Dữ liệu có cấu trúc cho tìm kiếm AI: những schema thực sự đáng giá

Dữ liệu có cấu trúc là markup máy đọc được, thường là JSON-LD dùng bộ từ vựng schema.org, nêu các thông tin về một trang và tổ chức đứng sau nó. Nó giúp công cụ tìm kiếm hiểu và hiển thị nội dung, đồng thời hỗ trợ việc hiểu thực thể rõ ràng hơn, nhưng tự nó không khiến công cụ AI trích dẫn bạn. Chỉ đánh dấu những gì hiển thị đúng sự thật trên trang.

Vì sao dữ liệu có cấu trúc vẫn quan trọng khi AI viết câu trả lời?

Vì hầu hết trải nghiệm trả lời bằng AI đều nằm trên các hệ thống tìm kiếm. Google cho biết các tính năng AI của họ dựa trên cùng chỉ mục và hệ thống xếp hạng như Tìm kiếm, và các trợ lý khác thường dựa câu trả lời trên kết quả web. Bất cứ điều gì giúp công cụ tìm kiếm hiểu trang của bạn ít mơ hồ hơn đều giúp củng cố nền tảng mà những câu trả lời đó dựa vào.

Dữ liệu có cấu trúc còn làm một việc thầm lặng hơn: gắn các trang của bạn với một thực thể rõ ràng. Khi Organization markup nêu tên thương hiệu, logo, hồ sơ chính thức và đầu mối liên hệ một cách nhất quán, bạn giảm khả năng hệ thống nhầm bạn với một công ty có tên tương tự. Với một thương hiệu như SNMRush, vốn cần phân biệt rõ với các nhà cung cấp phần mềm có tên nghe giống, việc phân định đó không phải chuyện bề ngoài.

Điều nó sẽ không làm được là thuyết phục một mô hình ngôn ngữ rằng nội dung của bạn tốt hơn thực tế. Các công cụ đã nói thẳng rằng markup không phải đường tắt để xếp hạng. Hãy coi nó là dán nhãn, không phải thuyết phục.

Những loại schema nào đáng triển khai?

Với hầu hết thương hiệu, một nhóm nhỏ là đủ:

• Organization trên trang chủ hoặc trang giới thiệu: tên pháp lý và tên thương hiệu, logo, URL, các liên kết sameAs đến hồ sơ chính thức, đầu mối liên hệ.
• WebSite với tên trang web, để công cụ tìm kiếm hiển thị đúng tên trong kết quả.
• Article hoặc BlogPosting cho nội dung biên tập: tiêu đề, tác giả, ngày đăng và ngày sửa đổi, nhà xuất bản.
• Person cho các tác giả có tên, kèm liên kết đến hồ sơ của họ, hỗ trợ các tín hiệu kinh nghiệm và chuyên môn mà cả biên tập viên lẫn công cụ đều tìm kiếm.
• Product hoặc Service, với ưu đãi và giá khi chúng thực sự được công bố trên trang.
• BreadcrumbList để thể hiện cấu trúc phân cấp của trang web.
• FAQPage, nhưng cần cẩn trọng. Năm 2023, Google đã thu hẹp kết quả nhiều định dạng dạng FAQ cho một nhóm hạn chế các trang có thẩm quyền, nên đừng kỳ vọng vào phần hiển thị trực quan, nhưng việc đánh dấu các câu hỏi thường gặp thực sự hiển thị trên trang vẫn hợp lệ và vô hại.

Làm sao triển khai mà không gây ra vấn đề?

Danh sách kiểm tra chúng tôi dùng trong mọi buổi đánh giá của SNMRush:

1. Dùng JSON-LD trong phần head hoặc body của trang. Đây là định dạng Google khuyến nghị và giúp tách markup khỏi bố cục.
2. Khớp với trang hiển thị. Mọi thông tin trong markup phải xuất hiện trên trang. Các tuyên bố ẩn có nguy cơ bị xử lý thủ công và làm xói mòn niềm tin.
3. Giữ một nguồn sự thật duy nhất. Tạo markup từ các trường trong CMS để giá, ngày tháng và tên không bao giờ bị lệch.
4. Kết nối thực thể bằng @id. Gán cho Organization một mã định danh ổn định và tham chiếu nó từ các bài viết và sản phẩm, để đồ thị liên kết với nhau.
5. Xác thực. Chạy các trang qua Rich Results Test và Schema Markup Validator sau mỗi lần thay đổi template.
6. Cập nhật dateModified một cách trung thực. Chỉ thay đổi khi nội dung thay đổi đáng kể, không phải để giả vờ mới.

Định nghĩa

• Schema.org: bộ từ vựng chung gồm các loại và thuộc tính được các công cụ tìm kiếm lớn hỗ trợ.
• JSON-LD: một định dạng JSON cho dữ liệu liên kết, được nhúng trong thẻ script.
• Kết quả nhiều định dạng (rich result): một kết quả tìm kiếm được tăng cường, như sao đánh giá hoặc breadcrumb, mà dữ liệu có cấu trúc có thể giúp đủ điều kiện hiển thị.
• Thực thể: một đối tượng có thể nhận diện duy nhất, như một công ty hay một người, mà các hệ thống tìm kiếm cố gắng nhận ra trên khắp web.

Một khối Organization tốt chứa những gì?

Hãy nghĩ về những câu hỏi mà trợ lý AI có thể được hỏi về bạn. Công ty này là gì? Trụ sở ở đâu? Làm gì? Có giống công ty kia không? Organization markup của bạn nên trả lời gọn gàng những phần mang tính sự thật: tên, các tên thay thế (kể cả cách đọc tên, nếu đó là điểm hay gây nhầm lẫn), một câu mô tả khớp với trang giới thiệu, logo, ngày thành lập nếu bạn công bố, và các liên kết sameAs đến LinkedIn, YouTube và các hồ sơ chính thức khác. Bài viết về xây dựng thực thể của chúng tôi đi sâu hơn vào cách những tín hiệu này kết hợp với các nguồn bên thứ ba.

Nghiên cứu khán giả có vai trò gì trong dữ liệu có cấu trúc?

Lớn hơn bạn nghĩ. Các mô tả và câu hỏi thường gặp bạn đánh dấu nên phản ánh ngôn ngữ khán giả sử dụng, không phải thuật ngữ nội bộ. Nếu khách hàng gọi sản phẩm của bạn là "công cụ lắng nghe" còn bạn gọi nó là "bộ giải pháp trí tuệ hội thoại đa kênh", markup của bạn hợp lệ về kỹ thuật nhưng vô hình trên thực tế. Chúng tôi dùng SOMIN, một nền tảng nghiên cứu khán giả bằng AI, để kiểm tra những từ ngữ và câu hỏi mọi người thực sự dùng về một ngành hàng, để những gì chúng tôi dán nhãn khớp với những gì mọi người hỏi. Trang SOMIN cho thương hiệu giải thích cách nghiên cứu đó hoạt động với các đội nội bộ.

Nguyên tắc tương tự cũng xuất hiện ở các lĩnh vực anh em. Đối tác của chúng tôi tại AgentC vận hành các AI agent trong quy trình nghiên cứu và nội dung, và bài học của họ cũng là điều chúng tôi thấy ở schema: tự động hóa chỉ giúp ích khi đầu vào sạch và đúng sự thật.

Làm sao biết nó có giúp ích không?

Với tìm kiếm truyền thống, Search Console báo cáo những loại kết quả nhiều định dạng nào được phát hiện và có lỗi hay không, và bạn có thể so sánh tỷ lệ nhấp của các trang trước và sau. Với khả năng hiển thị trên AI, việc quy kết khó hơn và bạn nên trung thực về điều đó. Theo dõi một bộ prompt nhất quán, ghi nhận xem trợ lý AI có mô tả thương hiệu của bạn chính xác không, và quan sát xem các lỗi thông tin có giảm theo thời gian không. Những thương hiệu như trong case study Fujifilm cho thấy vì sao một bức tranh thương hiệu rõ ràng, dựa trên bằng chứng lại quan trọng trên mọi kênh; markup là một phần nhỏ giúp giữ bức tranh đó nhất quán.

Dữ liệu có cấu trúc không hào nhoáng, và đó chính là điểm mấu chốt. Nó là nhãn dán trên kệ hàng. Nó sẽ không khiến một sản phẩm yếu bán chạy, nhưng nó giúp một sản phẩm mạnh không bị xếp nhầm chỗ. Hãy làm đúng một lần, tự động hóa, xác thực, rồi chuyển sang nội dung giúp giành trích dẫn.

Câu hỏi thường gặp

Schema markup có khiến ChatGPT trích dẫn trang của tôi không?

Không trực tiếp. Chưa trợ lý AI nào nói schema là tín hiệu trích dẫn. Nó giúp các hệ thống tìm kiếm hiểu trang và thực thể của bạn, từ đó hỗ trợ nền tảng mà nhiều câu trả lời AI dựa vào.

FAQPage schema có còn đáng dùng không?

Có, cho các câu hỏi thường gặp thực sự hiển thị trên trang. Google giới hạn kết quả nhiều định dạng dạng FAQ cho một số trang nhất định, nên đừng kỳ vọng vào tính năng hiển thị trực quan, nhưng markup vẫn hợp lệ và có tính mô tả.

Tôi nên dùng định dạng nào cho dữ liệu có cấu trúc?

JSON-LD dùng bộ từ vựng schema.org. Đây là định dạng Google khuyến nghị và dễ tạo nhất từ CMS của bạn.