Produkt może być idealny dla klienta, ale jeśli nie ma kompletnych znaczników schema, agenci zakupowi AI nigdy go nie polecą. Agent czyta Twój HTML tak jak człowiek, ale produkt rozumie dzięki danym strukturalnym. Brak schema to brak zrozumienia.
Gdy klient prosi asystenta zakupowego AI o znalezienie torby na laptopa, która zmieści się pod fotelem w samolocie i kosztuje mniej niż $100, agent nie przegląda sieci jak człowiek. Czyta dane strukturalne ze stron produktów. Szuka schematu Offer z konkretnymi cenami, schematu Product z atrybutami wymiarów i schematu AggregateRating z opiniami klientów. Jeśli strona produktu ma piękny opis, ale nie ma schema, agent pomija ją całkowicie.
Ten rozdział pokazuje, jak działa schema produktu, jakie znaczniki systemy zakupowe AI naprawdę czytają i jak ułożyć dane produktów, by agenci AI mogli je znaleźć i polecić.
Czym jest schema produktu i dlaczego agenci AI od niej zależą
Schema produktu to czytelny maszynowo kod, który mówi systemom AI, czym jest produkt, ile kosztuje, jak jest oceniany i gdzie klienci mogą go kupić. Zamiast prosić agenta AI, by zgadywał, czy "torba na laptopa" oznacza teczkę czy plecak, schema mówi mu to wprost. Ten produkt ma kółka. Ma przegródkę na laptopa 15 cali. Kosztuje $89.99.
Znaczniki schema używają formatu zwanego JSON-LD. JSON-LD to sposób zapisu danych, który odczyta każdy system komputerowy bez rozumienia HTML czy projektu strony. Robot AI odwiedza stronę produktu, czyta HTML i wyodrębnia też znacznik skryptu JSON-LD. Ten znacznik zawiera dane strukturalne. Agent analizuje te dane i od razu rozumie produkt.
Sklepy z kompletną schema produktu dostają o 58,3% więcej kliknięć z interfejsów zakupowych AI niż sklepy z niekompletną lub brakującą schema. Produkty z wyraźnymi znacznikami schema pojawiają się 3,1 razy częściej w AI Overviews i w wynikach zakupowych AI.
Różnica między schematem Product a schematem Offer
Schemat Product opisuje, czym jest produkt. Schemat Offer obejmuje cenę, dostępność i informacje o sprzedawcy. Razem tworzą pełny obraz, którego potrzebują systemy zakupowe AI.
Schemat Product zawiera nazwę produktu, opis, obraz, markę, kategorię produktu, kolor, rozmiar, wagę, wymiary, materiał i GTIN (numer kodu kreskowego). To warstwa tożsamości. Mówi AI, co sprzedajesz.
Schemat Offer zawiera cenę, walutę, dostępność (na stanie, brak na stanie, przedsprzedaż), stan towaru (nowy, odnowiony, używany), nazwę sprzedawcy i politykę zwrotów. To warstwa transakcji. Mówi AI, gdzie i jak klienci mogą kupić produkt.
Strona produktu potrzebuje obu. Produkt bez oferty to tylko informacja. Oferta bez produktu zostawia AI w niepewności, co jest sprzedawane. Znaczniki schema dla zakupów AI zawsze obejmują schemat Product plus co najmniej jeden blok schematu Offer.
Jak agenci zakupowi AI używają schema do dopasowania produktów do potrzeb klientów
Gdy klient prosi agenta AI o znalezienie czegoś, agent rozbija prośbę na atrybuty do wyszukania. Prośba o "butelkę na wodę, która trzyma napoje zimne przez 24 godziny" zamienia się w atrybuty wyszukiwania, takie jak typ produktu równa się butelka na wodę, materiał obejmuje stal nierdzewną lub podwójną ściankę, pojemność wynosi co najmniej 16 uncji, a kolor może być dowolny.
Agent przeszukuje następnie feedy produktowe w poszukiwaniu produktów pasujących do wszystkich tych atrybutów. Jeśli schema produktu nie zawiera atrybutu materiału ani pojemności, agent nie może ocenić, czy produkt pasuje. Nawet jeśli produkt jest idealny, agent go pomija.
Dlatego kompletna schema liczy się bardziej niż tekst marketingowy. Piękny opis produktu mówiący "trzyma napoje zimne cały dzień" nie daje agentowi temperatury ani czasu. Schema określająca materiał jako stal nierdzewną i pojemność jako 32 uncje mówi agentowi dokładnie, czego szukać.
Co systemy zakupowe AI naprawdę czytają w Twojej schema
Nie każde pole w znacznikach schema ma równą wagę. Systemy zakupowe AI dają pierwszeństwo niektórym polom, bo pomagają one dopasować produkty do ograniczeń klienta.
Pola krytyczne, które są wymagane, to nazwa produktu, cena, waluta i dostępność. Są niepodważalne. Bez nich agent nie może uwzględnić produktu w wynikach.
Pola o wysokim priorytecie, które są mocno wykorzystywane, to marka, obraz, GTIN lub MPN, kolor, rozmiar, materiał, waga, wymiary i AggregateRating. Te pola bezpośrednio wpływają na to, czy agent poleci produkt, gdy klient porównuje opcje.
Pola drugorzędne, które pojawiają się w razie potrzeby, to informacje o gwarancji, szczegóły wysyłki, polityka zwrotów, kategoria produktu i producent. Pojawiają się w odpowiedzi agenta, ale nie napędzają pierwszej rekomendacji.
Większość marek e-commerce poprawnie wypełnia pola krytyczne i o wysokim priorytecie, ale całkowicie pomija drugorzędne. Kompletna schema zawierająca gwarancję, politykę zwrotów i szczegóły wysyłki zwiększa prawdopodobieństwo, że agent poleci Twój sklep, gdy klienci oceniają wiarygodność.
JSON-LD to format preferowany przez systemy AI
Znaczniki schema można zapisać na wiele sposobów. Microdata używa atrybutów HTML. RDFa używa znaczników HTML. JSON-LD używa znacznika skryptu, który żyje osobno od HTML.
Systemy AI preferują JSON-LD, bo to najłatwiejszy format do analizy. JSON to poprawne, uporządkowane dane. Program komputerowy może go wyodrębnić bez rozumienia układu czy projektu strony. Gdy robot AI odwiedza stronę, szuka znacznika skryptu JSON-LD, czyta dane i od razu ich używa.
89% wdrożeń schema używa JSON-LD. To format zalecany przez Google. To format, który platformy zakupowe AI spodziewają się czytać. Jeśli Twoja platforma e-commerce generuje schema automatycznie, prawie na pewno generuje JSON-LD.
Znaczniki schema powinny znajdować się w <head> strony lub zaraz po znaczniku <body>. Powinny być statycznym HTML w kodzie źródłowym strony, a nie ładowane dynamicznie przez JavaScript. Jeśli schema produktu ładuje się po wykonaniu JavaScript, niektóre roboty AI nie poczekają na jej załadowanie i przeskanują pustą wersję strony.
Budowanie kompletnej schema Product dla katalogu
Minimalny blok schema produktu musi zawierać nazwę, opis, obraz, markę, cenę, walutę i dostępność. Ale minimalna nie wygrywa z kompletną.
Kompletna schema produktu zawiera wszystko powyższe plus GTIN (numer kodu kreskowego), opcje kolorów, opcje rozmiarów, materiał, wagę, wymiary, kategorię produktu, producenta, ocenę zbiorczą (liczbę gwiazdek i liczbę opinii) oraz atrybuty specyficzne dla kategorii produktu.
Jeśli produkt występuje w wariantach (różne rozmiary lub kolory), każdy wariant potrzebuje własnego bloku Offer z własną ceną i dostępnością. Koszulka w kolorze czerwonym, niebieskim i zielonym powinna mieć trzy osobne bloki schematu Offer. Torba w rozmiarze małym, średnim i dużym powinna mieć trzy wpisy z ceną i dostępnością.
Główne platformy e-commerce generują podstawową schema automatycznie. Generowanie schema zwykle wystarcza dla pól krytycznych, ale często pomija materiał, wymiary i obsługę wariantów. Sprawdź swoją schema. Upewnij się, że warianty koloru i rozmiaru mają własne bloki Offer. Zweryfikuj, czy specjalne typy produktów (zestawy, zestawy prezentowe) są ustrukturyzowane poprawnie.
Jak sprawdzić, czy schema jest poprawna
Nie zakładaj, że platforma generuje poprawną schema, bez sprawdzenia. Użyj Google Rich Results Test lub narzędzia do walidacji Schema.org. Wpisz adres URL strony produktu, a narzędzie pokaże dokładnie, jaką schema zawiera strona.
Szukaj tych konkretnych problemów. Brakujące numery GTIN, nieprawidłowe wartości dostępności, brakujące deklaracje waluty, brakujące adresy URL obrazów, liczba opinii ustawiona na zero i brakujące informacje o wariantach to najczęstsze problemy do poprawy.
Brakujące numery GTIN to najczęstszy problem. Jeśli produkt ma kod kreskowy (EAN, UPC, ISBN), umieść go w schema. Systemy AI używają GTIN do weryfikacji tożsamości produktu u różnych sprzedawców. Jeśli GTIN jest brakujący lub błędny, agent nie może dopasować produktu do systemów magazynowych i porównań zakupowych.
Liczba opinii ustawiona na zero lub pusta to sygnał ostrzegawczy. Jeśli schema mówi, że produkt ma zero opinii, systemy AI zakładają, że jest nowy i niezweryfikowany. Nawet jeśli produkt ma 500 opinii, ale schema nie zawiera tej liczby, agenci widzą produkt niesprawdzony.
Feedy produktowe jako główny zasób schema
Jeśli sprzedajesz na platformach handlowych lub używasz usług feedów zakupowych, feed produktowy to miejsce, w którym schema ożywa w dużej skali.
Feed produktowy to uporządkowana lista wszystkich produktów ze znormalizowanymi polami. Każde pole odpowiada znacznikom schema. Generator feedu tworzy schema JSON-LD z tych danych. Jeśli feed ma niekompletne lub błędne dane, schema będzie niekompletna lub błędna w dużej skali.
Zainwestuj w jakość feedu. Oznacza to audyt danych produktowych pod kątem poprawności, kompletności i spójności. Wysokiej jakości feed zawierający GTIN, markę, cenę, dostępność i atrybuty produktów wygeneruje czystą, kompletną schema automatycznie.
Większość firm e-commerce zostawia 10 do 20% danych produktowych niekompletnych. Niekompletny produkt nie pojawia się w wynikach zakupowych AI. Audyt feedu, który poprawia tylko 20% produktów o największej sprzedaży, może zwiększyć widoczność w AI o 40% lub więcej.
AggregateRating i schema Review zwiększają rekomendacje
Produkt z opiniami jest polecany częściej niż identyczny produkt bez opinii. Systemy zakupowe AI traktują opinie jako weryfikację Twoich twierdzeń przez stronę trzecią.
Schemat AggregateRating mówi systemom AI, ile osób oceniło produkt i jaka była ich średnia ocena. Uwzględnij ratingValue (średnia ocena w gwiazdkach, np. 4,7), reviewCount (ile masz opinii), bestRating (zawsze 5) i worstRating (zawsze 1).
Produkt z oceną 4,8 gwiazdki i 120 opiniami sygnalizuje agentowi AI wiarygodność. Produkt bez danych o opiniach sygnalizuje, że jest niezweryfikowany. Jeśli produkt ma opinie na Twojej stronie, uwzględnij ocenę zbiorczą w schema. Jeśli produkt jest nowy i nie ma opinii, przynajmniej wpisz ratingCount jako 0 zamiast pomijać pole całkowicie.
Jak WEMASY pomaga w schema produktu
Kreator stron WEMASY zawiera generowanie schema dla stron produktów. Dodajesz informacje o produkcie przez interfejs WEMASY, a system automatycznie generuje czystą, poprawną schema JSON-LD. Możesz podejrzeć schema przed publikacją za pomocą wbudowanego walidatora WEMASY.
Dla sprzedawców w WEMASY można dodawać szczegółowe atrybuty produktów, takie jak materiał, wymiary, warianty kolorów i waga, bezpośrednio w edytorze produktu. WEMASY automatycznie przekłada te pola na kompletną schema Product i Offer. Więcej o funkcjach e-commerce WEMASY znajdziesz na stronie z cennikiem.
Najczęściej zadawane pytania
Czy każdy wariant produktu potrzebuje własnych znaczników schema
Jeśli produkt występuje w różnych rozmiarach, kolorach lub opcjach, każdy wariant powinien mieć własną schema Offer z własną ceną i dostępnością. Dzięki temu agenci AI mogą dopasować dokładnie ten wariant, którego szuka klient. Koszulka w trzech kolorach powinna mieć trzy osobne bloki Offer z trzema osobnymi cenami i stanami magazynowymi. W kreatorze stron WEMASY możesz to skonfigurować bezpośrednio na swojej stronie.
Co się stanie, jeśli mam znaczniki schema, ale są niekompletne
Systemy AI użyją tego, co jest dostępne, ale niekompletna schema ogranicza widoczność. Produkt z brakującym GTIN, wymiarami lub statusem dostępności dostaje niższy priorytet w rekomendacjach. Gdy dwa identyczne produkty pojawiają się w wynikach AI, wygrywa ten z pełniejszą schema. Najpierw uzupełnij najważniejsze braki. Daj pierwszeństwo GTIN, dostępności i cenie.
Czy zamiast JSON-LD użyć microdata lub RDFa
Nie. Użyj JSON-LD. To format preferowany przez systemy AI i zalecany przez Google. Microdata i RDFa są poprawne, ale wymagają od systemów AI analizy HTML, co jest wolniejsze i mniej niezawodne. JSON-LD jest czysty, oddzielony od HTML i powszechnie obsługiwany.
Jeśli sprzedaję na wielu platformach handlowych, czy potrzebuję innej schema dla każdej
Nie. Strona produktu powinna mieć jedną kanoniczną schema, która dokładnie opisuje produkt. Każda platforma handlowa może pobrać tę schema i wyświetlić produkt na swojej platformie. Utrzymuj schema na własnej stronie jako źródło prawdy. Platformy handlowe synchronizują się z tych danych.
Jak często aktualizować schema produktu, gdy zmieniają się szczegóły produktu
Aktualizuj schema natychmiast, gdy zmieniają się szczegóły produktu. Jeśli zmienia się cena, zaktualizuj pole ceny w schema Offer. Jeśli produkt jest niedostępny, zaktualizuj pole dostępności. Systemy AI regularnie ponownie skanują strony i wychwytują zmiany. Świeża, dokładna schema utrzymuje produkty widoczne w wynikach zakupowych AI.
Czy mogę użyć tego samego bloku schema dla wielu produktów
Nie. Każdy produkt potrzebuje własnych, unikalnych znaczników schema z własną nazwą produktu, opisem, GTIN i ceną. Ponowne użycie bloków schema uczy systemy AI, że produkty są duplikatami, co może zaszkodzić widoczności. Generuj unikalną schema dla każdego odrębnego produktu w katalogu.