Shopify मर्चेंट्स को चेकलिस्ट बहुत पसंद आती है। एक ऐप इंस्टॉल करें, कुछ स्ट्रक्चर्ड डेटा पेस्ट करें, Google का Rich Results Test चलाएं, और वैलिडेटर को हरा होते हुए देखें। काम हो गया, स्कीमा लाइव है, और हर कोई आगे बढ़ जाता है। लेकिन वह टिक मार्क केवल यह साबित करता है कि आपका कोड सही ढंग से बना है। यह इस बारे में कुछ नहीं कहता कि क्या कोई AI एजेंट वास्तव में आपकी सामग्री का उपयोग कर सकता है।

अधिकांश Shopify स्टोर्स में अब FAQ schema होता है। उन्होंने इसे इसलिए जोड़ा क्योंकि एक SEO गाइड ने उन्हें बताया था कि यह आवश्यक है। मार्कअप अक्सर वैध (valid) होता है। फिर भी, इसे पढ़ने वाली मशीनों के लिए यह बेकार है। मार्कअप की गई सामग्री और मशीन द्वारा उपयोग करने योग्य सामग्री के बीच एक बढ़ता हुआ अंतर है, और अधिकांश स्टोर मालिकों को पता ही नहीं है कि इसका अस्तित्व है।

वैलिडेशन वास्तव में क्या चेक करता है

एक स्कीमा वैलिडेटर एक सिंटैक्स चेकर है। यह तीन बुनियादी सवाल पूछता है। क्या कोई सवाल है? क्या इसका कोई जवाब है? क्या कोड संरचनात्मक रूप से सही है? यदि ये तीनों सही हैं, तो आप पास हो जाते हैं। वैलिडेटर को इस बात से कोई फर्क नहीं पड़ता कि जवाब वास्तव में क्या कहता है। यह अर्थ, संदर्भ (context) या पूर्णता का न्याय नहीं करता है।

यहीं पर मर्चेंट्स फंस जाते हैं। वे एक हरा बैज देखते हैं और मान लेते हैं कि काम पूरा हो गया है। लेकिन वैध मार्कअप केवल कंटेनर की जांच करता है। यह कभी यह जांच नहीं करता कि उस कंटेनर के अंदर की सामग्री अपने आप में अर्थपूर्ण है या नहीं। एक AI एजेंट आपके पेज को उस तरह से नहीं पढ़ता जैसे एक वैलिडेटर पढ़ता है। वह सही नेस्टिंग (nesting) के लिए आपकी पीठ नहीं थपथपाता। वह आपके जवाब को उसके परिवेश से बाहर निकालकर सीधे उपयोग करना चाहता है।

यदि आपके FAQ जवाबों में "विवरण के लिए नीचे देखें" या "अधिक जानकारी के लिए हमसे संपर्क करें" जैसे वाक्यांश शामिल हैं, तो आपका स्कीमा तकनीकी रूप से वैध है। हालाँकि, एक मशीन के लिए, वह सामग्री एक डेड एंड (dead end) है। एजेंट की न तो आँखें हैं, न ही धैर्य, और न ही संदर्भ के लिए नीचे स्क्रॉल करने की क्षमता। उसने आपका जवाब ढूँढ लिया, उसका उपयोग करने की कोशिश की, और वहां कुछ नहीं पाया।

कॉन्टेक्स्ट गैप (संदर्भ का अंतर)

इंसान और मशीनें एक ही FAQ सेक्शन को बिल्कुल अलग तरीकों से प्रोसेस करती हैं। एक मानव खरीदार उत्पाद की छवि देखता है, पेज लेआउट को स्कैन करता है, उत्पाद का शीर्षक पढ़ता है, और आपके दो-लाइन के FAQ जवाब को एक बड़ी विजुअल कहानी के हिस्से के रूप में ग्रहण करता है। वे समझते हैं कि "यह" (this) किसके बारे में है क्योंकि वे उसे देख सकते हैं।

AI एजेंट पेज को नहीं देखते। वे टेक्स्ट को अलग-थलग (in isolation) पढ़ते हैं। वे आपके FAQ स्कीमा को डेटा के अलग-अलग टुकड़ों के रूप में समझते हैं। यदि उत्तर के लिए पेज के बाकी हिस्सों से विजुअल या कॉन्टेक्स्टुअल सुरागों की आवश्यकता है, तो मशीन उन्हें पूरी तरह से मिस कर देती है।

एक सामान्य कपड़ों के स्टोर के बारे में सोचें। एक सामान्य प्रश्न है: "क्या यह साइज के अनुसार सही आता है?" (Does this run true to size?) मर्चेंट जवाब देता है: "थोड़ा छोटा आता है, हम बड़ा साइज लेने की सलाह देते हैं।" एक मानव खरीदार उत्पाद की फोटो, शीर्षक, साइज गाइड लिंक देखता है, और समझ जाता है कि मर्चेंट का क्या मतलब है। एक AI एजेंट एक अज्ञात उत्पाद के बारे में एक अलग वाक्य देखता है जिसका कोई स्पष्ट आधार नहीं है। क्या छोटा आता है? किस साइज चार्ट की तुलना में? क्या यह पुरुषों का आइटम है या महिलाओं का? एजेंट के पास परामर्श करने के लिए कोई उत्पाद छवि नहीं है, सहारा लेने के लिए कोई आस-पास का टेक्स्ट नहीं है, और उसे यह भी नहीं पता कि "यह" (this) स्नीकर है, जैकेट है, या जींस की एक जोड़ी है।

समस्या स्कीमा में नहीं है। समस्या लेखन (writing) में है।

जीरो कॉन्टेक्स्ट (बिना संदर्भ) के लिए लेखन

समाधान और अधिक स्कीमा प्रकार जोड़ना या कोई अन्य ऐप इंस्टॉल करना नहीं है। समाधान अपने FAQ जवाबों को स्टैंडअलोन (standalone) दस्तावेज़ों के रूप में मानना है। हर जवाब ऐसा होना चाहिए कि यदि उसे आपके पेज से निकालकर एक खाली स्क्रीन पर पढ़ा जाए, तो भी वह समझ में आए।

शुरुआत यह मानकर करें कि आपका जवाब बिना किसी उत्पाद फोटो, बिना नेविगेशन और बिना किसी पेज टाइटल के एक चैट विंडो में दिखाई देगा। यदि उस स्थिति में जवाब आपको भ्रमित करता है, तो वह मशीन को भी भ्रमित करेगा।

यहाँ जीरो कॉन्टेक्स्ट के लिए फिर से लिखने का तरीका दिया गया है:

  • पूर्ण वाक्यों का उपयोग करें। अधूरे जवाब व्याकरण और अर्थ के लिए प्रश्न पर निर्भर करते हैं। ऐसे पूर्ण वाक्य लिखें जिनका अपना स्वतंत्र अर्थ हो। "छोटा आता है, बड़ा लें" के बजाय लिखें "यह जैकेट मानक US साइजिंग की तुलना में थोड़ी छोटी आती है, इसलिए हम एक साइज बड़ा ऑर्डर करने की सलाह देते हैं।"

  • प्रश्न का पूरी तरह से समाधान करें। ऐसा उत्तर जो उपयोगकर्ता को कहीं और भेज देता है, वह उत्तर नहीं है। यदि आपकी प्रतिक्रिया किसी अन्य पेज की ओर इशारा करते हुए समाप्त होती है, तो एजेंट के पास देने के लिए कुछ नहीं होता। टेक्स्ट के भीतर ही विशिष्ट जानकारी दें। रिटर्न विंडो, सामग्री (material composition), या शिपिंग टाइमलाइन को सीधे उत्तर में ही बता दें।

  • दिशात्मक वाक्यांशों (directional phrases) को हटा दें। "जैसा कि ऊपर बताया गया है," "विवरण नीचे देखें," "बाईं ओर दी गई तालिका देखें," या "उत्पाद विवरण देखें" जैसे हर उदाहरण को हटा दें। ये एक ऐसे स्थानिक लेआउट (spatial layout) को मान लेते हैं जो JSON-LD को पार्स करने वाली मशीन या टेक्स्ट को ज़ोर से पढ़ने वाले वॉइस असिस्टेंट के लिए मौजूद नहीं होता है।

  • विशिष्ट विवरण शामिल करें। रिक्त स्थानों को भरने के लिए आस-पास के टेक्स्ट पर निर्भर न रहें। यदि संभव हो तो उत्पाद का स्पष्ट रूप से नाम लिखें। सटीक देखभाल निर्देशों (care instructions), सटीक माप, या विशिष्ट मूल देश (country of origin) का संदर्भ दें। उत्तर जितना अधिक स्वतंत्र (self-contained) होगा, आपके डेटा पर प्रशिक्षित होने वाले या सर्च में उसे प्रदर्शित करने वाले AI मॉडल के लिए उतना ही उपयोगी होगा।

लेखन शैली में यह बदलाव करने में कोई लागत नहीं आती है और इससे इस बात में लगभग कोई बदलाव नहीं आता कि मनुष्य आपके पेज का अनुभव कैसे करते हैं। एक खरीदार के लिए, "Runs small, size up" और "This jacket runs slightly small compared to standard US sizing, so we recommend ordering one size up" के बीच का अंतर नगण्य है। दोनों एक ही विचार व्यक्त करते हैं। लेकिन एक मशीन के लिए, दूसरा संस्करण अत्यंत मूल्यवान है। इसमें ऐसी एंटिटीज (entities), संबंध और स्वतंत्र तथ्य होते हैं जिन्हें निकाला और पुन: उपयोग किया जा सकता है।

स्कीमा रास्ता दिखाता है, कंटेंट काम करता है

Shopify स्टोर मालिक अक्सर वास्तविक उपभोक्ता को संतुष्ट किए बिना चेकलिस्ट को पूरा कर लेते हैं। वर्षों तक, वह उपभोक्ता Google था। अब यह तेजी से एक AI मॉडल बनता जा रहा है। सर्च इंजन अब केवल आपके पेजों को इंडेक्स नहीं कर रहे हैं