Sprzedawcy na Shopify uwielbiają dobre listy kontrolne. Instalują aplikację, wklejają ustrukturyzowane dane, uruchamiają Google Rich Results Test i patrzą, jak walidator zmienia kolor na zielony. Zadanie wykonane, schemat działa, a wszyscy idą dalej. Jednak ten „ptaszek” potwierdza jedynie, że kod jest poprawny pod względem składni. Nie mówi nic o tym, czy agent AI jest w stanie faktycznie wykorzystać Twoje treści.

Większość sklepów na Shopify posiada schemat FAQ. Dodali go, ponieważ poradnik SEO stwierdził, że jest on niezbędny. Oznaczenia są często poprawne. Są jednak bezużyteczne dla maszyn, które je teraz odczytują. Powstaje coraz większa przepaść między treścią oznaczoną (marked-up) a treścią użyteczną dla maszyn, a większość właścicieli sklepów nawet nie wie o jej istnieniu.

Co tak naprawdę sprawdza walidacja

Walidator schematów to sprawdzacz składni. Zadaje trzy podstawowe pytania: Czy jest pytanie? Czy jest na nie odpowiedź? Czy kod jest poprawny strukturalnie? Jeśli wszystkie trzy odpowiedzi brzmią „tak”, przechodzisz test. Walidatorowi nie zależy na tym, co faktycznie mówi odpowiedź. Nie ocenia znaczenia, kontekstu ani kompletności.

To tutaj sprzedawcy utykają. Widzą zieloną odznakę i zakładają, że praca została zakończona. Jednak poprawny znacznik sprawdza jedynie „pojemnik”. Nigdy nie sprawdza, czy zawartość tego pojemnika ma sens sama w sobie. Agent AI nie czyta Twojej strony tak, jak robi to walidator. Nie klepie Cię po plecach za prawidłowe zagnieżdżanie elementów. On chce wyciągnąć Twoją odpowiedź z jej otoczenia i użyć jej bezpośrednio.

Jeśli Twoje odpowiedzi FAQ zawierają frazy typu „Szczegóły poniżej” lub „Skontaktuj się z nami, aby uzyskać więcej informacji”, Twój schemat jest technicznie poprawny. Jednak dla maszyny taka treść to ślepy zaułek. Agent nie ma oczu, nie ma cierpliwości ani możliwości przewijania strony w poszukiwaniu kontekstu. Znalazł Twoją odpowiedź, spróbował jej użyć i nie odkrył tam niczego.

Luka kontekstowa

Ludzie i maszyny przetwarzają tę samą sekcję FAQ w radykalnie różny sposób. Ludzki klient patrzy na zdjęcie produktu, skanuje układ strony, czyta nazwę produktu i przyswaja dwuliniową odpowiedź FAQ jako część większej wizualnej opowieści. Rozumie, do czego odnosi się słowo „to”, ponieważ może to zobaczyć.

Agenci AI nie widzą strony. Czytają tekst w izolacji. Analizują Twój schemat FAQ jako odrębne fragmenty danych. Jeśli odpowiedź wymaga wskazówek wizualnych lub kontekstowych z reszty strony, maszyna całkowicie je pomija.

Pomyśl o typowym sklepie odzieżowym. Częste pytanie brzmi: „Czy rozmiar jest zgodny z tabelą?”. Sprzedawca odpowiada: „Rozmiar jest nieco mniejszy, zalecamy wybranie większego”. Ludzki klient widzi zdjęcie produktu, tytuł, link do tabeli rozmiarów i dokładnie rozumie, co ma na myśli sprzedawca. Agent AI widzi odizolowane zdanie o nieznanym produkcie, używając niejasnej bazy odniesienia. Co jest za małe? W porównaniu do jakiej tabeli rozmiarów? Czy to produkt męski, czy damski? Agent nie ma zdjęcia produktu, na którym mógłby się oprzeć, żadnego otaczającego tekstu ani pojęcia, czy „to” odnosi się do sneakersów, kurtki czy pary jeansów.

Problemem nie jest schemat. Problemem jest sposób pisania.

Pisanie bez kontekstu

Rozwiązaniem nie jest dodawanie kolejnych typów schematów ani instalowanie kolejnej aplikacji. Rozwiązaniem jest traktowanie odpowiedzi FAQ jako samodzielnych dokumentów. Każda odpowiedź powinna zachować sens nawet po wycięciu jej z Twojej strony i przeczytaniu na pustym ekranie.

Zacznij od wyobrażenia sobie, że Twoja odpowiedź pojawi się w oknie czatu bez zdjęć produktów, bez nawigacji i bez tytułu strony powyżej. Jeśli odpowiedź będzie Cię konfudować w takim scenariuszu, zdezorientuje również maszynę.

Oto jak pisać, aby zachować skuteczność przy braku kontekstu:

  • Używaj pełnych zdań. Odpowiedzi fragmentaryczne polegają na pytaniu w kwestii gramatyki i znaczenia. Pisz pełne zdania, które niosą własny sens. Zamiast „Mały rozmiar, weź większy”, napisz „Ta kurtka jest nieco mniejsza w porównaniu do standardowej amerykańskiej rozmiarówki, dlatego zalecamy zamówienie rozmiaru większego”.

  • Rozwiązuj pytanie w całości. Odpowiedź, która przekierowuje użytkownika, nie jest odpowiedzią. Jeśli Twoja odpowiedź kończy się wskazaniem innej strony, agent nie ma czego przekazać. Podaj konkretne informacje bezpośrednio w tekście. Wymień okres zwrotu, skład materiałowy lub termin wysyłki właśnie w tej odpowiedzi.

  • Usuń zwroty kierunkowe. Wyeliminuj wszelkie sformułowania typu „jak wspomniano powyżej”, „szczegóły poniżej”, „sprawdź tabelę po lewej” lub „odnieś się do opisu produktu”. Zakładają one układ przestrzenny, który nie istnieje dla maszyny analizującej JSON-LD lub asystenta głosowego czytającego tekst na głos.

  • Osadzaj konkretne szczegóły. Nie polegaj na sąsiednim tekście, aby wypełnić luki. Jeśli to możliwe, wymieniaj nazwę produktu wprost. Odwołuj się do dokładnych instrukcji pielęgnacji, precyzyjnych wymiarów lub konkretnego kraju pochodzenia. Im bardziej samodzielna jest odpowiedź, tym bardziej staje się użyteczna dla modelu AI trenującego się na Twoich danych lub wyświetlającego je w wynikach wyszukiwania.

Ta zmiana stylu pisania nic nie kosztuje i prawie nic nie zmienia w sposobie, w jaki ludzie odbierają Twoją stronę. Dla kupującego różnica między „Mały rozmiar, weź większy” a „Ta kurtka jest nieco mniejsza w porównaniu do standardowej amerykańskiej rozmiarówki, dlatego zalecamy zamówienie rozmiaru większego” jest pomijalna. Oba komunikaty przekazują tę samą myśl. Jednak dla maszyny druga wersja to złoto. Zawiera ona encje, relacje i samodzielne fakty, które można wyodrębnić i ponownie wykorzystać.

Schema wskazuje drogę, treść wykonuje pracę

Właściciele sklepów Shopify często odhaczają punkty na liście kontrolnej, nie zaspokajając potrzeb faktycznego konsumenta. Przez lata tym konsumentem był Google. Teraz coraz częściej jest nim model AI. Wyszukiwarki nie zajmują się już tylko indeksowaniem Twoich stron