JSON-LD 与引用：36.0% 对 10.5%，以及我为什么不把它说成因果

那个对比

• 带 JSON-LD：59/164 次运行被引用，36.0%。
• 不带：11/105，10.5%。
• 48 个页面里有 19 个完全没有结构化数据。

为什么这两个条件不是同一个实验

我们把同样五条查询跑在两个条件下。A 条件里，模型只看到每个来源的标题和摘要。B 条件里，它还看到了页面正文。JSON-LD 的差距几乎完全是一个 B 条件现象 —— 当模型只读标题时，页面有没有标记对它是不存在的，所以两组看起来一样。

这是整份数据里最有用的一件事，而它跟 JSON-LD 无关。它说的是：页面级特征只有在页面真的被读到时才开始起作用。也就是说，第一个问题从来不是「我的页面上有什么」，而是「我的页面被读到了吗」。

这个品类里的每个工具都会把这个对比当成标题印出来，然后到此为止。接下来三段，就是我们不这么做的理由。

老实说，这个相关有多强

我们拿 15 个页面级特征去对「是否被引用」。模型能读到正文之后，其中 9 个往正方向动了。最强的是 JSON-LD，秩相关 0.391。在 48 个来源的样本量下，「与噪音分不开」的双尾阈值是 0.285 —— 所以恰好只有一个特征过线，而且过线幅度不大。

检索爬虫放行不在那张表里 —— 它来自 robots 记录而不是页面本身，所以我们单独算：43 个来源上 0.162，阈值 0.301。它没过线。这比单看引用率对比要低，因为「放行」和「被引用」都受「这个站本来就多有名」影响。这就是混杂，也正是我们把秩相关和引用率并排印出来、而不是只印引用率的原因。

什么会让我改变说法

一个对照实验。找一批其他条件可比的页面，给其中一半加上 JSON-LD，再跑同样那些查询。如果差距还在，那就是因果。这个品类里没有人公开过这个实验 —— 包括我们。在有人做之前，「JSON-LD 提高引用」是一个有合理机制、背后有一次相关性观察的假设。

那你该怎么办

还是加上 —— 它便宜、无害，而且机制是真的：结构化数据是机器最容易逐字摘走的东西。但不要因为有人甩给你一个百分比就去买一个仪表盘。那个百分比描述的是我们看到了什么，不是承诺你会得到什么。