это хуже, чем если бы система просто проанализировала текст целиком.
Подписывайся на Телеграм Вайблаб, чтобы наблюдать за тем, как мы строим AI-first компанию.
Напишите нам напрямую