Common Crawl przedstawił AI Visibility Audit, który ma sprawdzać, czy systemy AI potrafią odkryć i odczytać treści publikowane w sieci. Autor tekstu w Search Engine Journal podkreśla jednak, że sam audyt widoczności to za mało, bo kluczowy problem zaczyna się po odnalezieniu strony: czy maszyna potrafi zrozumieć relacje między encjami. W przykładach z banków schema na poziomie pojedynczych stron wyglądała poprawnie — z Organization, BankOrCreditUnion, danymi oddziałów i produktami — ale brakowało „connective tissue”, czyli powiązań wyjaśniających, które produkty należą do których usług, oddziałów i rynków. Tekst zwraca też uwagę na paradoks walidatorów: implementacje oparte na @id i grafach wiedzy mogą wyglądać na niepełne w testach page-level, choć właśnie tak Google rekomenduje budowę połączonych struktur. Wniosek dla SEO i zespołów contentowych jest prosty: audyt schema nie może kończyć się na pojedynczej stronie, bo AI i wyszukiwarki coraz częściej oceniają cały biznes jako sieć relacji, a nie zbiór odrębnych URL-i. Autor wskazuje też, że Google coraz mocniej inwestuje w Product Graph, Merchant Center feeds, compatibility data, variant relationships i Conversational Attributes, co sugeruje rosnące znaczenie jawnie podanych zależności. Dla marek oznacza to konieczność budowy spójnego knowledge graphu, a nie tylko „poprawnego” markup-u.
Źródło: Search Engine Journal — oryginalny artykuł ↗
Chcesz wiedzieć, jak ta zmiana wpłynie na Twoją stronę?
Nasz zespół analizuje każdą aktualizację Google w 48h i przekłada ją na konkretne działania dla klientów.
Bezpłatna analiza wpływu