هوش مصنوعی در حال تغییر شیوهٔ کشف و ارزیابی برندها توسط مشتریان است.

سازمان‌های بزرگ باید فراتر از rich results بیندیشند و زمینهٔ کسب‌وکاری‌ای را که برای ماشین‌ها منتشر می‌کنند توسعه دهند.

در سال ۲۰۲۷، schema markup باید ارتقا یابد تا دیده‌شدن در AI SERPs حفظ شود.

همین حالا AI-Ready Schema Markup Scorecard رایگان و شخصی‌سازی‌شدهٔ خود را دریافت کنید ←

شغل تازهٔ schema markup: کمک به هوش مصنوعی برای درک کسب‌وکار شما

به نظر من، شغل تازهٔ schema markup این است که به هوش مصنوعی کمک کند کسب‌وکار شما را درک کند، نه این‌که فقط صفحاتی را واجد شرایط rich results کند. این یعنی محصولات، خدمات، افراد و مکان‌های خود را به‌صراحت توصیف کنید، نشان دهید چگونه به هم متصل‌اند و این واقعیت‌ها و روابط را همگام با تغییرات کسب‌وکار به‌روز و دقیق نگه دارید.

امروز یکی از بزرگ‌ترین پرسش‌هایی که از رهبران بازاریابی سازمان‌های بزرگ می‌شنوم این است: چطور مطمئن شویم هوش مصنوعی برند ما را درست می‌فهمد؟ پرسش به‌جایی است.

هوش مصنوعی روزبه‌روز بیشتر بر شیوهٔ کشف، بررسی و انتخاب کسب‌وکارها توسط مشتریان اثر می‌گذارد. برخلاف جست‌وجوی سنتی که مشتری می‌توانست به وب‌سایت شما سر بزند و خودش درک خود را بسازد، حالا هوش مصنوعی اطلاعات را از سراسر وب گرد می‌آورد و به‌جای او پاسخ می‌سازد.

این اطلاعات ممکن است از وب‌سایت شما، یک دایرکتوری شخص ثالث، نظرات مشتریان یا مقاله‌ای بیاید که سال‌ها پیش منتشر شده است. و همهٔ آن‌ها لزوماً دقیق، کامل یا به‌روز نیستند.

به نظر من، نکته‌ای که بازاریابان باید به آن توجه کنند این است: نمی‌توانید بر همه‌چیزِ گفته‌شده دربارهٔ کسب‌وکارتان توسط هوش مصنوعی کنترل داشته باشید. اما می‌توانید بر اطلاعاتی که به آن می‌دهید کنترل بیشتری داشته باشید، و این کار از وب‌سایت خودتان شروع می‌شود.

وب‌سایت شما یکی از ارزشمندترین منابع اطلاعاتی است که در اختیار دارید. همان‌جایی است که تعریف می‌کنید چه کسی هستید، چه چیزی ارائه می‌دهید، چه تخصصی به بازار می‌آورید و می‌خواهید کسب‌وکارتان به چه چیزی شناخته شود.

به همین دلیل معتقدم آماده‌کردن اطلاعاتی که در اختیار دارید برای هوش مصنوعی، یکی از مهم‌ترین سرمایه‌گذاری‌هایی است که بازاریابان سازمان‌های بزرگ امروز می‌توانند انجام دهند.

ارزیابی کنید که آیا schema markup شما برای هوش مصنوعی آماده است

اگر سازمان شما از قبل schema markup دارد، پایه را ساخته‌اید. فرصت کنونی این است که بزرگ‌تر فکر کنید که این نشانه‌گذاری چه کاری می‌تواند انجام دهد و مطمئن شوید راهبردتان برای کاری که schema markup امروز و فردا باید انجام دهد ساخته شده است، نه فقط برای کاری که دیروز انجام می‌داد.

خبر خوب این است که اگر قبلاً روی schema markup سرمایه‌گذاری کرده‌اید، از صفر شروع نمی‌کنید. اما همهٔ schema markupها یکسان نیستند. پیش از آن‌که تمرکزتان را بر انجام بیشتر بگذارید، بپرسید آیا آنچه دارید تصویری روشن و به‌هم‌پیوسته از کسب‌وکارتان به ماشین‌ها می‌دهد یا نه.

فرصت این است که پایه‌ای را که ساخته‌اید ارزیابی کنید، نقاطی را که می‌تواند قوی‌تر شود شناسایی کنید و از همان‌جا پیش بروید.

سه پرسشی که به رهبران بازاریابی سازمان‌های بزرگ پیشنهاد می‌کنم بپرسند:

نکتهٔ کاربردی: از AI-Ready Schema Markup Scorecard استفاده کنید تا پایهٔ کنونی خود را ارزیابی کنید و فرصت‌هایی را برای تقویت درک ماشین‌ها از کسب‌وکارتان شناسایی کنید.

۱. بررسی کنید که schema markup موجودیت‌های کلیدی کسب‌وکار شما را توصیف می‌کند

داشتن schema markup در سراسر وب‌سایت شروع خوبی است. اما آیا اطلاعاتی را ثبت می‌کند که واقعاً برای کسب‌وکار شما اهمیت دارد؟

به مهم‌ترین محصولات، خدمات، مکان‌ها و حوزه‌های تخصص خود فکر کنید. آیا نشانه‌گذاری شما آن‌ها را دقیق و با جزئیات کافی توصیف می‌کند؟ یا فقط حداقل الزامات یک قابلیت جست‌وجو را برآورده می‌کند؟ هدف فقط schema markup بیشتر نیست؛ نشانه‌گذاری معنادارتر است.

گام‌های عملی: پوشش موجودیت‌ها را بررسی کنید

-

صفحه‌ای اولویت‌دار را انتخاب کنید که نمایندهٔ یک محصول، خدمت یا مکان مهم است. با Google’s Rich Results Test یا Schema.org’s Schema Markup Validator، schema markup موجود آن را بررسی کنید.

-

نشانه‌گذاری را با محتوای قابل‌مشاهدهٔ صفحه مقایسه کنید. آیا موجودیت اصلی را به‌درستی شناسایی و ویژگی‌های مهم آن را توصیف می‌کند؟ برای مثال، صفحهٔ یک بیمارستان ممکن است سازمان را شناسایی کند اما تخصص‌های پزشکی یا جزئیات مکان آن را جا بیندازد.

-

جاهای خالی را پر کنید و بررسی کنید. ویژگی‌های مرتبط Schema.org را که محتوای صفحه پشتیبانشان است اضافه کنید، سپس نشانه‌گذاری به‌روزشده را در اعتبارسنج اجرا کنید تا مطمئن شوید اطلاعات به‌درستی نمایش داده می‌شوند.

۲. افراد، محصولات، خدمات و مکان‌های خود را به هم متصل کنید

این‌که ماشین‌ها بخش‌های جداگانهٔ کسب‌وکار شما را بشناسند یک چیز است؛ این‌که بفهمند همه‌چیز چگونه به هم می‌پیوندد چیز دیگری است. آیا افراد، محصولات، خدمات و مکان‌های شما به‌طور یکدست شناسایی و به هم متصل شده‌اند؟ آیا ماشین‌ها می‌توانند تشخیص دهند که صفحات مختلف دربارهٔ یک چیز صحبت می‌کنند؟

به یک نظام سلامت فکر کنید. ممکن است schema markupای داشته باشد که پزشکان، بیمارستان‌ها و خدمات پزشکی‌اش را توصیف کند. این شروع خوبی است. اما آیا این اطلاعات به‌روشنی نشان می‌دهد کدام پزشکان در کدام درمان‌ها تخصص دارند؟ کجا فعالیت می‌کنند؟ در هر مکان چه خدماتی در دسترس است؟ و همهٔ این‌ها چگونه به نظام سلامت متصل می‌شوند؟

از توصیف صفحات جداگانه فراتر بروید و تصویری به‌هم‌پیوسته از کسب‌وکارتان ارائه دهید.

گام‌های عملی: موجودیت‌های مرتبط را به هم متصل کنید

-

یک رابطهٔ معنادار را شناسایی کنید. برای مثال، وب‌سایت یک مرکز درمانی ممکن است صفحات جداگانه‌ای برای یک پزشک، تخصص پزشکی او و بیمارستانی که در آن فعالیت می‌کند داشته باشد.

-

این ارتباط‌ها را با استفاده از ویژگی‌های مرتبط Schema.org، مانند medicalSpecialty و worksFor، صریح کنید. شناسه‌های یکدست @id به موجودیت‌ها بدهید تا ماشین‌ها بتوانند همان پزشک یا بیمارستان را در چند صفحه تشخیص دهند.

-

اتصال‌ها را بررسی کنید. با Schema.org’s Schema Markup Validator نشانه‌گذاری را بررسی کنید و تأیید کنید که ویژگی‌ها به‌طور یکدست به موجودیت‌های موردنظر ارجاع می‌دهند.

۳. schema markup را با وب‌سایت خود همگام نگه دارید

کسب‌وکار شما مدام در حال تغییر است. خدمات تازه، مکان‌های تازه، تخصص تازه. و هم‌زمان با تغییر محتوای وب‌سایت، schema markup شما هم باید همگام بماند. چون کافی نیست که وب‌سایت شما یک داستان به مشتریان بگوید و داده‌های ساختاریافته داستان دیگری به ماشین‌ها.

هم‌زمان با تحول وب‌سایت، آیا schema markup شما هم‌گام پیش می‌رود، همان اطلاعات دقیق را بازتاب می‌دهد و روابطی را که کسب‌وکارتان را به هم متصل می‌کنند حفظ می‌کند؟

مطالعهٔ موردی Wells Fargo نشان می‌دهد چرا این موضوع اهمیت دارد. Wells Fargo با یک AI Overview روبه‌رو شد که به‌اشتباه یک شعبه را برای همیشه تعطیل معرفی کرده بود. تیم با تقویت اطلاعات ساختاریافته در وب‌سایتش کمک کرد آن پاسخ نادرست اصلاح شود.

نمی‌توانید بر هر پاسخی که هوش مصنوعی تولید می‌کند کنترل داشته باشید. اما می‌توانید بر دقت و یکدستی اطلاعاتی که برای کار به آن می‌دهید کنترل بیشتری داشته باشید. و این مستلزم آن است که حاکمیت اطلاعات از همان ابتدا بخشی از رویکردتان باشد.

گام‌های عملی: نشانه‌گذاری را به‌روز نگه دارید

-

مالکیت را مشخص کنید. مسئولیت دقت schema markup را میان تیم‌های سئو، محتوا و وب تقسیم کنید و فرایندی روشن برای بازبینی تغییرات تعیین کنید.

-

بررسی‌ها را در جریان‌های کاری موجود بگنجانید. وقتی سازمان شما خدمات، مکان‌ها، کارکنان یا دیگر اطلاعات مهم کسب‌وکار را به‌روز می‌کند، schema markup را در چک‌لیست به‌روزرسانی وب‌سایت بگنجانید. محتوای منتشرشده را با schema markup مقایسه کنید تا جزئیات قدیمی یا متناقض را پیدا کنید.

-

اعتبارسنجی و پایش کنید. پس از اعمال تغییرات، با Schema.org’s Schema Markup Validator تأیید کنید که اطلاعات به‌روزشده در نشانه‌گذاری شما بازتاب یافته است. بازبینی‌های دوره‌ای صفحات اولویت‌دار را برنامه‌ریزی کنید تا با تحول کسب‌وکار، ناسازگاری‌ها را زودتر بگیرید.

از schema markup برای ساختن یک Marketing Context Layer استفاده کنید

باید در این‌که از schema markup چه می‌خواهیم متفاوت بیندیشیم. باید بپرسیم آیا اطلاعات و زمینهٔ لازم را به ماشین‌ها می‌دهیم تا کسب‌وکارمان را به‌عنوان یک کل درک کنند و ارتباط ما را با موضوعاتی که بیشترین اهمیت را دارند تشخیص دهند.

اما چالش اینجاست: در وب‌سایت‌های بزرگ سازمانی، این اطلاعات اغلب در هزاران صفحه پراکنده است، تیم‌های مختلف آن را مدیریت می‌کنند و مدام تغییر می‌کند. حتی وقتی اطلاعات در صفحات جداگانه دقیق است، همیشه داستان روشن و به‌هم‌پیوسته‌ای از کسب‌وکار نمی‌گوید.

و گاهی خودمان به سردرگمی دامن می‌زنیم. همان‌طور که Mark van Berkel، مدیر ارشد فناوری Schema App، در Forbes توضیح می‌دهد، هوش مصنوعی همیشه لازم نیست اطلاعات نادرست از خودش بسازد. گاهی با اطلاعات متناقضی کار می‌کند که کسب‌وکارها خودشان منتشر کرده‌اند.

اگر می‌خواهیم هوش مصنوعی کسب‌وکار ما را بفهمد، باید بیش از تکه‌های جداگانهٔ اطلاعات به آن بدهیم. باید کمکش کنیم بفهمد این تکه‌ها چگونه به هم می‌پیوندند. و برای سازمان‌های بزرگ، این چالش کوچکی نیست.

به همه‌چیزی فکر کنید که سازمان شما در وب‌سایتش منتشر می‌کند. محصولات و خدمات، مکان‌ها، افراد و تخصصشان، موضوعاتی که می‌خواهید به آن‌ها شناخته شوید. همهٔ این اطلاعات به روایت داستان کسب‌وکار شما کمک می‌کند. اما در میان هزاران صفحه، تیم‌های مختلف و محتوای مدام‌درحال‌تغییر، این ارتباط‌ها همیشه روشن نیستند.

چه می‌شود اگر به وب‌سایتمان نه فقط به‌عنوان مجموعه‌ای از صفحات، بلکه به‌عنوان منبعی به‌هم‌پیوسته و معتبر از حقیقت دربارهٔ کسب‌وکارمان فکر کنیم؟ این همان فرصتی است که در Marketing Context Layer می‌بینم.

Marketing Context Layer پایه‌ای تحت حاکمیت از اطلاعات کسب‌وکار شماست که به ماشین‌ها کمک می‌کند بفهمند شما چه کسی هستید، چه چیزی ارائه می‌دهید، به چه چیزی شناخته می‌شوید و همهٔ این‌ها چگونه به هم متصل‌اند. این لایه با اطلاعاتی شروع می‌شود که در اختیار دارید و در وب‌سایتتان منتشر می‌کنید.

با schema markup پیشرفته می‌توانید واقعیت‌ها و روابط مهم کسب‌وکار را صریح کنید و آن‌ها را در یک Content Knowledge Graph به هم متصل کنید که هم‌گام با تحول کسب‌وکار قابل نگهداری است.

و این فقط بحث بازاریابی نیست. Forrester در حال بررسی اهمیت لایه‌های زمینه در هوش مصنوعی سازمانی است و نقش دانش کسب‌وکارِ به‌هم‌پیوسته را در کمک به سیستم‌های هوش مصنوعی برای تفسیر و استفاده از اطلاعات می‌شناسد. معتقدم فرصت مهمی برای به‌کارگیری همین طرز فکر در بازاریابی وجود دارد. اگر سازمان‌ها برای توانمندسازی هوش مصنوعی در داخل، روی زمینهٔ کسب‌وکارِ تحت حاکمیت سرمایه‌گذاری می‌کنند، آیا نباید به زمینه‌ای هم فکر کنیم که برای درک ما از بیرون توسط هوش مصنوعی منتشر می‌کنیم؟

اینجاست که schema markup بسیار فراتر از یک تاکتیک سئو می‌رود. این نشانه‌گذاری نقطهٔ شروع ساختن پایه‌ای به‌هم‌پیوسته و تحت حاکمیت از اطلاعات کسب‌وکار شماست؛ پایه‌ای که می‌توانید مدام بهبودش دهید، نگهداری‌اش کنید و هم‌گام با تحول جست‌وجو و تجربه‌های هوش مصنوعی به کارش بگیرید.

همان‌طور که Mark van Berkel، مدیر ارشد فناوری ما، در Forbes بررسی می‌کند، سازمان‌هایی که می‌خواهند از هوش مصنوعی استفادهٔ معنادار ببرند باید روی پایه‌های اطلاعاتی که پشتیبان آن است سرمایه‌گذاری کنند.

نمی‌توانید بر هر پاسخی که هوش مصنوعی تولید می‌کند کنترل داشته باشید. اما می‌توانید بر دقت و یکدستی اطلاعاتی که برای کار به آن می‌دهید کنترل بیشتری داشته باشید.

schema markup شما نقطهٔ شروع است

معتقدم بازاریابان سازمان‌های بزرگ در یک نقطهٔ عطف هیجان‌انگیز قرار دارند. سال‌ها روی وب‌سایت‌هایمان سرمایه‌گذاری کرده‌ایم، محتوا ساخته‌ایم و حضورمان در جست‌وجو را تقویت کرده‌ایم. حالا فرصت داریم این سرمایه‌گذاری‌ها کارآمدتر شوند؛ به این شکل که به ماشین‌ها کمک کنیم کسب‌وکار پشت محتوا را بفهمند.

و با ادامهٔ تحول هوش مصنوعی، از جست‌وجو و پاسخ‌ها تا agentic experiences نوظهور، داشتن اطلاعات کسب‌وکارِ روشن، به‌هم‌پیوسته و قابل‌اتکا فقط مهم‌تر خواهد شد.

چون هدف فقط دیده‌شدن نیست؛ درک‌شدن است. و این از پذیرش مسئولیت اطلاعاتی شروع می‌شود که در اختیار داریم.

AI-Ready Schema Markup Scorecard خود را دریافت کنید

ممکن است از قبل schema markup داشته باشید. اما این نشانه‌گذاری چقدر خوب داستان کامل کسب‌وکار شما را منتقل می‌کند؟

AI-Ready Schema Markup Scorecard ما به شما کمک می‌کند پیاده‌سازی کنونی خود را در حوزه‌های کلیدی ارزیابی کنید، شکاف‌ها را شناسایی کنید و فرصت‌هایی را برای ساختن پایه‌ای قوی‌تر برای هوش مصنوعی کشف کنید.

کارنامهٔ شخصی‌سازی‌شدهٔ خود را دریافت کنید و نتایجتان را در جلسه‌ای ۲۰ دقیقه‌ای با تیم ما بررسی کنید.

دیدگاه‌های مطرح‌شده در این مقاله متعلق به اسپانسر است.