Schema.org untuk ChatGPT: Panduan Lengkap Optimasi

Apa yang diberikan schema.org kepada ChatGPT dan mesin pencari?

Schema.org menyediakan kosakata umum untuk mendeskripsikan apa yang ada di halaman: organisasi, produk, artikel, penulis, dan entitas lainnya. Markup membantu menyajikan informasi ini dalam bentuk yang dapat dibaca mesin, tetapi bukan merupakan perintah terpisah untuk ChatGPT dan tidak menggantikan teks konten situs yang bermakna.

Penting untuk membedakan tiga tugas. Teks halaman menjelaskan topik kepada manusia. Data terstruktur memperjelas entitas mana yang dirujuk oleh informasi tersebut dan propertinya. Aksesibilitas teknis situs memungkinkan sistem untuk mengambil halaman. Jika salah satu elemen ini tidak ada, markup schema saja tidak akan menyelesaikan masalah pemahaman.

Untuk memulai, buat daftar halaman dan entitas kunci:

• halaman utama dan perusahaan di balik situs;
• halaman produk atau layanan;
• artikel, penulis, dan bagian publikasi;
• kontak dan profil resmi, jika memang terkait dengan organisasi.

Jangan menambahkan tipe "untuk jaga-jaga". Pilih hanya tipe yang benar-benar sesuai dengan konten halaman, dan hubungkan dengan URL spesifik. Jika Anda membutuhkan strategi data terstruktur untuk pencarian AI secara umum, lihat panduan Markup Schema untuk Pencarian AI.

Markup apa yang diperlukan untuk ChatGPT dan berbagai halaman?

Kumpulan tipe schema.org tergantung pada apa yang sebenarnya dideskripsikan oleh situs. Untuk sumber daya perusahaan, mulailah dengan entitas organisasi dan deskripsi situs, lalu tambahkan tipe di tingkat halaman tertentu. Model ini membantu tidak mencampur informasi tentang perusahaan, produk, dan publikasi dalam satu markup umum.

Biasanya, kombinasi berikut digunakan:

• Organization — nama organisasi, situs resmi, dan pengidentifikasi yang tersedia.
• WebSite — deskripsi situs dan alamatnya.
• WebPage — informasi tentang halaman tertentu dan hubungannya dengan situs.
• Product — kartu produk spesifik dengan karakteristik yang ditampilkan kepada pengguna.
• Article — publikasi editorial; jika perlu, sebutkan penulis dan tanggal, asalkan data tersebut ada di halaman.

Pilih tipe berdasarkan tujuan sebenarnya dari URL. Halaman produk bukan artikel, dan halaman tentang perusahaan bukan kartu produk. Pertama, pastikan properti penting dapat ditemukan juga di konten yang terlihat: data terstruktur harus mendeskripsikan halaman, bukan menyampaikan informasi yang tidak ada di dalamnya.

Kemudian, selaraskan penulisan nama merek, alamat, deskripsi, dan tautan ke profil resmi. Untuk mendeskripsikan hubungan antar halaman, gunakan URL yang stabil dan pengidentifikasi entitas yang logis. Prinsip membangun fondasi teknis semacam ini dijelaskan lebih lanjut di bagian Technical AEO: schema, llms.txt, dan crawler.

Bagaimana cara mengimplementasikan JSON-LD tanpa kontradiksi dengan konten?

JSON-LD adalah cara yang nyaman untuk menambahkan data terstruktur ke dalam HTML halaman sebagai blok terpisah. Pertama, catat informasi nyata tentang perusahaan dan konten setiap halaman, lalu buat markup dan implementasikannya ke dalam template situs atau sistem manajemen konten.

Contoh minimal untuk mendeskripsikan organisasi:

{"@context":"https://schema.org","@type":"Organization","name":"Nama Perusahaan","url":"https://example.com/","description":"Deskripsi singkat perusahaan"}

Ganti nilai contoh dengan data yang telah diverifikasi dan gunakan alamat situs Anda sendiri. Jangan menyalin template secara harfiah: jika organisasi tidak memiliki properti tertentu atau tidak didukung oleh konten, jangan menambahkannya. Untuk halaman produk dan artikel, buat markup terpisah dengan tipe yang sesuai, jangan memperluas objek Organization dengan bidang yang tidak terkait.

Sebelum publikasi, periksa empat hal:

• nama, URL, dan deskripsi ditulis sama di markup dan di halaman;
• tipe yang dipilih benar-benar mendeskripsikan konten URL;
• JSON-LD sintaksisnya benar dan ditempatkan di kode sumber halaman;
• saat harga, karakteristik produk, penulis, atau teks berubah, markup diperbarui bersamaan dengan halaman.

Untuk verifikasi, Anda dapat menggunakan alat yang menganalisis data terstruktur dan menampilkan kesalahan sintaksis atau ketidakcocokan dengan fitur pencarian yang didukung. Pemeriksaan semacam itu mengonfirmasi kualitas implementasi markup, tetapi tidak mengevaluasi apakah jawaban AI tertentu akan menggunakan informasi ini.

Bagaimana cara memverifikasi dan memelihara markup situs?

Setelah implementasi, periksa tidak hanya satu contoh, tetapi setiap tipe template situs. Jika semua kartu produk menggunakan template umum, uji beberapa kartu nyata yang berbeda; hal yang sama berlaku untuk artikel, halaman layanan, dan halaman perusahaan.

Langkah-langkah verifikasi praktis:

• buka halaman yang sudah dipublikasikan dan pastikan blok JSON-LD ada di HTML-nya;
• periksa sintaksis dan kesesuaian tipe yang dipilih dengan konten;
• bandingkan properti di markup dengan teks dan data yang terlihat oleh pengunjung;
• periksa tautan internal dan alamat halaman, pastikan mengarah ke URL yang benar;
• ulangi pemeriksaan setelah perubahan template, CMS, atau struktur bagian.

Tunjuk penanggung jawab untuk sumber data: tim pemasaran dapat memvalidasi nama dan deskripsi, tim produk untuk karakteristik, tim editorial untuk penulis dan informasi publikasi, dan pengembang untuk implementasi dan template. Ini mengurangi risiko bahwa satu bagian situs menyampaikan informasi yang diperbarui sementara bagian lain masih memberikan nilai lama.

Markup adalah bagian dari aksesibilitas teknis dan deskripsi merek yang jelas, bukan file SEO yang terisolasi. Untuk langkah lebih lanjut terkait penyebutan dan rekomendasi di ChatGPT, pelajari cara masuk ke rekomendasi ChatGPT dan halaman tentang visibilitas merek di ChatGPT.

Apa yang tidak bisa diselesaikan schema.org untuk ChatGPT?

Markup yang benar membuat informasi tentang merek dan halaman lebih terstruktur, tetapi tidak menentukan konten jawaban ChatGPT. Keberadaan Organization atau Product dalam kode tidak berarti bahwa model pasti akan mengambil, memilih, atau mengutip data tersebut: akses ke halaman, pemrosesan sumber, dan penyusunan jawaban tidak dikendalikan oleh pemilik situs melalui schema.org.

Oleh karena itu, anggap implementasi sebagai salah satu elemen kehadiran digital yang jelas. Periksa informasi perusahaan di situs dan profil resmi, tulis deskripsi produk yang jelas, pertahankan halaman yang mutakhir, dan kaitkan publikasi dengan penulis. Kemudian, periksa secara terpisah informasi apa tentang proyek yang tersedia dalam jawaban AI dan apakah sesuai dengan informasi terkini.

Untuk toko atau katalog, Anda dapat mempelajari lebih lanjut tentang visibilitas produk di ChatGPT Shopping. Jika diperlukan kerja komprehensif untuk kehadiran situs dalam jawaban AI, layanan dan arahannya dikumpulkan di bagian visibilitas di pencarian AI.