لورن بیکر (Loren Baker)، سردبیر و بنیان‌گذار رسانه تخصصی Search Engine Journal، در جریان یکی از جلسات آموزشی SEJ Pro Keystone به بررسی نقش حیاتی نشانه‌گذاری اسکیما (Schema markup) در عصر هوش مصنوعی پرداخته است. به گفته او، اگرچه استفاده از اسکیما تضمین‌کننده ارجاع مستقیم سیستم‌های هوش مصنوعی به وب‌سایت شما نیست، اما به موتورهای جستجو مانند Google و Bing و همچنین موتورهای پاسخ‌گو مانند ChatGPT کمک می‌کند تا هویت برند شما را درک، ادعاهایتان را تایید و در نهایت درباره نمایش یا عدم نمایش شما در نتایج تصمیم‌گیری کنند. بیکر تاکید می‌کند که اسکیما بیش از آنکه ابزاری برای تغییر ناگهانی رتبه باشد، ابزاری برای اعتمادسازی است.

همسویی اطلاعات؛ کلید جلب اعتماد موتورهای جستجو و هوش مصنوعی

بیکر نشانه‌گذاری اسکیما را به یک پروفایل معرفی آنلاین تشبیه می‌کند که باید با واقعیت عینی وب‌سایت همخوانی داشته باشد. هرگونه مغایرت اطلاعاتی میان آنچه در اسکیما نوشته شده و آنچه کاربر در سایت مشاهده می‌کند، به اعتبار برند آسیب می‌زند. پلتفرم‌های بزرگ فناوری رویکردهای متفاوتی به این موضوع دارند؛ Microsoft اعلام کرده است که اسکیما به مدل‌های زبانی بزرگ (LLMs) در درک محتوا کمک می‌کند. در مقابل، راهنمای رسمی Google اشاره دارد که داده‌های ساختاریافته (structured data) برای ویژگی‌های مبتنی بر هوش مصنوعی الزامی نیستند، اما همچنان استفاده از آن‌ها را به عنوان بخشی از استراتژی جامع سئو توصیه می‌کند. OpenAI نیز تاکید دارد که داده‌های ساختاریافته محصول، منبع تغذیه اطلاعاتی است که ChatGPT به خریداران ارائه می‌دهد.

برای دستیابی به بهترین نتیجه، همسویی سه منبع اصلی اطلاعاتی زیر ضروری است:

  • صفحه وب: حقایق و اطلاعاتی که یک کاربر انسانی می‌تواند در صفحه مشاهده کند و بخواند.
  • نشانه‌گذاری اسکیما: نسخه قابل خواندن برای ماشین از همان حقایق موجود در صفحه.
  • پلتفرم مرجع ثبت اطلاعات: مانند Google Business Profile برای کسب‌وکارهای محلی یا فید Merchant Center برای فروشگاه‌هایی که محصول فیزیکی می‌فروشند.

هنگامی که این منابع اطلاعاتی با یکدیگر همخوانی داشته باشند، یک مرجع واحد و قابل اعتماد برای موتورهای جستجو ایجاد می‌شود. در مقابل، عدم تطابق‌های جزئی مانند نوشتن کلمه «Suite» در وب‌سایت و استفاده از مخفف «Ste» در کدهای اسکیما، یا مغایرت در نام کسب‌وکار، شماره تلفن، ساعات کاری، قیمت و نام نویسنده می‌تواند به اعتبار برند ضربه بزند.

بهینه‌سازی اسکیما برای کسب‌وکارهای محلی و تجارت الکترونیک

در حوزه کسب‌وکارهای محلی، همه چیز به موجودیت (Entity) و شناسه پایدار آن بستگی دارد. بیکر این ساختار را به ۹ ستون کلیدی تقسیم می‌کند که از موجودیت و شناسه پایدار شروع شده و مواردی مانند نام، آدرس و تلفن (NAP)، مختصات جغرافیایی، ساعات کاری، خدمات، اقدامات تبدیل، نظرات کاربران، لینک‌های همانندی (sameAs) و ثبات کلی اطلاعات را شامل می‌شود. یکی از رایج‌ترین اشتباهات در این بخش، تعریف محدوده خدمات است؛ در Google Business Profile فیلد محدوده خدمات نشان‌دهنده محل ارسال یا ارائه خدمت است، در حالی که در اسکیما فیلد areaServed به تمام مناطق تحت پوشش اشاره دارد. استفاده از کدهای عمومی و تکراری برای شعبه‌های مختلف یک برند در محله‌های مختلف، توانایی موتورهای جستجو را برای پیشنهاد شعبه مناسب کاهش می‌دهد.

بیکر به عنوان نمونه اشاره می‌کند که در جریان یک جستجو در ChatGPT برای یافتن یک فیزیوتراپ در هوبوکن (Hoboken)، این هوش مصنوعی توانست نام برند کلاینت او، ساعات کاری و خدماتی مانند توانبخشی ارتوپدی و آسیب‌های ورزشی را به درستی نمایش دهد. این در حالی بود که خدمات مذکور در صفحه فرود وب‌سایت وجود نداشتند، اما در اسکیما و پروفایل تجاری ثبت شده بودند؛ همسویی دو منبع از سه منبع برای تصمیم‌گیری ChatGPT کافی بود.

در حوزه تجارت الکترونیک (E-commerce)، فید Google Merchant Center به عنوان منبع اصلی حقیقت عمل می‌کند. تطابق دقیق فیلدهایی مانند نام محصول، توضیحات، برند، تصاویر، شناسه انبار (SKU)، شماره قطعه سازنده (MPN) و کد تجاری جهانی محصول (GTIN) حیاتی است. همچنین جزئیات مربوط به قیمت، موجودی، هزینه‌های ارسال و سیاست‌های مرجوعی باید کاملاً همسو باشند. برای مثال، تغییر وضعیت موجودی به «OutOfStock» به محض اتمام کالا، به گوگل سیگنال می‌دهد که شما دیگر آن محصول را نمی‌فروشید و این امر می‌تواند رتبه‌بندی کسب‌شده را به خطر بیندازند. بیکر توصیه می‌کند در این شرایط از وضعیت‌های موقت Schema.org استفاده شود.

با توجه به اینکه کاربران در جستجوهای هوش مصنوعی بسیار جزئی‌نگر شده‌اند (مثلاً جستجوی کفش آبی آسمانی سایز ۱۵ با تحویل تا جمعه و مناسب برای مچ پای آسیب‌دیده)، ثبت دقیق ویژگی‌های عمیق محصول مانند جنس، وزن، ضدآب بودن و رنگ اهمیت دوچندانی یافته است تا موتورهای جستجو بتوانند این پرس‌وجوهای دقیق را به محصول شما متصل کنند.

اثبات تخصص و اعتبار نویسنده (E-E-A-T)

افزودن موجودیت شخص (Person entity) به تنهایی کسی را به متخصص تبدیل نمی‌کند، بلکه اسکیما فقط به ماشین‌ها کمک می‌کند تا اعتباری را که از قبل وجود داشته است، تایید کنند. بیکر به تجربه یکی از کلاینت‌های خود در حوزه فناوری باغبانی خانگی اشاره می‌کند. سه ماه پیش از شیوع یک بیماری ناشی از مواد غذایی و افزایش جستجوها برای فراخوانی محصولات، آن‌ها کمپینی را با تمرکز بر خطرات آلودگی مواد غذایی آغاز کردند. در جریان این بحران، مقاله آن‌ها درباره فراخوانی کاهو و ایمنی مواد غذایی به دلیل ثبت دقیق اطلاعات نویسنده، مقالات منتشرشده و سوابق کاری او در نشانه‌گذاری اسکیما، در صدر نتایج بخش AI Overview گوگل و رتبه دوم جستجوی ارگانیک در کنار وب‌سایت‌های دولتی FDA و CDC قرار گرفت و حدود ۱,۳۰۰ کلیک دریافت کرد.

در نمونه‌ای دیگر، برای شرکتی با نام تجاری عمومی که جستجوی نام مدیرعامل آن هیچ نتیجه‌ای در بر نداشت، ایجاد یک اسکیمای کامل شخص روی صفحه بیوگرافی مدیرعامل و لینک دادن آن به پروفایل‌های صحیح، باعث شد تا بخش AI Overview گوگل در عرض چند روز فرد درست را شناسایی کند. بیکر در نهایت تاکید می‌کند که اسکیما نمی‌تواند محتوای ضعیف، اعتبار ساختگی یا پروفایل‌های رهاشده در شبکه‌های اجتماعی را جبران کند. برای پیاده‌سازی موفق در مقیاس بزرگ، ابتدا باید اعتبار را در واقعیت کسب کرد، سپس آن را به صورت شفاف در کدهای اسکیما بیان نمود و فرآیند تایید آن را برای ماشین‌ها ساده ساخت.