Spis treści
Do tej pory skupialiśmy się głównie na treści, jej strukturze i powiązaniach między artykułami. To są rzeczy, które widać na pierwszy rzut oka.
Dane strukturalne nie są widoczne dla „zwykłych śmiertelników”, ale mają pomóc „zrozumieć” Twoją stronę systemom, które z niej korzystają. I naturalnie pojawia się pytanie: czy w kontekście AI to w ogóle ma znaczenie?
Czym właściwie są dane strukturalne
Dane strukturalne to sposób opisywania treści strony w bardziej uporządkowany sposób.
Nie zmieniają tego, co widzi użytkownik, ale dodają dodatkową warstwę informacji. Dzięki nim można jasno wskazać, co jest artykułem, co produktem, kim jest autor albo czego dotyczy dana treść.
Można to porównać do podpisów pod elementami na stronie. Dla człowieka często nie są konieczne, bo potrafi zrozumieć kontekst. Dla systemu, który analizuje treść, mogą być pomocne.
Jak to się ma do działania AI
W kontekście AI dane strukturalne nie są głównym czynnikiem decydującym o widoczności.
Modele językowe przede wszystkim analizują samą treść i to, czy odpowiada na pytania, czy jest zrozumiała i czy wpisuje się w szerszy kontekst. O tym mówiliśmy już w artykule „Jak pisać treści, które AI wybiera jako odpowiedzi?” oraz „Struktura treści pod AI – jak układać tekst, żeby był czytelny dla modeli”.
Jednocześnie dane strukturalne mogą pomóc w lepszym zrozumieniu, czym dana strona jest i jaką pełni funkcję.
Jeśli masz artykuł, który jest jasno oznaczony jako artykuł, z przypisanym autorem i tematem, łatwiej go zinterpretować niż treść, która nie ma żadnego dodatkowego kontekstu.
Czy brak danych strukturalnych blokuje widoczność
W praktyce brak danych strukturalnych rzadko jest głównym powodem, dla którego strona nie pojawia się w odpowiedziach AI.
Znacznie częściej problem leży w samej treści. Jeśli artykuł nie odpowiada na pytania, jest zbyt ogólny albo źle ułożony, to nawet najlepiej wdrożone schemy nie pomogą.
Lubię to porównywać do składu produktów opisanego na ich opakowaniach. Prosty skład sosu, składającego się z kilku warzyw, przypraw i jogurtu – pokazuje jakość, od razu wiadomo o co chodzi.
Z kolei lista emulgatorów, barwników i innych stymulantów smaku e36, m69 itd. (te ostatnie wymyśliłem). Pokazuje że coś tutaj jest nie tak – delikatnie mówiąc.
Z punktu widzenia AI większą wartość będzie miał ten pierwszy. Klarowny i bezpieczniejszy.
Kiedy dane strukturalne zaczynają mieć sens
Dane strukturalne zaczynają mieć znaczenie wtedy, kiedy podstawy są już dobrze ogarnięte.
Jeśli masz:
- dobrze napisane treści,
- logiczną strukturę,
- powiązania między artykułami,
- spójny temat,
to dodatkowa warstwa informacji może tylko pomóc uporządkować całość i postawić przysłowiową „wisienkę na torcie”.
Jak to łączy się z wiarygodnością
Dane strukturalne mogą też wspierać to, o czym mówiliśmy w kontekście zaufania.
W artykule „E-E-A-T w praktyce – jak zwiększyć zaufanie AI do Twojej strony?” pojawił się wątek wiarygodności. Jeśli jasno pokazujesz, kto jest autorem, czego dotyczy treść i jak jest zbudowana, wzmacniasz ten przekaz.
Nie jest to element kluczowy, ale może być dodatkowym sygnałem, że strona jest uporządkowana i przemyślana.
Podsumowanie
Dane strukturalne nie są najważniejszym elementem widoczności w AI. Największe znaczenie ma to, co piszesz i jak to układasz. Jeśli te elementy są słabe, schemy niewiele zmienią.
Jeśli jednak masz już solidne podstawy, dane strukturalne mogą pomóc uporządkować treści i wzmocnić ich interpretację.
Zawsze opisuje to na przykładzie sklepu.
- Treść to produkt.
- Struktura to sposób jego ułożenia na półce sklepowej.
- Dane strukturalne to etykiety, które mówią, czym ten produkt jest.
Jeśli produkt jest słaby, etykieta nic nie zmieni.
Jeśli produkt jest dobry, etykieta może pomóc go lepiej zrozumieć.
W kolejnym artykule przejdziemy do bardzo praktycznego tematu, który często jest pierwszym sygnałem problemu:
