一句话结论：Google 在 2026 年 7 月 24 日的 review snippet 文档里把"未披露的激励评价"写成了禁止项，踩线的后果不是排名下滑，而是结构化数据被单独作废、星级整块消失——而大部分站点的暴露点是"折扣码换评价"这种无意识操作。
背景：评分富媒体是最赚的一块，也是最脆的一块
Review 与 AggregateRating 是搜索结果里少数几个直接作用于点击率的元素：星级不改变排位，但同一排位下变成点击的比例会差一大截。也正因为如此，Google 对它的处置方式和其他垃圾内容不一样——不降权，直接让你这块标记失效，页面照旧在索引里。
2026 年 7 月 24 日更新后的原文表述是："Don't include fake or undisclosed incentivized reviews on your page or in your structured data markup." 注意中间那个词：激励评价本身没被禁，被禁的是拿了好处（钱、折扣、代金券、免费产品）却*没有清晰显著披露*的评价。
适用范围比多数人以为的宽。Review snippet 可以出现在 Book、Course list、Event、Local business、Movie、Product、Recipe、Software App 上，涉及的类型还包括 Game、MediaObject、MusicRecording、Organization。也就是说，一个 SaaS 在 Organization 标记里挂 AggregateRating，同样在规则覆盖范围内；本地商家在 LocalBusiness 上挂评分，也一样。
执法路径：据 PPC Land 2026 年 7 月 24 日的报道，后果是 Search Console 里的人工处置通知，标记被忽略、页面仍在索引（这一具体后果我们标注为该来源的描述，Google 自己的 manual actions 文档只写了通用后果：站点部分或全部内容不展示）。
落地清单：先判风险，再改标记
1）五类隐蔽激励，逐条对照
这五条基本覆盖了中小站点的全部暴露面，绝大多数是"不小心"而不是"故意买评"：
购后折扣邮件："留个评价，下次下单打九折。"——代金券换评价，产出的评价在展示处必须披露。
免费样品：给创作者、测评组、试用团寄样，写出来的内容被当作评价或客户见证上墙。
联盟榜单：你拿佣金的"best of"页面给产品打分，佣金是与结果挂钩的好处；这类页面同时也贴着 thin affiliate 人工处置的边。
员工与关联人评价：员工、外包、创始人家属评价产品而不说明身份。
抽奖换评价："评价即可参与抽奖"——中奖机会也是好处。
2）披露只能放两处，且必须同时满足
"清晰显著"落到执行上只有三条硬要求，第一条最容易做错：
写在评价旁边，不是写进政策页。条款里一句"部分用户会获得免费产品"，相对于读者正在看的那一条评价，不构成显著。
页面上看得见，不能只写在 JSON-LD 里。规则同时点名 "your page" 和 "your structured data markup"；隐藏内容本身也是结构化数据人工处置的触发项。
写具体。"Sponsored" 太模糊，"该用户免费获得产品""该评价以九折优惠码为交换"才叫说明了是什么。
可直接粘贴的披露文案，放在评价人名称下方或正文上方：
激励披露：该用户以九折优惠码为交换提交本条评价，评价文字未经我方修改或审核。
（第二句不是 Google 要求，但能回答读者下一个疑问——披露做得好是加分，做得敷衍是伤害。）
3）JSON-LD 改法：补字段，不要删标记
最容易犯的错是一刀切：把全站 Review 和 AggregateRating 删干净，问题没了，资产也没了。真实评价只要必填项齐全，资格照旧。必填项按 Google review snippet 文档（2026-07-24 版）：author、itemReviewed、reviewRating（内嵌 ratingValue）、name；聚合评分侧 ratingValue 必填，reviewCount 或 ratingCount 至少给一个。
整改前（我们审计脚本判定 FIX 的形态）：
{
"@context": "https://schema.org",
"@type": "Product",
"name": "Sample Air Fryer X2",
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.8",
"reviewCount": "250"
},
"review": [
{
"@type": "Review",
"reviewRating": { "@type": "Rating", "ratingValue": "5" },
"author": { "@type": "Person", "name": "A客户" }
}
]
}问题：Review 缺 itemReviewed、缺 datePublished，聚合评分没给 bestRating/worstRating，页面正文也没有任何激励披露。
整改后：
{
"@context": "https://schema.org",
"@type": "Product",
"name": "Sample Air Fryer X2",
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.8",
"reviewCount": "250",
"bestRating": "5",
"worstRating": "1"
},
"review": [
{
"@type": "Review",
"itemReviewed": { "@type": "Product", "name": "Sample Air Fryer X2" },
"reviewRating": { "@type": "Rating", "ratingValue": "5", "bestRating": "5" },
"author": { "@type": "Person", "name": "A客户" },
"datePublished": "2026-10-12",
"reviewBody": "用了一周，炸薯条很脆。"
}
]
}4）注入位置：SSR 输出，别在客户端拼
JSON-LD 必须在服务端渲染时就进 HTML。Next/Nuxt 里用客户端 useEffect 注入，常见结果是：Googlebot 首次抓取拿到空 body，标记时有时无；同时和 GSC 里"检测到但未展示"的沉默失败互相掩盖。EyouCMS、Dedecms 这类模板站点，直接把 <script type="application/ld+json"> 放在详情页模板的 {/eyou:arclist} 循环外、</head> 前，字段从数据库字段取，不要写死。
5）自查：一个能跑的审计脚本
人工翻页查不现实，下面的脚本抓页面 JSON-LD、遍历 @graph 与嵌套结构，比对必填项，同时检查页面可见文本里有没有披露语句：
import sys, json, re, urllib.request
REQ_REVIEW = ['itemReviewed', 'reviewRating', 'author']
DISCLOSURE = ['incentive disclosure', 'in exchange for', 'received the product free', '激励', '优惠码']
def blocks(html):
for m in re.finditer(r'<script[^>]+application/ld\+json[^>]*>(.*?)</script>', html, re.S | re.I):
try:
yield json.loads(m.group(1).strip())
except Exception:
yield {'__parse_error': True}
def walk(node, want):
if isinstance(node, dict):
t = node.get('@type')
ts = t if isinstance(t, list) else [t]
if any(x in want for x in ts if x):
yield node
for v in node.values():
yield from walk(v, want)
elif isinstance(node, list):
for v in node:
yield from walk(v, want)
def visible(html):
t = re.sub(r'<script.*?</script>|<style.*?</style>', ' ', html, flags=re.S | re.I)
return re.sub(r'\s+', ' ', re.sub(r'<[^>]+>', ' ', t)).lower()
html = urllib.request.urlopen(sys.argv[1], timeout=20).read().decode('utf-8', 'ignore') \
if sys.argv[1].startswith('http') else open(sys.argv[1], encoding='utf-8').read()
reviews, aggs = [], []
for b in blocks(html):
reviews += list(walk(b, {'Review'}))
aggs += list(walk(b, {'AggregateRating'}))
for r in reviews:
miss = [k for k in REQ_REVIEW if not r.get(k)]
print('Review', r.get('author'), 'missing:', miss or 'none')
for a in aggs:
print('Agg', a.get('ratingValue'), a.get('reviewCount') or a.get('ratingCount'),
'missing:', [k for k in ['ratingValue'] if not a.get(k)] or 'none')
print('visible disclosure:', any(d in visible(html) for d in DISCLOSURE))对同一页面的整改前、整改后两个版本实跑，输出如下（脚本完整版见同目录，判定逻辑为必填项缺失即 FIX）：
| 版本 | Review 缺失字段 | AggregateRating | 可见披露 | 结论 |
|---|---|---|---|---|
| 整改前 | itemReviewed | 完整 | 无 | FIX |
| 整改后 | 无 | 完整（含 best/worstRating） | 有 | PASS |
6）验证工具
Google Rich Results Test：看 Review snippet 是否被识别，报错会直接点名缺哪个属性。
Schema.org Validator：查语法与类型合法性（注意它只管语法，不管 Google 的展示政策）。
GSC「评价片段」报告 +「人工处置」报告：前者看有效/无效项数量，后者看有没有已经下发的处置。有处置时按页面模式逐条修、修完再提交复审申请，别先提交再修——复审时钟会重置。
结果：这套改动能测到什么
诚实说：这一轮公开可查的量化数据几乎没有。新规 2026 年 7 月 24 日生效，到本文复盘时间（2026-11-08）不足四个月，Google 没有发布任何关于处置数量或恢复周期的统计，也没有第三方复现研究。
能给出的只有定性观察，且标明口径：
有折扣码换评价历史的品类（小家电、美妆、SaaS 免费试用），在 GSC 评价片段报告里的"无效项"数量在补齐字段后归零；
页面可见披露补上之后，客服侧"这条好评是不是刷的"类质疑明显减少（内部工单口径，非外部数据）；
星级恢复没有公开的时长基准。Google 文档写复审"需要数天到数周"，这指的是人工处置复审，不等于标记恢复展示的时间。
不要拿"我们补了披露，星级一周内回来了"当因果结论——同期可能有算法重算、站点权重变化在起作用，没有对照组就不是效果数据。
复盘：三条动作 + 两条红线
可以直接抄的三条：
全站导出评价类 JSON-LD，先跑一遍上面的脚本，把
itemReviewed、datePublished、reviewRating.ratingValue缺失的页面列成清单，按页面模板批量补，不要逐页改。凡是评价来源带任何好处（折扣、样品、佣金、抽奖），在评价人名称下方加一句具体披露，同一条文案同时出现在可见正文和
reviewBody里。JSON-LD 走 SSR 输出，模板层面注入，禁止客户端拼接。
两条红线：
别整体删标记。删掉 Review 和 AggregateRating 等于把展示资格一起扔掉，真实评价只要字段齐全本来就合规。
别把披露只写进 JSON-LD。规则同时管页面和标记，只藏在结构化数据里的披露视为隐藏内容，属于另一条独立的处置触发项。
标注：Schema.org 版本 v30.1（2026-09-16 发布，2026-11-08 查询，来源 schema.org/docs/releases.html）；Google review snippet 文档版本 2026-07-24 UTC（本次直连抓取超时，原文表述经 builtplain.com 2026 年 7 月同期分析与 PPC Land 2026-07-24 报道交叉核对，标注为二手转述）。美国的独立法定义务见 FTC《消费者评价与推荐使用规则》16 CFR Part 465（2024-08-22 发布于 89 FR 68077），条款编号为公开信息，具体罚则未在本文引用。验证工具：Google Rich Results Test、Schema.org Validator、Search Console。复盘时间 2026-11-08。本文脚本在本地对整改前后两版样例实跑，未对真实站点批量执行。
标签：Schema.org、结构化数据、JSON-LD、AI可见度、GEO、Review、AggregateRating