Продавцы на Shopify обожают чек-листы. Установите приложение, вставьте структурированные данные, запустите Google Rich Results Test и наблюдайте, как валидатор становится зеленым. Задача выполнена, схема активна, и все идут дальше. Но эта галочка лишь доказывает, что ваш код синтаксически верен. Она ничего не говорит о том, сможет ли ИИ-агент на самом деле использовать ваш контент.

У большинства магазинов на Shopify сейчас есть схема FAQ. Они добавили её, потому что какой-то SEO-гайд сказал, что это необходимо. Разметка часто валидна. Однако для машин, которые её читают, она бесполезна. Между размеченным контентом и контентом, пригодным для использования машинами, растет разрыв, и большинство владельцев магазинов даже не подозревают о его существовании.

Что на самом деле проверяет валидация

Валидатор схемы — это инструмент проверки синтаксиса. Он задает три базовых вопроса: Есть ли вопрос? Есть ли на него ответ? Является ли код структурно правильным? Если на все три вопроса ответ «да», вы проходите проверку. Валидатору неважно, что именно сказано в ответе. Он не оценивает смысл, контекст или полноту информации.

Именно здесь продавцы заходят в тупик. Они видят зеленый значок и полагают, что работа завершена. Но валидная разметка проверяет только «контейнер». Она никогда не проверяет, имеет ли смысл содержимое этого контейнера само по себе. ИИ-агент читает вашу страницу не так, как валидатор. Он не будет хвалить вас за правильную вложенность тегов. Он хочет извлечь ваш ответ из окружения и использовать его напрямую.

Если ваши ответы в FAQ содержат фразы вроде «подробности см. ниже» или «свяжитесь с нами для получения дополнительной информации», ваша схема технически валидна. Однако для машины такой контент — это тупик. У агента нет глаз, нет терпения и нет возможности прокрутить страницу вниз в поисках контекста. Он нашел ваш ответ, попытался его использовать и обнаружил, что там ничего нет.

Контекстный разрыв

Люди и машины обрабатывают один и тот же раздел FAQ совершенно по-разному. Покупатель-человек смотрит на изображение товара, сканирует макет страницы, читает название товара и воспринимает ваш двухстрочный ответ в FAQ как часть общей визуальной истории. Он понимает, к чему относится слово «это», потому что видит объект.

ИИ-агенты не видят страницу. Они читают текст изолированно. Они разбирают вашу схему FAQ на отдельные фрагменты данных. Если ответ требует визуальных или контекстуальных подсказок из остальной части страницы, машина их полностью упускает.

Представьте типичный магазин одежды. Типичный вопрос: «Соответствует ли размерная сетке?» Продавец отвечает: «Немного маломерит, рекомендуем брать на размер больше». Покупатель-человек видит фото товара, название, ссылку на таблицу размеров и точно понимает, что имеет в виду продавец. ИИ-агент видит изолированное предложение о неизвестном товаре с неочевидной базой для сравнения. Что именно маломерит? По сравнению с какой размерной сеткой? Это мужская или женская вещь? У агента нет фото товара, на которое можно опереться, нет окружающего текста, и он понятия не имеет, относится ли «это» к кроссовкам, куртке или джинсам.

Проблема не в схеме. Проблема в том, как написан текст.

Пишем для условий нулевого контекста

Решение заключается не в добавлении новых типов схем или установке очередного приложения. Решение в том, чтобы относиться к вашим ответам в FAQ как к самостоятельным документам. Каждый ответ должен оставаться понятным, даже если его вырвать из контекста страницы и прочитать на пустом экране.

Начните с того, что представьте, будто ваш ответ появится в окне чата без фотографий товара, навигации и заголовка страницы. Если в таком сценарии ответ вводит вас в замешательство, он запутает и машину.

Вот как переписать текст для условий нулевого контекста:

  • Используйте полные предложения. Фрагментарные ответы полагаются на вопрос для передачи грамматики и смысла. Пишите полные предложения, которые несут самостоятельную ценность. Вместо «Маломерит, берите на размер больше» напишите: «Эта куртка немного маломерит по сравнению со стандартной американской размерной сеткой, поэтому мы рекомендуем заказывать на один размер больше».

  • Давайте исчерпывающий ответ. Ответ, который перенаправляет пользователя, — это не ответ. Если ваш текст заканчивается указанием на другую страницу, агенту нечего будет выдать пользователю. Предоставляйте конкретную информацию прямо в тексте. Укажите срок возврата, состав материала или сроки доставки прямо в ответе.

  • Удаляйте указательные фразы. Вычеркивайте любые упоминания вроде «как упоминалось выше», «подробности см. ниже», «см. таблицу слева» или «см. описание товара». Они предполагают пространственное расположение элементов, которого не существует для машины, разбирающей JSON-LD, или голосового помощника, читающего текст вслух.

  • Включайте конкретные детали. Не полагайтесь на соседний текст, чтобы заполнить пробелы. Если возможно, называйте продукт явно. Указывайте точные инструкции по уходу, точные измерения или конкретную страну происхождения. Чем более самодостаточным будет ответ, тем полезнее он станет для модели ИИ, которая обучается на ваших данных или выводит их в поиске.

Такой сдвиг в стиле письма ничего не стоит и почти не меняет того, как люди воспринимают вашу страницу. Для покупателя разница между «Маломерит, берите больше» и «Эта куртка немного маломерит по сравнению со стандартными американскими размерами, поэтому мы рекомендуем заказывать на размер больше» незначительна. Оба варианта передают одну и ту же мысль. Но для машины второй вариант — на вес золота. Он содержит сущности, связи и самостоятельные факты, которые можно извлечь и использовать повторно.

Схема указывает путь, контент выполняет работу

Владельцы магазинов Shopify часто выполняют требования чек-листа, не удовлетворяя потребности реального потребителя. В течение многих лет этим потребителем был Google. Теперь им всё чаще становится модель ИИ. Поисковые системы больше не просто индексируют ваши страницы