Структурирани данни (маркиране) в ерата на изкуствения интелект със Schema.org: Какво наистина мислят инженерите на Google

Въпреки ChatGPT и компания: Защо инженерите на Google продължават да се кълнат в Schema.org

SEO актуализация: Защо Schema.org сега измества Open Graph в Google

В света на SEO-то циркулира упорит мит: В ерата на брилянтните езикови модели с изкуствен интелект, които без усилие разбират дори неструктуриран текст, старателно поддържаните структурирани данни като Schema.org просто са отживелица. Но реалността е съвсем различна. На събитието Google Search Central Live, инженерът на Google Райън Леверинг развенча това погрешно схващане и недвусмислено го заяви: Структурираното маркиране не е реликва от миналото, а по-скоро фундаменталният гръбнак на новото търсене, задвижвано от изкуствен интелект.

От нови обзори на изкуствения интелект до автономни агенти за пазаруване, езиковите модели се нуждаят от прецизни, машинно четими насоки, за да се избегнат халюцинации и да се работи ефективно от изчислителна гледна точка. Тези, които искат да останат видими в съвременния интернет, трябва да помогнат на машините да разбират контекста без двусмислие. Тази статия разглежда стратегическото пренасочване на Google, представя революционни иновации за електронна търговия и генерирано от потребителите съдържание и показва защо техническото SEO сега е решаващото конкурентно предимство в битката за машинна видимост.

Машините могат да четат мрежата – но само ако им помогнете да я разберат

На 21 април 2026 г. в Торонто се проведе първото събитие Google Search Central Live на канадска земя – и то не беше обикновена среща на индустрията. Райън Леверинг, инженер в Google Search Engineering, представи може би най-технически насищащата и стратегически значима презентация за деня: „Структурирани данни, качество и изкуствен интелект“. Това, което той представи, беше повече от технически преглед. Това беше ясно изявление за бъдещето на семантичната мрежа в епоха, в която изкуственият интелект все повече поема ролята на посредник между потребителите и информацията.

Между две крайности: Грешното или-или

В началото на презентацията си, Райън Леверинг противопостави две диаметрално противоположни мнения, циркулиращи в SEO общността. От една страна, съществува убеждението, че структурираните данни са просто излишни в ерата на мощните езикови модели: Ако моделите с изкуствен интелект могат лесно да интерпретират неструктуриран текст, защо да се занимаваме с мъчително добавяне на schema.org маркировка към изходния код? От друга страна, някои ентусиасти разпространяват идеята, че структурираните данни са бъдещето на интернет – универсален протокол за семантична комуникация между автономни агенти с изкуствен интелект, който до голяма степен ще замени традиционния уеб.

Ливъринг отхвърли и двете крайности и вместо това представи нюансирана, емпирично обоснована перспектива. И двете позиции съдържаха зрънце истина, заключи той, но нито една от тях не описваше напълно реалността. Този нюанс е характерен за настоящия подход на Google към темата: не става въпрос за догма, а за прагматична ефективност.

Четири аргумента, които обясняват всичко

Централният аргумент на Леверинг може да се обобщи в четири ключови точки, които той доразви под заглавието „Стойност на структурираните данни“. Първата точка е прецизността: Структурираните данни осигуряват значително по-висока точност за сложни схеми, като например продажни цени или програми за лоялност, отколкото извличането от свободен текст, базирано на LLM. Езиковите модели могат да бъдат подвеждащи – те попълват липсващи атрибути, неправилно влагат данни или осъществяват достъп до информация извън контекста. При извличане на цени на продукти от голям сайт за електронна търговия с десетки подобни артикули, процентът на грешки е значително по-висок при извод с изкуствен интелект, отколкото при чисто имплементирано, структурирано маркиране.

Вторият момент се отнася до допълнителното съдържание: Структурираните данни често съдържат невидими метаданни, които просто не присъстват в рендирания HTML код на страницата. Пълни ISO формати за дата, стабилни идентификатори за генерирано от потребителя съдържание или вътрешни идентификатори на обекти – тази информация съществува изключително в маркировката. Никой езиков модел не може да извлече това, което не е в текста.

Трето, ефективност: Парсирането на структурирано маркиране е многократно по-евтино от обработката на голям езиков модел за извличане на сложни данни. Google индексира милиарди страници дневно. Изчислението е просто: Обикновен парсер, обработващ JSON-LD, консумира малка част от изчислителните ресурси на стъпка за извод в LLM. Следователно структурираните данни са не само семантично превъзходни, но и значително по-ефективни от бизнес гледна точка. Този момент е от пряко значение за инфраструктурата на Google.

Четвъртият и може би най-подценен аспект е фокусът: Структурираните данни изрично подчертават коя информация е релевантна на дадена страница, като по този начин предотвратяват системите с изкуствен интелект да събират неподходящи данни. На продуктова страница с основна статия, няколко свързани продукта и навигационна лента, пълна с цени, езиков модел без изрична анотация не може да бъде сигурен към коя цена да се обърне. Структурираното маркиране решава този проблем чрез недвусмислено присвояване.

Как всъщност се обработват структурираните данни

Леверингът също така направи прозрачен потока на техническа обработка. Данните от Schema.org първо се обработват чрез специфично почистване и филтриране, преди да бъдат категоризирани като индексирани данни – разделени на области като събития, пазаруване и отзиви. Тези подготвени данни след това се постъпват в два различни изходни канала: от една страна, класическата страница с резултати от търсенето (SRP), а от друга страна, като контекст за системите на Google, базирани на изкуствен интелект, по-специално така наречените AI Overviews (AIO) и AI Mode (AIM). По този начин структурираните данни вече не са просто инструмент за богати резултати, а директен вход за генеративни AI отговори. Това представлява фундаментална промяна в стратегическото значение на маркирането на schema.org.

Квази-вътрешно решение: Как Xpert.Digital запълва оперативните пропуски в B2B маркетинга и продажбите – Интелигентен бизнес, управляван от съдържание - Изображение: Xpert.Digital

Xpert.Digital е индустриален център за B2B, базиран на данни, ръководен от Konrad Wolfenstein . Компанията действа като външно, квази-вътрешно решение за индустриални партньори, запълвайки оперативните пропуски в маркетинга, съдържанието и продажбите – без да се изискват допълнителни ресурси от страна на клиента.

Повече информация тук:

• Квази-вътрешно решение: Как Xpert.Digital запълва оперативните пропуски в B2B маркетинга и продажбите – Smart Content-Driven Business

Пазаруване във фокус: Доставка, лоялност и вариации

Значителна част от презентацията беше фокусирана върху иновациите в електронната търговия. Леверинг обясни, че според данни на Института Baymard, неочакваната информация за доставка е на второ и трето място сред най-честите причини за изоставяне на пазарската количка. Структурираното маркиране за услуги за доставка може директно да реши този проблем: Търговците вече могат точно да дефинират регионите на произход и местоназначение, размерите и теглата, праговете на стойността на поръчките, времето за обработка и принадлежността към програми за лоялност директно в кода.

Моделът на време за доставка, който Google използва, е разделен на две фази: време за обработка, т.е. времето от получаването на поръчката до предаването ѝ на превозвача, и действително време за доставка. И двете фази могат да бъдат анотирани отделно и с висока степен на детайлност – чак до крайните срокове за изпълнение на поръчките и дали обработката се извършва и през делничните дни. Съответните JSON-LD примери показват как типът `ShippingConditions` може да се използва за дефиниране на безплатна доставка за определени страни (напр. Франция и Германия) и минимални стойности на поръчките (напр. 50 евро).

Интегрирането на услугите за доставка с програми за лоялност е особено иновативно. Използвайки свойството `validForMemberTier`, услугата за доставка може да бъде изрично свързана с програма за членство и конкретно ниво. Това прави възможно декларирането на предимства за доставка за премиум членове директно в маркировката – функция, която преди това можеше да се конфигурира само чрез Google Merchant Center. Самата свързана програма за лоялност се дефинира като обект `MemberProgram` в обекта `Organization`, с нива като „Злато“ или „Сребро“ и свързани предимства като награди за лоялност или награди с точки.

Програмите за лоялност като семантични единици

Въвеждането на маркировката за програми за лоялност е икономически значимо. Организациите могат да дефинират множество независими програми за членство, всяка с няколко нива и диференцирани предимства – точки, цени за членове, политики за връщане, бонуси за доставка. Тази информация след това се показва директно в резултатите от търсенето с Google, както Леверинг демонстрира с примери от реалния свят, включително оферта на Sephora, която показва 30% отстъпка за членове директно в кода за пазаруване. Според Леверинг, свързването на идентификатори на различни страници, възможността за свързване към дефиниции на програми за лоялност от други страници, е следващата планирана стъпка, понастоящем озаглавена „Проправяне на пътя за свързване на @id между страници“. Целта: по-силни организационни препратки между продуктовите страници и политиките на компанията.

Потребителски генерирано съдържание: Проблемът с етикетирането с изкуствен интелект

Друга важна тема беше по-нататъшното развитие на схемите за потребителски генерирано съдържание (UGC). Две нови функции са особено важни тук. Първо, вградените публикации и повторни публикации се поддържат във форумите и Q&A маркировката, което позволява по-точно семантично представяне на дискусионните структури. Второ – и това е от още по-голямо стратегическо значение – свойството `so#digitalSourceType` е въведено, за да се идентифицира изрично машинно генерирано съдържание.

Това развитие е пряк отговор на наводнението от генерирано от изкуствен интелект съдържание в платформи като форуми и сайтове за въпроси и отговори. Уеб администраторите вече могат да декларират дали дадена публикация е генерирана алгоритмично или от езиков модел. Тези, които не посочат това, имплицитно се приемат от Google за човешки автори – правило, което стимулира прозрачното етикетиране. Свойството „digitalSourceType“ се основава на IPTC кодовете за цифрови източници и разграничава, наред с други неща, между генерирано от алгоритми и генерирано от модел съдържание.

Избор на изображение: Схемата е по-добра от Open Graph

По-малко забележима, но практически ефективна актуализация се отнася до логиката за избор на изображения на Google. Системата се консолидира вътрешно, с ясна йерархия на приоритизиране: маркировката Schema.org, по-специално свойствата `primaryImageOfPage` и `mainEntity → image`, има приоритет. Едва след това следва мета тагът `og:image` от Open Graph. Тази промяна означава, че за операторите на уебсайтове, чистата имплементация на schema.org на основното изображение директно влияе върху показването му в резултатите от търсенето с Google и AI Overviews – конкретно, измеримо предимство.

Schema.org сама по себе си получава инвестиции

Заслужава да се отбележи и обявеното от Google реинвестиране в schema.org като отворена спецификация. Споменати бяха три конкретни мерки: публикуването на статистика за честотата на използване на отделни термини от схемата (данните за разпространението, както е показано на слайд, вече са налични за отделни термини като „digitalSourceType“ с информация за приблизително 10 000 домейна), публикуването на собствените правила за валидиране на Google в машинно четими стандартни формати като SHACL или ShEx и подобрена поддръжка за правилата за подреждане. Това е важно, защото би позволило на външни разработчици да изградят свои собствени инструменти за валидиране, базирани на стандартите на Google – независимо от официалните инструменти за тестване, които понякога се сриват при натоварване.

Валидиране: Два инструмента, една цел

Ливъринг представи два инструмента за валидиране, които се допълват взаимно, но прилагат различни критерии за тестване. Инструментът за тестване на богати резултати (Rich Result Test Tool) на адрес `search.google.com/test/rich-results` приема URL адреси или чист JSON и проверява дали маркировката е подходяща за Google Search Rich Results – следователно той се основава на специфичните изисквания на Google, а не на самия стандарт schema.org. `validator.schema.org`, от друга страна, проверява дали маркировката е съвместима със schema.org, т.е. придържа ли се към отворения речник, независимо дали Google генерира богати резултати от нея. Това води до ясна препоръка за уеб разработчиците: и двата инструмента трябва да се използват, защото маркировката може да е съвместима със схемата, но не и с богати резултати – и обратно.

По-голямата картина: Структурираните данни като ИИ инфраструктура

Разглеждайки събитието в Торонто като цяло, е очевидна промяна, която далеч надхвърля традиционната SEO оптимизация. Структурираните данни се развиват от инструмент за получаване на богати фрагменти (rich snippets) до фундаментален стандарт за слоеве данни за системи с изкуствен интелект (AI). AI Overviews и AI Mode на Google активно използват schema.org markup като контекст за генериране на отговори и проверка на обекти. Тези, които внедряват правилни, пълни и точни структурирани данни, не само подобряват шансовете си за постигане на визуални акценти в резултатите от търсенето, но и позиционират съдържанието си като надежден основен източник за отговори, свързани с изкуствен интелект.

Споменаването на Universal Commerce Protocol (UCP) и WebMCP в този контекст не е случайно. И двата стандарта за комуникация, базирана на агенти, които Google пусна в ранни версии през 2026 г., изискват уебсайтовете да бъдат семантично описани. Schema.org е в основата за това. В свят, където агентите с изкуствен интелект действат автономно в мрежата, търсейки, сравнявайки и инициирайки транзакции, машинната четливост на съдържанието вече не е по избор, а предпоставка за икономическа значимост. Следователно презентацията на Райън Леверинг в Торонто не беше просто технически доклад – тя беше поглед към инфраструктурата на следващата мрежа.

Ако искате да знаете колко добре и изчерпателно вашият или друг уебсайт използва структурирани данни, можете да използвате точно двата инструмента, които Райън Леверинг от Google (от нашия текст по-горе) препоръча:

Тест за разширени резултати от Google (с фокус върху видимостта в Google):

Отидете на search.google.com/test/rich-results, копирайте URL адреса на всяка статия от xpert.digital и кликнете върху „Тестване на URL адрес“. Инструментът ще ви покаже точно кои маркировки Google разпознава на тази страница и дали са без грешки.

Валидатор на схема (фокус върху чистото съответствие със стандартите):

Отидете на validator.schema.orgи поставете същия URL адрес. Тук можете да видите директно в изходния код, маркиран с цвят, кои JSON-LD скриптове (структурирани данни) е включил xpert.digital.

☑️ Нашият бизнес език е английски или немски

☑️ НОВО: Кореспонденция на родния ви език!

Konrad Wolfenstein

Аз и моят екип с удоволствие ще бъдем на ваше разположение като ваш личен съветник.

Можете да се свържете с мен, като попълните формата за контакт тук просто ми се обадите на +49 7348 4088 965. Моят имейл адрес е [email protected]:или

Очаквам с нетърпение нашия съвместен проект.

☑️ Подкрепа за МСП в стратегията, консултирането, планирането и внедряването

☑️ Създаване или пренасочване на дигиталната стратегия и дигитализация

☑️ Разширяване и оптимизиране на международните процеси на продажби

☑️ Глобални и дигитални B2B търговски платформи

☑️ Pioneer Развитие на бизнеса / Маркетинг / PR / Търговски панаири

B2B поддръжка и SaaS за SEO и GEO (AI търсене) комбинирани: Решение „всичко в едно“ за B2B компании - Изображение: Xpert.Digital

Търсенето с изкуствен интелект променя всичко: Как това SaaS решение ще революционизира класирането ви в B2B завинаги.

Дигиталният пейзаж за B2B компаниите претърпява бързи промени. Водени от изкуствения интелект, правилата за онлайн видимост се пренаписват. За компаниите винаги е било предизвикателство не само да бъдат видими в дигиталната маса, но и да бъдат релевантни за правилните лица, вземащи решения. Традиционните SEO стратегии и управлението на локалното присъствие (геомаркетинг) са сложни, отнемат време и често представляват битка срещу постоянно променящите се алгоритми и интензивната конкуренция.

Но какво ще стане, ако имаше решение, което не само опрости този процес, но и го направи по-интелигентен, по-предсказуем и далеч по-ефективен? Тук влиза в действие комбинацията от специализирана B2B поддръжка с мощна SaaS (Софтуер като услуга) платформа, специално проектирана за нуждите на SEO и GEO в ерата на търсенето с изкуствен интелект.

Това ново поколение инструменти вече не разчита единствено на ръчен анализ на ключови думи и стратегии за обратни връзки. Вместо това, то използва изкуствен интелект, за да разбере по-точно намерението на търсене, автоматично да оптимизира локалните фактори за класиране и да провежда конкурентен анализ в реално време. Резултатът е проактивна, базирана на данни стратегия, която дава на B2B компаниите решаващо предимство: те не само биват откривани, но и възприемани като водещ авторитет в своята ниша и местоположение.

Ето симбиозата на B2B поддръжка и SaaS технология, задвижвана от изкуствен интелект, която трансформира SEO и GEO маркетинга, и как вашата компания може да се възползва от нея, за да расте устойчиво в дигиталното пространство.

Повече информация тук:

​

• B2B поддръжка и блог за SEO, GEO и AIS – Търсене с изкуствен интелект
• Забравете скъпите SEO инструменти – тази алтернатива доминира с ненадминати B2B функции