Cara menggunakan data terstruktur Schema.org untuk perusahaan dan orang
Diterbitkan: 2020-02-26Dalam artikel ini saya akan melihat apa sebenarnya data terstruktur Schema.org, mengapa penting untuk membangun EAT, dan bagaimana kami dapat memanfaatkan berbagai jenis dan atributnya untuk mengomunikasikan data akurat yang jelas ke mesin telusur.
Apa itu MAKAN?
Keahlian, Otoritas dan Kepercayaan, atau EAT, adalah salah satu kriteria utama yang digunakan mesin pencari untuk memutuskan situs mana yang terbaik untuk ditampilkan untuk permintaan pencarian tertentu. Menggunakan data terstruktur akan memberi tahu mereka dengan tepat siapa Anda dan apa yang Anda lakukan dan ini meningkatkan kepercayaan mereka pada situs Anda. Menyertakan data tambahan yang menunjukkan keahlian dan otoritas juga akan meningkatkan kepercayaan dan membuat peringkat situs Anda lebih baik.
Ada tingkat lebih lanjut yang dikenal sebagai "YMYL", atau Uang Anda, Hidup Anda, yang mencakup semua situs yang secara khusus menangani keuangan dan kesehatan. Untuk kategori ini, Google sangat ketat dan Anda benar-benar harus memastikan untuk menyertakan informasi apa pun yang menunjukkan bahwa Anda memenuhi syarat dan kompeten untuk membicarakan topik ini.
Anda mungkin bertanya-tanya:
Apa itu data terstruktur?
Data terstruktur adalah informasi yang disajikan dalam format standar yang dapat dipahami oleh mesin.
Internet membutuhkan data terstruktur untuk eksis. Agar semua mesin penyusunnya dapat berkomunikasi satu sama lain, semua protokol dan bahasanya (HTTP, TCP, TLS/SSL, PHP, Javascript, dll.) memiliki struktur kesepakatan yang ketat.
Pengecualian besar untuk ini adalah informasi yang Anda masukkan ke dalam konten teks yang terlihat dari halaman situs web Anda. Tidak ada aturan yang mengatur bagaimana data Anda harus ditata. Ketika mesin pencari melihat konten itu, mereka menganalisis potongan teks untuk mencari hal-hal yang dapat mereka identifikasi sebagai jenis data tertentu. Tapi itu selalu dengan tingkat ketidakpastian tertentu. Misalnya, ambil alamat standar seperti:
Amazing Stuff Inc, 39 Main Street, 34000 Newtown, Prancis
Manusia dari tempat yang menggunakan format alamat khusus ini dapat langsung melihat bahwa ini adalah sebuah alamat. Tapi bayangkan Anda adalah seseorang dari belahan dunia lain yang menggunakan format alamat yang berbeda; akankah Anda mengerti apa semua bagian dari alamat itu? Ini adalah seperti apa untuk mesin.
Kecerdasan buatan di mesin pencari telah berkembang ke titik di mana ia dapat mengenali bahwa ini mungkin terlihat seperti sebuah alamat, dan mengekstrak berbagai elemen, tetapi masih belum 100% pasti dan memerlukan pembuktian dari banyak sumber lain untuk merasa yakin tentang apa yang dimilikinya menebak. Data terstruktur, bagaimanapun, dibangun dari pasangan yang terdiri dari nama standar, seperti "streetAddress", dan nilai yang diberikan padanya (dalam hal ini "39, Main Street"), dan mesin pencari memindai kode html mencari jenis ini dari data bernama.
Data Perayapan³
Belajarlah lagiMasalahnya, oleh karena itu, adalah bahwa meskipun informasi di halaman web Anda mungkin terlihat terstruktur untuk mata manusia, itu tidak terstruktur sama sekali untuk mesin. Mereka harus menebak!
Secara praktis, apa yang bisa kita lakukan tentang ini?
Schema.org adalah bagian dari inisiatif yang diluncurkan pada tahun 2011 oleh Google, Bing dan Yahoo untuk menyediakan sistem skema universal untuk memungkinkan data terstruktur ditandai di situs web. Ketika mesin pencari melihat baris “ @context”:”http://schema.org/ ” mereka mulai mencari pasangan data bernama Schema.org yang dapat mereka kenali.
Kami dapat memasukkan data terstruktur Skema ke dalam bagian <head> html kami seperti ini:
Data terstruktur dalam format JSON-LD
Dan ini adalah bagaimana mesin pencari melihatnya ketika mereka menganalisis halaman:
Data terstruktur di alat pengujian data terstruktur Google
Bukankah itu jauh lebih jelas? Algoritme mesin pencari sekarang 100% yakin tentang identitas dan peran setiap bit data terstruktur. Ini membuat hidup mereka jauh lebih mudah dan akan meningkatkan tingkat kepercayaan yang mereka miliki tentang siapa Anda dan apa yang Anda lakukan, meningkatkan EAT Anda dan meningkatkan peringkat Anda.
Markup Skema dasar untuk sebuah organisasi
Saya akan mulai dengan Skema paling dasar dan kemudian melihat beberapa pengoptimalan tambahan.
Pertama, Anda harus menentukan jenis organisasi Anda. Karena sistem Schema.org adalah hierarki hal (yang dapat Anda lihat di sini) yang disebut tipe, Anda dapat memulai dari tipe yang paling umum dan masuk lebih dalam ke hierarki hingga Anda menemukan tipe Anda. Jenis yang paling umum adalah Hal , berisi sejumlah subtipe luas, salah satunya adalah Organisasi. Seperti yang Anda lihat pada Gambar 3, Organisasi berisi jenis lain seperti Perusahaan , Bisnis Lokal , Organisasi Pendidikan dll.
Bagian dari hierarki tipe
Anda dapat melihat bahwa LocalBusiness memiliki banyak subtipe, sehingga Anda dapat terus menggali lebih dalam, tetapi jika Anda bukan bisnis lokal maka Anda mungkin adalah Korporasi, jadi Anda dapat melihatnya. Klik di sini untuk melihat halaman untuk Perusahaan.
Blok Skema Anda sekarang akan terlihat seperti ini:
Tipe Korporasi
Ini bagus dan tidak memberi kami kesalahan apa pun di Alat Pengujian Data Terstruktur tetapi itu tidak memberi tahu kami apa pun tentang perusahaan, jadi kami perlu memberikan beberapa atribut, atau potongan data yang menjelaskannya.
Pada halaman Corporation , Anda akan melihat bahwa ia memiliki sejumlah atribut yang diterima. Penting untuk mengeja nama atribut dengan benar karena setelah mesin telusur melihat jenisnya, ia akan mencari atribut khusus yang diterima untuk jenis itu. Nama atribut dimulai dengan huruf kecil dan nama tipe dimulai dengan huruf besar.
[Studi Kasus] Optimalkan tautan untuk meningkatkan halaman dengan ROI terbesar
Baca studi kasusBeberapa jenis memiliki satu atau beberapa atribut yang diperlukan: jika Anda memilih jenis LocalBusiness (atau subjenis LocalBusiness ), Anda mungkin melihat kesalahan yang ditampilkan di alat pengujian karena memerlukan setidaknya nama dan url gambar .
Kesalahan karena data yang hilang
Jika ini terjadi pastikan untuk memberikan setidaknya data yang diperlukan seperti pada gambar 6 di bawah ini, untuk menghindari markup yang buruk, dan kemudian Anda dapat menambahkan data tambahan:
Kesalahan diperbaiki
Untuk sisa artikel ini saya akan mengambil contoh dari sunfimmo.com, sebuah perusahaan yang telah saya tandai sebelumnya. Ini adalah perusahaan Prancis tetapi, ingat, nama atribut selalu dalam bentuk bahasa Inggris standar agar dapat dikenali oleh mesin pencari.
Perusahaan tersebut adalah agen real estate tetapi mereka tidak memiliki agen fisik yang dapat Anda kunjungi, jadi mereka tidak dapat menjadi salah satu dari jenis LocalBusiness . Alih-alih menggunakan RealEstateAgent , tipe mereka harus Corporation . Markup dasar terlihat seperti ini:
Skema Dasar.org untuk Perusahaan
Kami sekarang memiliki beberapa data dasar yang baik tentang perusahaan. Perhatikan bahwa nama resmi tidak sama dengan nama yang digunakan untuk perdagangan – ini penting karena nanti kami akan menambahkan tautan ke daftar pendaftaran perusahaan resmi dan datanya harus sama jika kami ingin membangun kepercayaan akan ketepatan data. Hal yang sama berlaku untuk alamat dan nomor telepon; mereka harus sama di mana-mana!
Titik Kontak
Jika sebuah perusahaan memiliki beberapa titik kontak (di kota, wilayah, atau negara yang berbeda), mereka juga dapat ditandai. Perusahaan ini memiliki dua kantor tetapi mereka berbagi nomor telepon yang sama sehingga dikelompokkan bersama seperti ini:
Skema Dasar.org untuk ContactPoint
Perhatikan bahwa ketika suatu tipe (ini adalah ContactPoint ) digunakan sebagai nilai untuk atribut, itu ditandai sebagai blok dalam tanda kurung kurawal; ini adalah data terstruktur! Ketika sebuah atribut memiliki beberapa nilai, kita dapat menempatkannya dalam tanda kurung siku, dipisahkan dengan koma.
Markup Skema tambahan untuk organisasi
Tipe tambahan
Anda telah melihat sebelumnya di artikel bahwa kami tidak dapat menandai perusahaan sebagai Agen RealEstate karena ini bukan bisnis lokal tetapi kami masih BISA menunjukkan bahwa perusahaan tersebut memiliki tipe tertentu dari agen properti dalam format data terstruktur dengan menggunakan sistem Productontology . Saya tidak akan merinci sekarang (petunjuknya ada di sini) tetapi ini memungkinkan kita untuk melakukan ini:
Menggunakan productontology
Dan kami juga dapat menempatkan tautan ke Wikipedia di blok sameAs :
Menggunakan sameAs
Menautkan ke halaman resmi untuk meningkatkan kredibilitas
Kami sekarang memiliki markup dengan detail dasar perusahaan dan telah menyediakan tipe yang lebih spesifik. Tapi ingat bahwa kami juga ingin meningkatkan kepercayaan dan kredibilitas dan menunjukkan bahwa perusahaan adalah hal yang nyata. Untuk melakukan ini, kami dapat menautkan ke halaman resmi yang berisi data yang tidak dapat kami ubah sendiri, menjadikannya jauh lebih kredibel daripada, misalnya, akun jejaring sosial di mana pada dasarnya siapa pun dapat mengklaim sebagai apa pun yang mereka inginkan!
Di Prancis, semua perusahaan memiliki nomor registrasi resmi (“SIRET”) dan kode untuk sektor tempat mereka bekerja (“CODE NAF”). Jadi kami dapat menulis blok khusus yang pada dasarnya mengatakan:
"Ini adalah pengenal resmi, ini namanya, ini nilainya, ini adalah halaman wikipedia yang menjelaskannya dan ini adalah halaman administrasi resmi dengan daftarnya":
Menggunakan pengidentifikasi Schema.org
Untuk menguatkan dengan informasi "resmi" lebih lanjut, kami dapat menyediakan tautan ke halaman daftar informasi perusahaan, bersama dengan akun sosial aktif yang relevan, di blok yang sama seperti ini:
Lebih banyak tautan sama Seperti
Menambahkan data Skema untuk Seseorang untuk meningkatkan keahlian dan otoritas
Kami telah membuat blok utama markup Skema untuk Perusahaan dan menambahkan sejumlah data untuk meningkatkan kredibilitas dan kepercayaannya. Cara yang baik untuk meningkatkan otoritas dan keahlian (ingat, ini semua tentang EAT) adalah dengan memasukkan satu atau lebih orang dan apa kredensial mereka. Untuk melakukan ini, kita dapat menyertakan blok Person , seperti ini:
Schema.org untuk seseorang
Di sini kami mengatakan bahwa pendirinya adalah Orang bernama Jean-Bernard Huet, lalu kami memberikan akun LinkedIn-nya dan menyatakan bahwa dia adalah alumnus dari dua Organisasi Pendidikan dengan tautan ke halaman ijazah tertentu yang diperoleh, satu di bidang ekonomi & bisnis dan satu dalam hukum real estat. Untuk meningkatkan kredibilitas profesionalnya, kami dapat menyertakan blok pengenal , seperti untuk perusahaan, tetapi kali ini menentukan nomor lisensi agen real estatnya dan menautkan ke halaman resmi yang menjelaskan apa itu, bersama dengan halaman daftar Kamar Dagang resmi:
Pengidentifikasi Schema.org untuk seseorang
Jadi, sekarang kami telah menyediakan sejumlah besar data yang sangat akurat ke Google dalam format yang dirancang khusus agar mudah dipahami oleh mesin!
Satu-satunya masalah adalah bahwa blok kami sekarang sangat besar dan berisi entitas dalam entitas yang tidak semuanya diperlukan di semua blok Skema di semua halaman. Ambil contoh blok markup Skema untuk atribut pendiri di mana kita ingin memasukkan Person dan semua informasi tentang mereka, tetapi kita tidak ingin harus menyertakan seluruh blok Person setiap saat. Di sinilah @id menjadi miliknya sendiri: setelah kita mendefinisikan blok Person dengan @id, kita dapat memasukkan @id itu ke dalam blok pendiri ...
Schema.org @id untuk entitas
… dan Google akan menautkan entitas melalui @id seperti yang Anda lihat di Alat Alat Data Terstruktur:
Bagaimana google akan melihat blok ini
Bagaimana kita bisa memasukkan beberapa blok Skema yang berbeda di halaman yang sama?
Untuk membuat pengelolaan blok lebih sistematis, Anda dapat menempatkannya sebagai blok terpisah ke dalam elemen wadah seperti @graph dan menautkannya menggunakan @id , seperti ini:
Menggunakan @grafik untuk beberapa blok
Jadi begitulah: blok terstruktur dari data akurat yang jelas yang dihubungkan bersama melalui atribut @id , memberi tahu Google dan mesin pencari lainnya siapa Anda sebenarnya, apa yang Anda lakukan dan mengapa Anda memiliki keahlian dan otoritas yang diperlukan agar halaman Anda menjadi baik peringkat dalam hasil pencarian. Apa pun yang dapat Anda lakukan untuk membantu mesin pencari memahami situs Anda dan mengurangi beban kerja mereka akan menguntungkan situs Anda.
Sebuah kata terakhir
Markup skema adalah subjek yang luas dan kami bahkan belum melihat markup untuk produk/layanan atau artikel blog, belum lagi bagaimana kami dapat menandai ulasan dan peringkat dalam data terstruktur untuk meningkatkan EAT, tetapi ini akan dibahas di artikel mendatang .
Bersenang-senanglah dengan data terstruktur Anda dan pastikan untuk menggunakan Alat Pengujian Data Terstruktur!