Dane strukturalne (structured data)
Dane strukturalne to informacje w ustandaryzowanym formacie dodawane do strony internetowej, zwykle zgodnie ze słownikiem schema.org, które opisują jej zawartość (produkt, opinię, przepis) w sposób czytelny dla maszyn, dzięki czemu wyszukiwarki i systemy AI rozumieją stronę bez konieczności interpretowania surowego tekstu.
Pojęcia "dane strukturalne" i "schema markup" bywają używane zamiennie, ale nie są tożsame. Dane strukturalne to ogólna idea opisywania strony w zdefiniowanym, czytelnym dla maszyn formacie; schema markup to konkretna implementacja przy użyciu słownika schema.org, który jest zdecydowanie najpopularniejszym rozwiązaniem w otwartej sieci. W praktyce, kiedy mówi się o danych strukturalnych w kontekście SEO, prawie zawsze chodzi o typy schema.org wyrażone w obsługiwanym formacie. Celem jest usunięcie niejednoznaczności: zamiast pozwolić robotowi wyszukiwarki domyślać się, że "139 zł" to cena, a "4,6 na 5" to ocena, właściciel sklepu deklaruje obie wartości jako nazwane właściwości (price, ratingValue), które każdy zgodny parser odczyta tak samo.
Google obsługuje trzy formaty: JSON-LD, Microdata i RDFa. JSON-LD jest zalecanym rozwiązaniem, ponieważ umieszczony jest w bloku skryptu oddzielonym od widocznego HTML, co ułatwia jego dodawanie, czytanie i utrzymanie. Te same dane mogą zasilać rich snippet w Google (oceny w gwiazdkach, ceny, akordeony FAQ) i dawać asystentom AI gotowe źródło do cytowania, zamiast zmuszać je do wyciągania tych informacji z tekstu strony.
Sklep Shopify sprzedający naturalne kosmetyki do pielęgnacji skóry jest dobrym przykładem. Szablon produktu renderuje tytuł, cenę, dostępność i blok opinii klientów. Taka strona jest czytelna dla kupującego, ale luźno zdefiniowana dla maszyny. Dodanie schematu Product z zagnieżdżonymi offers i aggregateRating przekazuje robotowi konkretne informacje: produkt kosztuje 280 zł, jest dostępny i ma średnią ocenę 4,6 na podstawie 213 opinii. Dzięki temu wpis może zostać objęty ocenami w gwiazdkach we fragmencie wyszukiwania, a ten sam blok właściwości to najczystsza rzecz, jaką model może pobrać podczas streszczania produktu w innym miejscu.
To drugie zastosowanie nabiera coraz większego znaczenia. Silniki odpowiedzi AI, takie jak ChatGPT, Perplexity i Google AI Overviews, skłaniają się ku faktom, które można wyodrębnić w sposób przejrzysty i pewnie przypisać do źródła. Model, który musi wyciągać cenę z prozy, może się pomylić lub pominąć stronę; model, któremu podano oznaczony blok offers, ma znacznie większą szansę na precyzyjne zacytowanie sklepu. Dane strukturalne nie gwarantują cytowania, ale ułatwiają poprawne odczytanie strony, a to często decyduje o tym, czy sklep pojawia się w odpowiedzi.
Uczciwe zastrzeżenie: dane strukturalne nie gwarantują rich snippet ani cytowania i muszą dokładnie odzwierciedlać to, co jest widoczne na stronie. Oznaczanie ocen lub opinii, których kupujący nie może zobaczyć, jest niezgodne z wytycznymi Google i może skutkować ręczną karą. Dane muszą być prawdziwe i potwierdzone, a nie ozdobne. Traktuj je jako wierny opis strony, nie jako narzędzie do zgłaszania treści, których strona nie pokazuje.