ಹೆಚ್ಚಿನ Shopify ಸ್ಟೋರ್ಗಳು FAQ schema ಅನ್ನು ಹೊಂದಿವೆ ಏಕೆಂದರೆ ಒಂದು SEO ಚೆಕ್ಲಿಸ್ಟ್ ಅವುಗಳನ್ನು ಅದನ್ನು ಇನ್ಸ್ಟಾಲ್ ಮಾಡಲು ಹೇಳಿದೆ. ಅವರು ಒಂದು ಆಪ್ ಅನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡಿದರು, ಕೆಲವು ಫೀಲ್ಡ್ಗಳನ್ನು ತುಂಬಿದರು, ವ್ಯಾಲಿಡೇಟರ್ ಹಸಿರು ಚೆಕ್ಮಾರ್ಕ್ ನೀಡಿದ್ದನ್ನು ನೋಡಿದರು ಮತ್ತು ಮುಂದೆ ಸಾಗಿದರು. ಮಾರ್ಕ್ಅಪ್ ಹೆಚ್ಚಾಗಿ ಸರಿಯಾಗಿರುತ್ತದೆ (valid). ಆದರೆ ಇದು AI ಏಜೆಂಟ್ಗಳಿಗೆ ನಿರುಪಯುಕ್ತವಾಗಿದೆ.
ಮಾರ್ಕ್ ಅಪ್ ಮಾಡಿದ (marked up) ಮತ್ತು ಯಂತ್ರಕ್ಕೆ ಬಳಸಲು ಯೋಗ್ಯವಾದ (machine usable) ನಡುವಿನ ಈ ಅಂತರವೇ ಹೆಚ್ಚಿನ ಸ್ಟೋರ್ಗಳು ಮೌನವಾಗಿ ಹಿನ್ನಡೆ ಅನುಭವಿಸುವ ಜಾಗವಾಗಿದೆ. Schema ಯಂತ್ರವು ಎಲ್ಲಿ ಹುಡುಕಬೇಕು ಎಂದು ತಿಳಿಸುತ್ತದೆ. ಅಲ್ಲಿ ಕಂಡುಬರುವ ವಿಷಯವು ಓದಲು ಯೋಗ್ಯವಾಗಿದೆ ಎಂದು ಅದು ಖಾತರಿ ನೀಡುವುದಿಲ್ಲ.
ಚೆಕ್ಲಿಸ್ಟ್ ಬಲೆ (The Checklist Trap)
FAQ schema ಜನಪ್ರಿಯವಾಯಿತು ಏಕೆಂದರೆ ಅದು Google ಸರ್ಚ್ ರಿಸಲ್ಟ್ಗಳಲ್ಲಿ ರಿಚ್ ಸ್ನಿಪ್ಪೆಟ್ಗಳನ್ನು (rich snippets) ನೀಡುವ ಭರವಸೆ ನೀಡಿತು. ಆ ಸಣ್ಣ, ವಿಸ್ತರಿಸಬಹುದಾದ ಪ್ರಶ್ನೆ ಬಾಕ್ಸ್ಗಳು ಉಚಿತವಾಗಿ ಸಿಗುವ ಅವಕಾಶದಂತೆ ಕಂಡವು. Shopify ಆಪ್ ಸ್ಟೋರ್ಗಳು ಡಜನ್ಗಟ್ಟಲೆ ಪ್ಲಗಿನ್ಗಳೊಂದಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸಿದವು, ಇವು ವ್ಯಾಪಾರಿಗಳು ಕೋಡ್ ಅನ್ನು ಮುಟ್ಟದೆಯೇ ಪಾಯಿಂಟ್ ಮಾಡಿ, ಕ್ಲಿಕ್ ಮಾಡಿ, JSON-LD ಅನ್ನು ಇಂಜೆಕ್ಟ್ ಮಾಡಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತವೆ.
ಇದರ ಪರಿಣಾಮವೆಂದರೆ 'ಚೆಕ್ಬಾಕ್ಸ್ SEO' ಸಂಸ್ಕೃತಿ. ಪ್ರತಿ ತಿಂಗಳು, ವ್ಯಾಪಾರಿಗಳು ಆಡಿಟ್ಗಳನ್ನು ನಡೆಸುತ್ತಾರೆ. @type ಫೀಲ್ಡ್ಗಳು "Question" ಮತ್ತು "Answer" ಎಂದು ಇರುವುದನ್ನು ಅವರು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುತ್ತಾರೆ. acceptedAnswer ನಲ್ಲಿ ಪಠ್ಯವಿದೆ ಎಂದು ಅವರು ಪರಿಶೀಲಿಸುತ್ತಾರೆ. ನಂತರ ಟ್ಯಾಬ್ ಅನ್ನು ಮುಚ್ಚುತ್ತಾರೆ. ಕೆಲಸ ಮುಗಿಯಿತು.
ಆದರೆ schema ವ್ಯಾಲಿಡೇಟರ್ ಎಂಬುದು ಒಂದು ಸರಳ ಪ್ಯಾಟರ್ನ್-ಮ್ಯಾಚಿಂಗ್ ಯಂತ್ರವಾಗಿದೆ. ಇದು ಮಾಹಿತಿಯ ಉಪಸ್ಥಿತಿಯನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆಯೇ ಹೊರತು ಅದರ ಅರ್ಥವನ್ನಲ್ಲ. ಒಂದು ಉತ್ತರ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆಯೇ ಎಂದು ಅದು ಕೇಳುತ್ತದೆ. ಆದರೆ ಆ ಉತ್ತರವು ಅದು ಇರುವ ಪೇಜ್ನ ಹೊರಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆಯೇ ಎಂದು ಅದು ಎಂದಿಗೂ ಕೇಳುವುದಿಲ್ಲ.
ಸರಿಯಾದ ಮಾರ್ಕ್ಅಪ್, ಹದಗೆಟ್ಟ ವಿಷಯ (Valid Markup, Broken Content)
ನಿಮ್ಮ ಉತ್ತರ ಫೀಲ್ಡ್ ಹೀಗೆ ಇದೆ ಎಂದು ಭಾವಿಸೋಣ: "ವಿವರಗಳಿಗಾಗಿ ಕೆಳಗೆ ನೋಡಿ." Google ನ Rich Results Test ಆ ಸ್ಟ್ರಿಂಗ್ನ ಒಳಗಿರುವ ಪಠ್ಯವನ್ನು ನೋಡುತ್ತದೆ. ಅದು ಹಸಿರು ಬಣ್ಣಕ್ಕೆ ತಿರುಗುತ್ತದೆ. ನಿಮ್ಮ ಸ್ಟ್ರಕ್ಚರ್ಡ್ ಡೇಟಾ ಔಪಚಾರಿಕವಾಗಿ ಸರಿಯಾಗಿದೆ.
ಪೇಜ್ ಓದುತ್ತಿರುವ ಮನುಷ್ಯನಿಗೆ, "ಕೆಳಗೆ ನೋಡಿ" ಎಂಬುದು ಸರಿಯಾಗಿದೆ. ಅವರ ಕಣ್ಣುಗಳು ಮುಂದಿನ ವಿಭಾಗಕ್ಕೆ ಹೋಗುತ್ತವೆ. ಆದರೆ ನಿಮ್ಮ ವಿಷಯವನ್ನು ಸ್ಕ್ರೇಪ್ ಮಾಡುವ AI ಏಜೆಂಟ್ಗೆ, ಅಲ್ಲಿ "ಕೆಳಗೆ" ಎಂಬುದು ಯಾವುದೂ ಇಲ್ಲ. ಅಲ್ಲಿ ಯಾವುದೇ ಪೇಜ್ ಲೇಔಟ್ ಇಲ್ಲ. ಅಲ್ಲಿ ಕೇವಲ ಈ ಸ್ಟ್ರಿಂಗ್ ಮಾತ್ರ ಇರುತ್ತದೆ: "See below for details." ಆ ಒಂದು ವಾಕ್ಯವು ಇಡೀ FAQ ನೋಡ್ ಅನ್ನು ನಿರುಪಯುಕ್ತವಾಗಿಸುತ್ತದೆ.
"ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ ನಮ್ಮನ್ನು ಸಂಪರ್ಕಿಸಿ," "ಮೇಲೆ ತಿಳಿಸಿದಂತೆ," ಅಥವಾ "ಸೈಜ್ ಚಾರ್ಟ್ ಅನ್ನು ನೋಡಿ" ಎಂಬ ಸಂದೇಶಗಳಿಗೂ ಇದೇ ರೀತಿ ಆಗುತ್ತದೆ. ಪ್ರತಿಯೊಂದೂ ಪರಿಪೂರ್ಣವಾಗಿ ವ್ಯಾಲಿಡೇಟ್ ಆಗುತ್ತದೆ. ಆದರೆ ಮಾಹಿತಿಯ ದೃಷ್ಟಿಯಿಂದ ಪ್ರತಿಯೊಂದೂ ವಿಫಲವಾಗುತ್ತದೆ.
ಮನುಷ್ಯರು ಮಾತ್ರ ನೋಡಬಲ್ಲ ಸಂದರ್ಭ (Context)
ಈ ಸಮಸ್ಯೆ ಉಂಟಾಗಲು ಕಾರಣವೇನೆಂದರೆ ವ್ಯಾಪಾರಿಗಳು ಮನುಷ್ಯರಿಗಾಗಿ ಬರೆಯುತ್ತಾರೆ ಮತ್ತು ಮನುಷ್ಯರು ಕಣ್ಣಿನಿಂದ ಓದುತ್ತಾರೆ. ನಾವು ಅಂತರಗಳನ್ನು ತುಂಬಲು ಪೇಜ್ ಲೇಔಟ್ಗಳು, ಚಿತ್ರಗಳು ಮತ್ತು ಸುತ್ತಮುತ್ತಲಿನ ಪಠ್ಯವನ್ನು ಅವಲಂಬಿಸುತ್ತೇವೆ. ಆದರೆ AI ಏಜೆಂಟ್ ಇವುಗಳಲ್ಲಿ ಯಾವುದನ್ನೂ ಮಾಡುವುದಿಲ್ಲ.
ಒಂದು ಸಾಮಾನ್ಯ ಉದಾಹರಣೆಯನ್ನು ನೋಡಿ. ಒಂದು ಉತ್ಪನ್ನದ ಪೇಜ್ ಹೀಗೆ ಕೇಳುತ್ತದೆ: "Does this run true to size?" (ಇದು ಸರಿಯಾದ ಸೈಜ್ನಲ್ಲಿದೆಯೇ?). ಉತ್ತರ ಹೀಗಿದೆ: "Runs slightly small, we recommend sizing up." (ಸ್ವಲ್ಪ ಸಣ್ಣದಾಗಿದೆ, ನಾವು ದೊಡ್ಡ ಸೈಜ್ ತೆಗೆದುಕೊಳ್ಳಲು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ).
ಒಬ್ಬ ಮನುಷ್ಯ ಗ್ರಾಹಕನು ಆ ವಾಕ್ಯವನ್ನು ಓದುವಾಗ ಕಪ್ಪು ಚರ್ಮದ ಬೂಟಿನ ಚಿತ್ರವನ್ನು ನೋಡುತ್ತಾನೆ. ಸಂದರ್ಭವು ಸ್ಪಷ್ಟವಾಗಿರುತ್ತದೆ. ಆದರೆ AI ಏಜೆಂಟ್ ಒಂದು ನೊಲೆಡ್ಜ್ ಗ್ರಾಫ್ ಅಥವಾ ಸ್ಕ್ರೇಪ್ ಮಾಡಿದ ಡೇಟಾಸೆಟ್ನಲ್ಲಿ ಪ್ರತ್ಯೇಕವಾದ ವಾಕ್ಯವನ್ನು ಮಾತ್ರ ನೋಡುತ್ತದೆ. ಯಾವ ಉತ್ಪನ್ನವು ಸಣ್ಣದಾಗಿದೆ ಎಂಬುದು ಅದಕ್ಕೆ ತಿಳಿದಿರುವುದಿಲ್ಲ. ಆ ಹೇಳಿಕೆಯು ಯಾವುದಕ್ಕೂ ಸಂಬಂಧಿಸದ ಒಂದು ಅಸ್ಪಷ್ಟ ಮಾಹಿತಿಯಾಗುತ್ತದೆ.
ಸ್ಟೋರ್ಗಳು ಒಂದೇ FAQ ಸ್ನಿಪ್ಪೆಟ್ಗಳನ್ನು ಹಲವಾರು ಉತ್ಪನ್ನಗಳಿಗೆ ಮರುಬಳಕೆ ಮಾಡಿದಾಗ ಸಮಸ್ಯೆ ಇನ್ನೂ ಹೆಚ್ಚಾಗುತ್ತದೆ. ಒಂದು ಸಾಮಾನ್ಯ ಪ್ರಶ್ನೋತ್ತರ ಜೋಡಿಯನ್ನು ಟೆಂಪ್ಲೇಟ್ ಮೂಲಕ ಮೂವತ್ತು ವಿಭಿನ್ನ ಪೇಜ್ಗಳಿಗೆ ಸೇರಿಸಬಹುದು. ಮನುಷ್ಯರು ಉತ್ಪನ್ನದ ಫೋಟೋವನ್ನು ನೋಡುತ್ತಿರುವುದರಿಂದ ಅಸ್ಪಷ್ಟತೆಯನ್ನು ಕ್ಷಮಿಸಬಹುದು. ಆದರೆ AI ಅಥವಾ ಆ ಸಲಹೆಯನ್ನು ತಪ್ಪಾಗಿ ಅರ್ಥೈಸುತ್ತದೆ ಅಥವಾ ಸಂಪೂರ್ಣವಾಗಿ ನಿರ್ಲಕ್ಷಿಸುತ್ತದೆ.
AI ನಿಮ್ಮ ವಿಷಯವನ್ನು (Content) ವಾಸ್ತವವಾಗಿ ಹೇಗೆ ಬಳಸಿಕೊಳ್ಳುತ್ತದೆ
ಈ ವಿಷಯವು ಎಲ್ಲಿಗೆ ಹೋಗುತ್ತದೆ ಎಂದು ಕಲ್ಪಿಸಿಕೊಳ್ಳುವುದು ಸಹಕಾರಿಯಾಗಿದೆ. ಲಾರ್ಜ್ ಲ್ಯಾಂಗ್ವೇಜ್ ಮಾಡೆಲ್ಗಳು (LLMs) ಕ್ರಾಲ್ ಮಾಡುವಾಗ Shopify ಸ್ಟೋರ್ ಡೇಟಾವನ್ನು ಪಡೆದುಕೊಳ್ಳುತ್ತವೆ. ಸಪೋರ್ಟ್ ಬಾಟ್ಗಳು ಚಾಟ್ ವಿಂಡೋಗಳಿಗೆ ಉತ್ತರಗಳನ್ನು ತರುತ್ತವೆ. ಹೋಲಿಕೆ ಮಾಡುವ ಸೈಟ್ಗಳು ವ್ಯಾಪಾರಿಗಳ ಫೀಡ್ಗಳನ್ನು ಸ್ಕ್ರೇಪ್ ಮಾಡುತ್ತವೆ. ವಾಯ್ಸ್ ಅಸಿಸ್ಟೆಂಟ್ಗಳು ಉತ್ತರಗಳನ್ನು ಜೋರಾಗಿ ಓದುತ್ತವೆ. ಈ ಎಲ್ಲಾ ಪರಿಸರಗಳಲ್ಲಿ, ನಿಮ್ಮ FAQ ಉತ್ತರವು ಅದರ ಮೂಲ ಉತ್ಪನ್ನ ಪೇಜ್ನಿಂದ, ಚಿತ್ರಗಳಿಂದ ಮತ್ತು ನೀವು ಎಚ್ಚರಿಕೆಯಿಂದ ಆರಿಸಿದ ಫಾಂಟ್ ಶ್ರೇಣಿಯಿಂದ ದೂರವಾಗುತ್ತದೆ.
AI ಬಳಕೆದಾರನು ನಿಮ್ಮ ಡೊಮೇನ್ನಲ್ಲಿ ಕುಳಿತಿಲ್ಲ. ಅದು ಪಠ್ಯದ ಒಂದು ಭಾಗವನ್ನು (node) ಹಿಡಿದು ಸಂಪೂರ್ಣವಾಗಿ ವಿಭಿನ್ನ ಇಂಟರ್ಫೇಸ್ಗೆ ಹಾಕುತ್ತದೆ. Schema ಯಂತ್ರವು ಆ ಪಠ್ಯವನ್ನು ವೇಗವಾಗಿ ಹುಡುಕಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಆದರೆ ಆ ಪಠ್ಯವು ಸ್ವತಂತ್ರವಾಗಿ ಅರ್ಥಪೂರ್ಣವಾಗಿರಲು ಅದು ಏನನ್ನೂ ಮಾಡುವುದಿಲ್ಲ.
ಸ್ವತಂತ್ರ ಉತ್ತರಗಳನ್ನು ಬರೆಯುವುದು (Writing Standalone Answers)
ಪರಿಹಾರವು ಹೆಚ್ಚಿನ schema ಅಲ್ಲ. ಅದು ಉತ್ತಮ ಬರವಣಿಗೆಯಾಗಿದೆ. ಪ್ರತಿಯೊಂದು FAQ ಉತ್ತរកೂ ಒಂದು ಸ್ವತಂತ್ರ ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಬೇಕು. ಒಬ್ಬ ಅಪರಿಚಿತ ವ್ಯಕ್ತಿಯು ನಿಮ್ಮ ಸ್ಟೋರ್ಗೆ ಭೇಟಿ ನೀಡದೆ, ಚಿತ್ರಗಳನ್ನು ನೋಡದೆ ಮತ್ತು ಸ್ಕ್ರೋಲ್ ಮಾಡದೆಯೇ ಅದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗಬೇಕು.
ಪೂರ್ಣ ವಾಕ್ಯಗಳೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ. ಅಪೂರ್ಣ ವಾಕ್ಯಗಳ ಬದಲಿಗೆ ಪೂರ್ಣ ವಿಚಾರಗಳನ್ನು ಬರೆಯಿರಿ. "Runs slightly small" ಎನ್ನುವ ಬದಲು, "This boot runs slightly small compared to standard sizing, so we recommend ordering one half-size up" ಎಂದು ಬರೆಯಿರಿ.
ಸ್ಥಳೀಯ ವಿನ್ಯಾಸದ (spatial layout) ಉಲ್ಲೇಖಗಳನ್ನು ತೆಗೆದುಹಾಕಿ. "above," "below," "to the left," ಮತ್ತು "the chart at the bottom of the page" ಎಂಬ ಪದಗಳನ್ನು ಕೈಬಿಡಿ. ಅವುಗಳ ಬದಲಿಗೆ ನೇರವಾದ ಡೇಟಾವನ್ನು ಬಳಸಿ. "Refer to the chart below" ಎನ್ನುವ ಬದಲು, "The waist measurements are: Small 28-30 in, Medium 31-33 in, Large 34-36 in" ಎಂದು ಬರೆಯಿರಿ.
ಅಸ್ಪಷ್ಟ ಸರ್ವನಾಮಗಳನ್ನು (pronouns) ತೆಗೆದುಹಾಕಿ. "It ships within three days" ಎಂದು ಬರೆಯುವ ಬದಲು, "This blender ships within three business days" ಎಂದು ಬರೆಯಿರಿ. ಈ ಹೆಚ್ಚುವರಿ ಮೂರು ಪದಗಳು ಓದುವಿಕೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುವುದಿಲ್ಲ ಮತ್ತು ಮಾಹಿತಿಯನ್ನು ಪಡೆಯುವಾಗ ಸಂಪೂರ್ಣ ಸ್ಪಷ್ಟತೆಯನ್ನು ನೀಡುತ್ತವೆ.
ಒಂದು ಪ್ರಶ್ನೆಗೆ ಮತ್ತೊಂದು ದಾಖಲೆಯ ಅಗತ್ಯವಿದ್ದರೆ, ಮಾಹಿತಿಯನ್ನು ಬೇರೆಡೆಗೆ ಕಳುಹಿಸುವ ಬದಲು, ಅದರ ಪ್ರಮುಖ ಅಂಶವನ್ನು ಉತ್ತರದ ಒಳಗೇ ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಬರೆಯಿರಿ. "ನಮ್ಮ ರಿಟರ್ನ್ ಪಾಲಿಸಿ ಪುಟವನ್ನು ನೋಡಿ" ಎಂದು ಬರೆಯಬೇಡಿ. ಬದಲಾಗಿ, "ಪೂರ್ಣ ಮರುಪಾವತಿಗಾಗಿ ಈ ವಸ್ತುವನ್ನು ಹಿಂತಿರುಗಿಸಲು ನಿಮಗೆ 30 ದಿನಗಳ ಕಾಲಾವಕಾಶವಿದೆ. ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪ್ರಾರಂಭಿಸಲು ನಮ್ಮ ರಿಟರ್ನ್ ಪಾಲಿಸಿ ಪುಟಕ್ಕೆ ಭೇಟಿ ನೀಡಿ" ಎಂದು ಬರೆಯಿರಿ. ಲಿಂಕ್ ಮಾನವರಿಗಾಗಿ ಇರಲಿ, ಆದರೆ ಯಂತ್ರಕ್ಕೆ (machine) ಆ ಮಾಹಿತಿ ಸಿಗಲಿ.
ಇದು ಮಾನವ ಅನುಭವಕ್ಕೆ (Human Experience) ತೊಂದರೆ ನೀಡುತ್ತದೆಯೇ?
ಇಲ್ಲ. ಸರಳ ಮತ್ತು ನಿರ್ದಿಷ್ಟ ಭಾಷೆಯು ಸಂದರ್ಶಕರಿಗೆ ಪುಟದ ಅನುಭವವನ್ನು ಹಾಳು ಮಾಡುವುದಿಲ್ಲ. ಯಂತ್ರಗಳಷ್ಟೇ ಮನುಷ್ಯರಿಗೂ ಇದರಿಂದ ಪ್ರಯೋಜನವಾಗುತ್ತದೆ. ಮೊಬೈಲ್ ಸಾಧನ ಬಳಸುವ ಗ್ರಾಹಕರು ಕೂಡ ಸಂದರ್ಭಕ್ಕಾಗಿ (context) ಹುಡುಕಲು ಇಷ್ಟಪಡುವುದಿಲ್ಲ. ಅವರಿಗೆ ಉತ್ತರವು ಸ್ವತಂತ್ರವಾಗಿ ಇರಬೇಕೆಂದು ಬಯಸುತ್ತಾರೆ.
ಸ್ವತಂತ್ರವಾಗಿ ಬರೆಯುವುದು ಎಂದರೆ ಅದು ಹೆಚ್ಚು ಸ್ಪಷ್ಟವಾಗಿ ಬರೆಯುವುದು ಎಂದರ್ಥ. ನೀವು ವಿಷಯವನ್ನು ಕೀಳಾಗಿ ಮಾಡಿಸುತ್ತಿಲ್ಲ (dumbing down). ಬದಲಾಗಿ ಕೇವಲ ಒಂದು ಬ್ರೌಸರ್ ಟ್ಯಾಬ್ನ ಮಿತಿಯೊಳಗೆ ಮಾತ್ರ ಕೆಲಸ ಮಾಡುವ ಅವಲಂಬನೆಗಳನ್ನು (dependencies) ನೀವು ತೆಗೆದುಹಾಕುತ್ತಿದ್ದೀರಿ.
ನೈಜ ಆಡಿಟ್ (Audit) ನಡೆಸಿ
ನೀವು ಒಂದು ಗಂಟೆಗಿಂತ ಕಡಿಮೆ ಸಮಯದಲ್ಲಿ ನಿಮ್ಮ ಸ್ವಂತ ಸ್ಟೋರ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಬಹುದು. ನಿಮ್ಮ FAQ ವಿಷಯವನ್ನು ಸ್ಪ್ರೆಡ್ಶೀಟ್ ಅಥವಾ ದಾಖಲೆಗೆ (document) ಎಕ್ಸ್ಪೋರ್ಟ್ ಮಾಡಿ. ಉತ್ಪನ್ನದ ಪುಟಗಳನ್ನು ನೋಡಬೇಡಿ. ಪ್ರತಿಯೊಂದು ಪ್ರಶ್ನೆ ಮತ್ತು ಉತ್ತರ ಜೋಡಿಯನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ, ಒಂದರ ನಂತರ ಒಂದರಂತೆ ಓದಿ.
ಈ ಕೆಳಗಿನ ಪ್ರಶ್ನೆಗಳನ್ನು ನಿಮ್ಮನ್ನು ನೀವೇ ಕೇಳಿಕೊಳ್ಳಿ:
- ಈ ಉತ್ತರವು ಚಾಟ್ಬಾಟ್ (chatbot) ಪ್ರತಿಕ್ರಿಯೆಯಲ್ಲಿ ಕಂಡುಬಂದಲ್ಲಿ ಅರ್ಥವಾಗುತ್ತದೆಯೇ?
- ಇದು ಉತ್ಪನ್ನ ಅಥವಾ ವರ್ಗದ ಹೆಸರನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತದೆಯೇ ಅಥವಾ ಸುತ್ತಮುತ್ತಲಿನ ಪುಟದ ಸಂದರ್ಭದ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆಯೇ?
- "ಮೇಲೆ", "ಕೆಳಗೆ" ಅಥವಾ "ಅದು" ಎಂಬಂತಹ ಪದಗಳು ಪುಟದ ಹೊರಗಿನ ಯಾವುದನ್ನಾದರೂ ಸೂಚಿಸುತ್ತಿವೆಯೇ?
- ಒಬ್ಬ ಅಪರಿಚಿತ ವ್ಯಕ್ತಿಯು ಕೇವಲ ಈ ಪಠ್ಯವನ್ನು ಓದಿದರೆ, ಅವರು ಕ್ರಮ ಕೈಗೊಳ್ಳಲು ಸಾಕಷ್ಟು ಮಾಹಿತಿ ಸಿಗುತ್ತದೆಯೇ?
ನೀವು ಕಂಡುಕೊಳ್ಳುವ ಪ್ರತಿಯೊಂದು ತಪ್ಪೂ ಒಂದು ಸಣ್ಣ ಮರುಬರಹವೇ ಹೊರತು ತಾಂತ್ರಿಕ ಯೋಜನೆಯಲ್ಲ. ನಿಮ್ಮ Shopify admin ಅಥವಾ FAQ ಆ್ಯಪ್ನಲ್ಲಿನ ಪಠ್ಯವನ್ನು ಅಪ್ಡೇಟ್ ಮಾಡಿ. ನಿಮಗೆ ನೆಮ್ಮದಿ ನೀಡಿದರೆ schema validator ಅನ್ನು ಮತ್ತೊಮ್ಮೆ ರನ್ ಮಾಡಿ, ನಂತರ ಒಂದು ತಿಂಗಳ ಕಾಲ ಅದರ ಬಗ್ಗೆ ಮರೆತುಬಿಡಿ. ಬದಲಾಗಿ ಓದುವ ಪರೀಕ್ಷೆಯನ್ನು (reading test) ನಂಬಿ.
ಮುಖ್ಯ ಅಂಶ (The Takeaway)
Shopify ವ್ಯಾಪಾರಿಗಳು ವರ್ಷಗಳಿಂದ ಕ್ರಾಲರ್ಗಳಿಗಾಗಿ (crawlers) ಆಪ್ಟಿಮೈಸ್ ಮಾಡಲು ಸಮಯ ವ್ಯಯಿಸಿದ್ದಾರೆ. ಅವರು schema ಅನ್ನು ಸೇರಿಸಿದ್ದಾರೆ, ಚಿತ್ರಗಳನ್ನು ಕಂಪ್ರೆಸ್ ಮಾಡಿದ್ದಾರೆ ಮತ್ತು Core Web Vitals ಅನ್ನು ಬೆನ್ನಟ್ಟಿದ್ದಾರೆ. ಆದರೆ ಕ್ರಾಲರ್ಗಾಗಿ ಆಪ್ಟಿಮೈಸ್ ಮಾಡುವುದು ಮತ್ತು ಗ್ರಹಿಕೆಗಾಗಿ (comprehension) ಆಪ್ಟಿಮೈಸ್ ಮಾಡುವುದು ಒಂದೇ ಅಲ್ಲ.
Schema ಎಂಬುದು ಸಂಕೇತಗಳ (signposts) ಗುಂಪಾಗಿದೆ. ಅದು ನಿಮ್ಮ ವಿಷಯವನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಆದರೆ ನಿಜವಾದ ಕೆಲಸವನ್ನು ವಿಷಯವೇ ಮಾಡಬೇಕಾಗುತ್ತದೆ. ಒಂದು AI ಏಜೆಂಟ್ ನಿಮ್ಮ ಮಾರ್ಕಪ್ ಅನ್ನು ಪರಿಪೂರ್ಣವಾಗಿ ಓದಬಹುದು ಮತ್ತು ಆದರೂ ಯಾವುದೇ ಮಾಹಿತಿ ಇಲ್ಲದೆ ಹೊರಹೋಗಬಹುದು. ಸರ್ಚ್ ಮತ್ತು ಕಾಮರ್ಸ್ನ ಮುಂದಿನ ಹಂತದಲ್ಲಿ ಯಾರು ಗೆಲ್ಲುತ್ತಾರ ಎಂದರೆ, ಅವರು ಕೇವಲ ಚೆಕ್ಲಿಸ್ಟ್ಗಳನ್ನು ಪೂರೈಸುವುದನ್ನು ನಿಲ್ಲಿಸಿ, ಎಲ್ಲೆಡೆ ತಲುಪಬಲ್ಲ (travel) ಉತ್ತರಗಳನ್ನು ಬರೆಯಲು ಪ್ರಾರಂಭಿಸುವವರು.
ಈ ಲೇಖನಕ್ಕೆ ಸ್ಫೂರ್ತಿ ನೀಡಿದ ಮೂಲ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಓದಬೇಕೆಂದರೆ, ನೀವು ಅದನ್ನು ಇಲ್ಲಿ ಕಾಣಬಹುದು. AI, structured data ಮತ್ತು Shopify optimization ಬಗ್ಗೆ ನಿರಂತರ ಚರ್ಚೆಗಳಿಗಾಗಿ, GyaanSetu learning community ಗೆ ಸೇರಿ.
