Data Terstruktur untuk Pencarian AI: Apa yang Masih Penting

Apa yang Sebenarnya Dilakukan Data Terstruktur untuk Asisten AI

Setiap asisten AI yang menjawab pertanyaan seperti “dokter gigi terbaik di dekat saya” atau “di mana saya bisa membeli suku cadang ini” lebih dulu mengirim perayap—program yang mengunjungi halaman web dan menyalin isinya—untuk membaca situs Anda. Tanpa label, perayap itu melihat dinding teks dan harus menyimpulkan maknanya sendiri: apakah “555-0134” itu nomor telepon atau kode produk? Data terstruktur menyingkirkan tebak-tebakan dengan membungkus fakta dalam blok kode kecil bernama JSON-LD, yang duduk diam di halaman dan berkata, pada dasarnya, ini nomor telepon, ini harga, ini jam buka.

Dokumentasi OpenAI sendiri memastikan perayapnya, GPTBot, mengambil halaman web yang tersedia untuk umum kurang lebih seperti mesin pencari tradisional OpenAI, dan panduan data terstruktur Google menyatakan secara eksplisit bahwa label ini membantu sebuah program “memahami konten halaman” Google Search Central. Tak satu pun dari kedua perusahaan itu mengatakan mereka mengabaikan pelabelan ini, jadi dalam praktiknya, blok JSON-LD yang sama yang akan Anda tambahkan untuk pencarian klasik tetap dibaca oleh asisten yang kini dituju pelanggan Anda. Kalau Anda belum pernah menambahkannya, asisten yang menjawab pertanyaan tentang bisnis Anda hari ini bekerja dari tebakan, bukan fakta.

Empat Tipe Skema yang Sepadan dengan Waktu Anda

Schema.org mendaftar ratusan tipe item, dari Recipe sampai Movie sampai Airport, tetapi usaha kecil atau menengah pada umumnya hanya butuh empat di antaranya untuk mencakup hampir semua fakta yang mungkin dikutip asisten. Tambahkan yang ini, dan jangan pusingkan sisanya.

• Organization — menetapkan bisnis Anda sebagai satu entitas bernama, lengkap dengan logo dan tautan ke profil sosial resmi, sehingga asisten bisa tahu bahwa akun Instagram dan situs webnya sama-sama milik “Toko Roti Dolores”.
• LocalBusiness — perluasan Organization yang dibuat untuk siapa pun dengan alamat fisik atau wilayah layanan; ia membawa jam buka, nomor telepon, dan lingkungan Anda, detail persis yang dibutuhkan asisten untuk menjawab “apakah mereka buka sekarang”.
• Product dan Offer — melekatkan harga, mata uang, dan ketersediaan yang nyata pada apa yang Anda jual, sehingga asisten mengutip angka Anda yang sebenarnya alih-alih merata-ratakan tebakan beberapa pesaing.
• FAQPage — sekumpulan pasangan tanya-jawab dalam bentuk persis yang sudah disukai asisten untuk diangkat dan dikutipkan kembali kepada pengguna, kata demi kata.

Apa yang Dilakukan Konfirmasi Terbaca Mesin untuk Penyelesaian Identitas

Bayangkan Dolores, pemilik toko roti di Austin. Ia punya Profil Bisnis Google, halaman Yelp, akun Instagram, dan situs web—empat penyebutan terpisah atas “Toko Roti Dolores” yang berserak di internet. Sebelum sebuah asisten bisa dengan aman merekomendasikannya, ia harus menyelesaikan soal identitas: memutuskan apakah keempat penyebutan itu menggambarkan bisnis nyata yang sama, atau apakah salah satunya adalah Toko Roti Dolores yang lain di kota yang lain.

Data terstruktur memberi asisten jalan pintas. Sebuah properti schema.org bernama sameAs memungkinkan Dolores mencantumkan URL Instagram, Facebook, dan Yelp-nya langsung di dalam markup Organization situsnya sendiri—konfirmasi yang terbaca mesin, dengan kata-katanya sendiri, bahwa akun-akun itu miliknya schema.org. Itu sinyal yang lebih kuat daripada asisten menyimpulkan kecocokan dari nama dan alamat yang mirip di berbagai sumber yang tidak sepenuhnya ia percayai; ini Dolores sendiri yang menjamin kaitannya, dalam format yang tak bisa disalahbaca apa pun.

Ini makin penting seiring bertambahnya persaingan atas sebuah nama. Satu “Toko Roti Dolores” di kota berpenduduk delapan ribu orang menyelesaikan dirinya sendiri dengan mudah. Sebuah “Riverside Dental” yang bersaing dengan empat klinik bernama mirip membutuhkan tiap detail pembeda—alamat persis, nomor telepon persis, tautan sosial yang terkonfirmasi—agar asisten tidak mencampurnya dengan rival di ujung jalan.

Contoh JSON-LD yang Bisa Disalin dan Disesuaikan Pekan Ini

Anda tidak butuh pengembang untuk menulis ini dari nol; Anda butuh mengisi sebuah templat. Blok JSON-LD untuk usaha lokal duduk di dalam satu tag script, ditandai bertipe application/ld+json, dan dibuka dengan baris yang menyatakan kosakatanya sebagai konteks schema.org. Di dalamnya, tipenya disetel ke LocalBusiness, diikuti kolom name berisi nama bisnis Anda yang persis dan kolom image yang menunjuk ke logo Anda.

Berikutnya datang alamat, ditulis sebagai objek bersarang tersendiri bertipe PostalAddress, dipecah menjadi streetAddress, addressLocality (kota Anda), addressRegion (provinsi Anda), dan postalCode—empat kolom berlabel terpisah alih-alih satu baris teks, karena itulah yang memungkinkan asisten menjawab “apakah ini dekat dari saya” tanpa salah membaca kode pos sebagai nomor unit. Kolom telephone dan kolom priceRange (cukup sesederhana “$” untuk harga menengah) menyusul. Kolom openingHoursSpecification mencantumkan hari dan jam Anda dalam format terstruktur alih-alih kalimat, sehingga “tutup hari Minggu” tidak bisa dibaca sebagai “tutup hari Senin”. Terakhir, kolom sameAs memuat sederet URL: Instagram Anda, halaman Facebook Anda, entri Yelp Anda, dan profil lain mana pun yang tak salah lagi memang Anda.

Setelah ditulis, blok itu ditempelkan sekali, dekat bagian atas kode beranda Anda, lalu dibiarkan. Kalau Anda memakai pembuat situs seperti Squarespace, Wix, atau Shopify, kebanyakan kini menyediakan kolom pengaturan untuk kode kustom atau data terstruktur tempat ini bisa ditambahkan tanpa menyentuh bagian lain situs Anda.

Apa yang Bisa Anda Lewati

Tidak setiap tipe schema.org sepadan dengan waktu Anda, dan mengejar semuanya membuang tenaga yang lebih baik dipakai untuk empat tipe di atas.

• Markup BreadcrumbList, yang menggambarkan struktur folder situs Anda (Beranda > Menu > Kue), membantu hasil pencarian klasik menampilkan jejak navigasi tetapi tidak memberi tahu asisten apa pun tentang fakta bisnis Anda—lewati saja kecuali Anda sudah memilikinya dari proyek sebelumnya.
• AggregateRating tanpa ulasan nyata di baliknya. Pedoman data terstruktur Google sendiri secara eksplisit melarang markup yang menyalahgambarkan rating yang sebenarnya tidak Anda punya Google Search Central, dan asisten yang mengulang skor melambung yang tak bisa Anda buktikan adalah risiko reputasi, bukan kemenangan.
• Markup yang bersarang dalam-dalam atau digandakan di tiap halaman. Identitas Organization Anda cukup dinyatakan sekali dengan jelas, biasanya di beranda; mengulanginya secara tidak konsisten di puluhan halaman menciptakan versi yang saling bertentangan untuk didamaikan asisten, dan itu lebih buruk daripada menyatakannya sekali dengan benar.
• Tipe schema.org yang benar-benar baru dan jarang didukung. Kosakatanya sendiri mendaftar ratusan tipe yang dibuat untuk penggunaan sempit seperti resep atau bandara schema.org; kalau sebuah tipe tidak termasuk segelintir yang terdokumentasi benar-benar dipakai mesin pencari dan asisten, label itu tidak berbuat apa pun untuk Anda hari ini.

Cara Memeriksa Data Terstruktur Anda Benar-benar Bekerja

Menambahkan kodenya baru separuh pekerjaan; memastikan ia terbaca adalah separuh lainnya. Rich Results Test gratis dari Google memungkinkan Anda menempelkan URL halaman atau kodenya sendiri dan melihat persis tipe mana yang terdeteksi dan kolom mana yang hilang Google. Menjalankannya setelah tiap perubahan menangkap salah ketik—satu koma yang hilang bisa merusak seluruh blok tanpa suara—sebelum hal itu merugikan Anda.

Tes itu memberi tahu Anda bahwa kodenya valid. Ia tidak memberi tahu apakah ChatGPT benar-benar memakai jam buka Anda yang terkonfirmasi dalam sebuah jawaban, atau apakah Perplexity masih menempatkan pesaing lebih dulu. Itu pertanyaan tersendiri, dan itulah yang dibangun Growli untuk dijawab: kami melacak apa yang benar-benar dikatakan asisten tentang sebuah bisnis di berbagai platform dan menandai di mana jurang antara kode yang benar dan jawaban yang benar masih ada. Lihat cara kerjanya kalau Anda ingin memeriksa hasil Anda sendiri alih-alih berasumsi markup itu sudah bekerja.

FAQ