Schema markup untuk AI search: petakan setiap halaman ke tipe yang sesuai

7 pemeriksaan sebelum menambahkan schema

5 permukaan halaman memerlukan pemeriksaan halaman per halaman sebelum markup ditayangkan. Tujuannya adalah deskripsi yang cocok dengan apa yang dapat dibaca pengunjung, bukan blok kode yang lebih panjang.

Gunakan daftar periksa ini sebelum memilih tipe:

• Tujuan halaman: tuliskan tugas utama URL ini.
• Subjek utama: sebutkan organisasi, artikel, produk, atau kumpulan pertanyaan yang ditampilkan.
• Fakta yang terlihat: daftarkan hanya detail yang dapat dikonfirmasi pengunjung di halaman.
• Judul halaman: periksa bahwa judul yang ditandai cocok dengan judul yang diterbitkan.
• Kepemilikan: identifikasi siapa yang dapat memperbaiki markup setelah perubahan konten.
• URL: konfirmasi halaman persis yang akan membawa structured data.
• Jalur tinjauan: putuskan siapa yang memeriksa halaman yang dirender dan kode bersama-sama.

Halaman yang gagal dalam salah satu pemeriksaan ini memerlukan klarifikasi konten terlebih dahulu. Jangan gunakan markup untuk mengisi penulis, detail produk, atau fakta perusahaan yang hilang. Jika halaman itu sendiri sulit diinterpretasi, perbaiki teks iklannya sebelum memilih properti.

Untuk daftar periksa teknis yang lebih luas, baca AEO teknis: schema, llms.txt, dan crawler. Untuk halaman yang dimaksudkan untuk dikutip, lihat konten yang dapat dikutip untuk asisten AI.

Tipe schema.org mana yang cocok untuk setiap halaman?

5 tipe umum mencakup pekerjaan halaman yang umum, tetapi konten halaman yang menentukan pilihan. Cocokkan tipe dengan subjek yang ditemui pengunjung. Kemudian tambahkan hanya properti yang didukung.

Mulailah dengan tujuan utama URL. Informasi perusahaan mungkin cocok dengan Organization. Artikel editorial mungkin cocok dengan Article. Halaman yang berfokus pada produk mungkin cocok dengan Product. Jejak navigasi yang terlihat dapat menggunakan BreadcrumbList. Pertanyaan dan jawaban yang ditampilkan kepada pengunjung mungkin cocok dengan FAQPage.

Periksa kecocokan dengan 3 pertanyaan:

• Apakah tipe ini mendeskripsikan subjek utama halaman?
• Dapatkah pengunjung menemukan bukti untuk setiap properti di halaman?
• Apakah tipe tersebut masih masuk akal jika markup disembunyikan?

Jika suatu tipe cocok hanya karena generator menyarankannya, tinggalkan. Satu tipe akurat lebih baik daripada beberapa label untuk subjek yang tidak didukung. Ini adalah inti dari schema.org markup untuk visibilitas AI: informasi halaman yang jelas dan konsisten, bukan sakelar visibilitas khusus.

Untuk panduan terkait tentang optimasi FAQ untuk jawaban AI, periksa bahwa konten jawaban berguna sebelum mempertimbangkan markupnya.

5 tipe halaman, 5 pekerjaan berbeda

5 tipe halaman mencakup pekerjaan yang berbeda; ini bukan paket yang diterapkan di mana-mana. Gunakan perbandingan ini untuk mempersingkat daftar tipe. Kemudian verifikasi setiap fakta yang ditandai terhadap halaman langsung.

Setiap baris adalah titik awal, bukan instruksi untuk menandai setiap URL. Halaman produk tanpa informasi produk yang terlihat membutuhkan konten yang lebih baik sebelum structured data. Artikel tidak boleh meminjam tipe organization hanya karena penerbitnya adalah perusahaan.

Catat tipe yang dipilih dan fakta halaman yang mendukung. Catatan singkat itu memberi peninjau berikutnya alasan yang jelas untuk pilihan tersebut. Ini juga memudahkan tinjauan template ketika pola halaman yang sama muncul di beberapa URL.

5 langkah dari inventaris halaman hingga penerbitan

5 langkah menjaga implementasi schema tetap terikat pada halaman. Ini mencegah tugas menyimpang ke perubahan kode di seluruh situs. Berikan setiap URL pemilik dan catatan tinjauan.

1. Inventaris: daftarkan URL, tujuan halaman, subjek utama, dan fakta yang terlihat.
2. Pilih: tetapkan tipe schema.org yang sesuai untuk setiap pola halaman.
3. Draf: buat JSON-LD dari fakta yang sudah ada di halaman.
4. Bandingkan: tinjau URL langsung, teks yang terlihat, dan markup secara berdampingan.
5. Periksa ulang: ulangi tinjauan setelah perubahan template atau konten.

Untuk setiap URL, catat tipe, peninjau, masalah yang ditemukan, dan status koreksi. Uji satu halaman perwakilan untuk setiap template. Kemudian periksa halaman yang terpengaruh setelah perubahan template bersama. Simpan catatan tinjauan dengan pemilik konten, tidak hanya dengan pengembang yang menambahkan skrip.

Jika tugas Anda juga mencakup llms.txt, perlakukan sebagai file terpisah dengan pemilik terpisah. Panduan llms.txt dan pengaturan AI crawler mencakup pekerjaan itu. Alur kerja schema ini tetap spesifik per halaman.

Apa yang harus disertakan dalam contoh schema?

1 contoh JSON-LD kecil harus mendeskripsikan halaman tanpa menambahkan klaim. Gunakan struktur ini sebagai model. Ganti detail artikel sampelnya dengan informasi yang ditampilkan di halaman Anda sendiri.

Contoh: { "@context": "https://schema.org", "@type": "Article", "headline": "Panduan keamanan wallet yang praktis", "author": { "@type": "Person", "name": "Tim editorial" } }

Periksa judul dan penulis terhadap artikel yang terlihat sebelum menerbitkan. Jangan tempel sampel tidak berubah ke halaman yang berbeda. Jika halaman langsung tidak mengidentifikasi penulis, jangan tambahkan satu hanya untuk melengkapi contoh.

LLMs.txt dan schema.org menangani pekerjaan yang berbeda. Markup schema mendeskripsikan halaman atau entitas. llms.txt adalah file orientasi tingkat situs yang mencantumkan sumber daya yang berguna. Jaga tautan file tetap terkini dan tujuannya jelas. Untuk informasi lebih lanjut tentang file itu sendiri, lihat apa itu llms.txt dan apakah Anda membutuhkannya.

Gunakan keduanya hanya ketika masing-masing memiliki peran yang jelas. Tidak ada yang menggantikan halaman yang berguna, dapat diakses, dan teks iklan yang akurat.

Bagaimana cara meninjau schema tanpa klaim berlebihan?

2 tinjauan memberikan gambaran yang lebih jelas. Periksa kode terlebih dahulu. Kemudian periksa bagaimana halaman muncul di hasil pencarian dan jawaban AI. Skrip yang valid mengonfirmasi detail teknis; itu tidak membuktikan bahwa halaman akan dikutip.

Untuk pemeriksaan teknis, periksa bahwa markup berada di URL yang dimaksud. Konfirmasi bahwa itu cocok dengan fakta halaman yang terlihat. Catat URL, tipe yang dipilih, peninjau, dan koreksi apa pun.

Untuk pemeriksaan visibilitas, tinjau serangkaian pertanyaan relevan yang konsisten di ChatGPT dan Perplexity. Catat apakah jawaban mendeskripsikan halaman secara akurat. Juga catat apakah sumber yang berguna muncul.

ChatGPT dan Perplexity membuat pilihan mereka sendiri tentang mengambil, mengutip, dan menyajikan halaman. Google juga tidak menjamin tampilan pencarian dari schema saja. Bangun tinjauan di sekitar markup yang akurat dan konten yang berguna, bukan kutipan atau tampilan yang dijanjikan.

DigitalMedia1 dapat membandingkan klaim halaman yang terlihat dengan deskripsi terstruktur mereka. Kami dapat menandai ketidakcocokan untuk tim Anda. Kirimkan 1 URL dan tujuan utamanya. Kami akan memetakan fakta yang terlihat ke tipe yang sesuai dan mengembalikan jalur tinjauan yang jelas.

Cara kerja

1. Inventarisasi URLDaftarkan halaman yang penting. Catat tujuan, subjek, dan fakta yang terlihat dari setiap halaman. Jaga markup halaman tetap terpisah dari file tingkat situs.
2. Pilih tipeCocokkan setiap halaman dengan tipe yang mendeskripsikan konten aslinya. Tinggalkan properti yang tidak didukung halaman.
3. Buat draf JSON-LDBangun deskripsi terstruktur dari informasi yang dapat dilihat pengunjung. Tambahkan melalui template halaman yang sesuai atau jalur implementasi.
4. Bandingkan halaman dan kodeTinjau URL yang diterbitkan, teks yang terlihat, dan markup bersama-sama. Perbaiki nama, deskripsi, atau hubungan yang tidak cocok.
5. Tinjau setelah perubahanPeriksa ulang halaman yang terpengaruh setelah pembaruan konten atau template. Lacak validasi teknis secara terpisah dari tinjauan jawaban AI.