Структурирани подаци (маркуп) у доба вештачке интелигенције са Schema.org: Шта Google-ови инжењери заиста мисле

Упркос ChatGPT-у и компанији: Зашто Google-ови инжењери и даље верују Schema.org-у

Ажурирање SEO-а: Зашто Schema.org сада замењује Open Graph на Google-у

У свету SEO-а кружи упорни мит: У доба бриљантних модела вештачке интелигенције који без напора разумеју чак и неструктурирани текст, пажљиво одржавани структурирани подаци попут Schema.org-а једноставно су постали застарели. Али стварност је сасвим другачија. На догађају Google Search Central Live, инжењер компаније Google, Рајан Леверинг, разоткрио је ову заблуду и недвосмислено ставио до знања: Структурирано означавање није реликт прошлости, већ фундаментална окосница новог претраживања заснованог на вештачкој интелигенцији.

Од нових прегледа вештачке интелигенције до аутономних агената за куповину, језичким моделима су потребне прецизне, машински читљиве смернице како би се избегле халуцинације и како би се ефикасно функционисало рачунарски. Они који желе да остану видљиви на модерном вебу морају помоћи машинама да разумеју контекст без двосмислености. Овај чланак испитује стратешко преусмеравање компаније Google, представља револуционарне иновације за е-трговину и садржај који генеришу корисници и показује зашто је технички SEO сада одлучујућа конкурентска предност у борби за видљивост машина.

Машине могу да читају веб – али само ако им помогнете да га разумеју

Дана 21. априла 2026. године, у Торонту је одржан први догађај Google Search Central Live на канадском тлу – и то није био обичан скуп индустрије. Рајан Леверинг, инжењер у Google Search Engineering, одржао је оно што је вероватно била технички најконцентриранија и стратешки најзначајнија презентација дана: „Структурирани подаци, квалитет и вештачка интелигенција“. Оно што је представио било је више од техничког прегледа. Била је то јасна изјава о будућности семантичког веба у ери у којој вештачка интелигенција све више преузима улогу посредника између корисника и информација.

Између две крајности: погрешно или-или

На почетку своје презентације, Рајан Леверинг је супротставио два дијаметрално супротна мишљења која круже у SEO заједници. С једне стране, постоји уверење да су структурирани подаци једноставно сувишни у доба моћних језичких модела: Ако модели вештачке интелигенције могу лако да интерпретирају неструктурирани текст, зашто се мучити са мукотрпним додавањем schema.org ознака у изворни код? С друге стране, неки ентузијасти пропагирају идеју да су структурирани подаци будућност интернета – универзални семантички комуникациони протокол између аутономних агената вештачке интелигенције који ће у великој мери заменити традиционални веб.

Леверинг је одбацио обе крајности и уместо тога представио нијансирану, емпиријски утемељену перспективу. Оба става су садржала зрно истине, закључио је, али ниједно није у потпуности описивало стварност. Ова нијанса је карактеристична за тренутни приступ компаније Гугл овој теми: не ради се о догми, већ о прагматичној ефикасности.

Четири аргумента која објашњавају све

Леверингов централни аргумент може се сумирати у четири кључне тачке, које је он детаљније објаснио под насловом „Вредност структурираних података“. Прва тачка је прецизност: Структурирани подаци пружају знатно већу тачност за сложене шеме као што су продајне цене или програми лојалности него издвајање из слободног текста засновано на LLM-у. Језички модели могу бити обмањујући — они попуњавају недостајуће атрибуте, погрешно угњежавају податке или приступају информацијама ван контекста. Приликом издвајања цена производа са велике веб странице за електронску трговину са десетинама сличних артикала, стопа грешака је знатно већа код вештачке инференције него код чисто имплементираног, структурираног означавања.

Друга тачка се тиче додатног садржаја: Структурирани подаци често садрже невидљиве метаподатке који једноставно нису присутни у рендерованом HTML-у странице. Комплетни ISO формати датума, стабилни идентификатори за садржај који генеришу корисници или интерни ИД-ови ентитета – ове информације постоје искључиво у ознакама. Ниједан језички модел не може издвојити оно што није у тексту.

Треће, ефикасност: Парсирање структурираног означавања је много пута јефтиније од обраде великог језичког модела ради издвајања сложених података. Google индексира милијарде страница дневно. Прорачун је једноставан: Редован парсер који обрађује JSON-LD троши делић рачунарских ресурса корака LLM инференције. Структурирани подаци су стога не само семантички супериорнији – већ су и знатно ефикаснији са пословне перспективе. Ова тачка је директно релевантна за Google-ову инфраструктуру.

Четврти, и можда најпотцењенији, аспект је фокус: Структурирани подаци експлицитно истичу које су информације релевантне на страници, чиме се спречава да системи вештачке интелигенције прикупе небитне податке. На страници производа са главним чланком, неколико повезаних производа и навигационом траком пуном цена, језички модел без експлицитне анотације не може са сигурношћу рећи на коју цену да се позива. Структурирано означавање решава овај проблем недвосмисленим додељивањем.

Како се структурирани подаци заправо обрађују

Леверинг је такође учинио ток техничке обраде транспарентним. Подаци са Schema.org се прво обрађују кроз специфично чишћење и филтрирање пре него што се категоришу као индексирани подаци – подељени у области као што су догађаји, куповина и рецензије. Ови припремљени подаци затим теку у два различита излазна канала: с једне стране, класична страница резултата претраге (SRP), а са друге стране, као контекст за Google-ове системе засноване на вештачкој интелигенцији, тачније такозване AI Overviews (AIO) и AI Mode (AIM). Структурирани подаци стога више нису само алат за обогаћене резултате, већ директан улаз за генеративне вештачке интелигенције. Ово представља фундаменталну промену у стратешком значају schema.org ознака.

Квази-интерно решење: Како Xpert.Digital затвара оперативне празнине у B2B маркетингу и продаји – Паметно пословање вођено садржајем - Слика: Xpert.Digital

Xpert.Digital је B2B индустријски центар вођен подацима, којим руководи Konrad Wolfenstein . Компанија делује као екстерно, квази-интерно решење за индустријске партнере, попуњавајући оперативне празнине у маркетингу, садржају и продаји – без потребе за додатним ресурсима на страни клијента.

Више информација овде:

• Квази-интерно решење: Како Xpert.Digital затвара оперативне празнине у B2B маркетингу и продаји – Паметно пословање вођено садржајем

Куповина у фокусу: Достава, лојалност и варијације

Значајан део презентације био је фокусиран на иновације у електронској трговини. Леверинг је објаснио да су, према подацима Института Бејмард, неочекиване информације о испоруци на другом и трећем месту међу најчешћим разлозима за напуштање корпе за куповину. Структурирано означавање за услуге испоруке може директно решити овај проблем: Трговци сада могу прецизно дефинисати регионе порекла и одредишта, димензије и тежине, прагове вредности поруџбине, време обраде и припадности програмима лојалности директно у коду.

Модел времена испоруке који Google користи подељен је у две фазе: време обраде, тј. време од пријема поруџбине до предаје превознику, и стварно време испоруке. Обе фазе могу бити анотиране одвојено и са високом прецизношћу – све до времена затварања поруџбина и да ли се обрада одвија и радним данима. Одговарајући JSON-LD примери показују како се тип `ShippingConditions` може користити за дефинисање бесплатне испоруке за одређене земље (нпр. Француску и Немачку) и минималне вредности поруџбина (нпр. 50 €).

Интеграција услуга доставе са програмима лојалности је посебно иновативна. Користећи својство `validForMemberTier`, услуга доставе може бити експлицитно повезана са програмом чланства и одређеним нивоом. Ово омогућава директно декларисање погодности доставе за премијум чланове у ознакама – функција која се раније могла конфигурисати само преко Google Merchant Center-а. Сам повезани програм лојалности је дефинисан као објекат `MemberProgram` у оквиру ентитета `Organization`, са нивоима као што су „Злато“ или „Сребро“ и повезаним погодностима као што су награде за лојалност или награде у виду поена.

Програми лојалности као семантички ентитети

Увођење ознака за програм лојалности је економски значајно. Организације могу дефинисати више независних програма чланства, сваки са неколико нивоа и диференцираним погодностима – поенима, ценама за чланове, политикама поврата, бонусима за испоруку. Ове информације се затим директно појављују у резултатима Google претраге, као што је Леверинг демонстрирао на примерима из стварног света, укључујући Сефорину понуду која је приказивала попуст од 30% за чланове директно у исечку кода за куповину. Повезивање ИД-ова међу страницама, могућност повезивања са дефиницијама програма лојалности са других страница, је, према Леверингу, следећи планирани корак, тренутно назван „Утрљавање пута за повезивање @id-ова међу страницама“. Циљ: јаче организационе референце између страница производа и политика компаније.

Кориснички генерисан садржај: Проблем вештачке интелигенције (AI) обележавања

Још једна важна тема била је даљи развој типова шема за садржај који генеришу корисници (UGC). Две нове функције су овде посебно релевантне. Прво, уграђене објаве и поновне објаве су подржане у форумима и Q&A ознакама, што омогућава тачнији семантички приказ структура дискусије. Друго – и ово је од још већег стратешког значаја – својство `so#digitalSourceType` је уведено да би се експлицитно идентификовао садржај генерисан машином.

Овај развој је директан одговор на поплаву садржаја генерисаног вештачком интелигенцијом на платформама попут форума и сајтова за питања и одговоре. Вебмастери сада могу да декларишу да ли је објава генерисана алгоритамски или помоћу језичког модела. Оне који ово не наведу, Гугл имплицитно претпоставља да су људски аутори – правило које подстиче транспарентно означавање. Својство „digitalSourceType“ заснива се на IPTC кодовима за дигиталне изворе и разликује, између осталог, алгоритамски генерисан и садржај генерисан моделом.

Избор слике: Шема је боља од Open Graph-а

Мање примећено, али практично ефикасно ажурирање тиче се логике избора слика на Гуглу. Систем се консолидује интерно, са јасном хијерархијом приоритета: Schema.org ознаке, тачније својства `primaryImageOfPage` и `mainEntity → image`, имају предност. Тек затим следи мета ознака `og:image` из Open Graph-а. Ова промена значи да за оператере веб страница, чиста schema.org имплементација главне слике директно утиче на њен приказ у резултатима претраге Гугла и AI Overviews – конкретна, мерљива предност.

Schema.org сам по себи прима инвестиције

Такође је вредно пажње најављено реинвестирање компаније Google у schema.org као отворену спецификацију. Поменуте су три конкретне мере: објављивање статистике о учесталости коришћења појединачних термина шеме (подаци о распрострањености, као што је приказано на слајду, већ су доступни за појединачне термине попут `digitalSourceType` са информацијама о приближно 10.000 домена), објављивање сопствених правила валидације компаније Google у машински читљивим стандардним форматима као што су SHACL или ShEx и побољшана подршка за правила редоследа. Ово је значајно јер би омогућило спољним програмерима да направе сопствене алате за валидацију засноване на Google стандардима – независно од званичних алата за тестирање, који повремено падају под оптерећењем.

Валидација: Два алата, један циљ

Леверинг је представио два алата за валидацију који се међусобно допуњују, али примењују различите критеријуме тестирања. Алат за тестирање обогаћених резултата (Rich Result Test Tool) на `search.google.com/test/rich-results` прихвата URL-ове или чисти JSON и проверава да ли је ознака погодна за обогаћене резултате претраге Google – стога се заснива на специфичним захтевима компаније Google, а не на самом стандарду schema.org. С друге стране, `validator.schema.org` проверава да ли је ознака компатибилна са schema.org, тј. да ли се придржава отвореног речника, без обзира на то да ли Google генерише обогаћене резултате из ње. Ово доводи до јасне препоруке за веб програмере: треба користити оба алата, јер ознака може бити компатибилна са шемом, али не и способна за обогаћене резултате – и обрнуто.

Шира слика: Структурирани подаци као инфраструктура вештачке интелигенције

Посматрајући догађај у Торонту у целини, очигледна је промена која се протеже далеко изван традиционалне SEO оптимизације. Структурирани подаци еволуирају од алата за постизање богатих исечака до основног стандарда слоја података за AI системе. Google-ови AI Overviews и AI Mode активно користе schema.org ознаке као контекст за генерисање одговора и верификацију ентитета. Они који имплементирају тачне, потпуне и прецизне структуриране податке не само да побољшавају своје шансе за постизање визуелних истакнутих места у резултатима претраге, већ позиционирају свој садржај као поуздан примарни извор за AI одговоре.

Помињање Универзалног трговачког протокола (UCP) и WebMCP-а у овом контексту није случајност. Оба стандарда комуникације заснована на агентима, које је Google објавио у раним верзијама 2026. године, захтевају да веб странице буду семантички описане. Schema.org чини основу за ово. У свету где агенти вештачке интелигенције делују аутономно на вебу, претражујући, упоређујући и покрећући трансакције, машинска читљивост садржаја више није опционална, већ предуслов за економску релевантност. Презентација Рајана Леверинга у Торонту стога није била само извештај о техничкој надоградњи – то је био увид у инфраструктуру следећег веба.

Ако желите да знате колико добро и свеобухватно ваш или неки други веб сајт користи структуриране податке, можете користити управо два алата које је препоручио Рајан Леверинг из Гугла (из нашег текста изнад):

Тест обогаћених резултата на Гуглу (фокус на видљивост на Гуглу):

Идите на search.google.com/test/rich-results, копирајте URL било ког чланка са xpert.digital и кликните на „Тестирај URL“. Алат ће вам тачно показати које ознаке Google препознаје на тој страници и да ли су без грешака.

Валидатор шеме (фокус на чистој усклађености са стандардима):

Идите на validator.schema.orgи налепите исти URL. Овде можете директно видети у изворном коду, истакнуто бојом, које JSON-LD скрипте (структурирани подаци) је xpert.digital уградио.

☑️ Наш пословни језик је енглески или немачки

☑️ НОВО: Преписка на вашем матерњем језику!

Konrad Wolfenstein

Ја и мој тим смо срећни што вам можемо бити на располагању као ваш лични саветник.

Можете ме контактирати попуњавањем контакт форме овде једноставно позовите на +49 7348 4088 965. Моја имејл адреса је [email protected]:или

Радујем се нашем заједничком пројекту.

☑️ Подршка малим и средњим предузећима у стратегији, консултацијама, планирању и имплементацији

☑️ Креирање или реорганизација дигиталне стратегије и дигитализације

☑️ Проширење и оптимизација међународних продајних процеса

☑️ Глобалне и дигиталне B2B платформе за трговање

☑️ Пионирски развој пословања / Маркетинг / Односи с јавношћу / Сајмови

B2B подршка и SaaS за SEO и GEO (AI претрага) комбиновано: Свеобухватно решење за B2B компаније - Слика: Xpert.Digital

АИ претрага мења све: Како ће ово SaaS решење заувек револуционисати ваш B2B пласман.

Дигитални пејзаж за B2B компаније се брзо мења. Вођена вештачком интелигенцијом, правила онлајн видљивости се преписују. За компаније је увек био изазов не само да буду видљиве у дигиталној маси, већ и да буду релевантне за праве доносиоце одлука. Традиционалне SEO стратегије и управљање локалним присуством (геомаркетинг) су сложени, дуготрајни и често представљају борбу против стално променљивих алгоритама и интензивне конкуренције.

Али шта ако постоји решење које не само да поједностави овај процес, већ га учини и паметнијим, предвидљивијим и далеко ефикаснијим? Ту до изражаја долази комбинација специјализоване B2B подршке са моћном SaaS (софтвер као услуга) платформом, посебно дизајнираном за захтеве SEO и GEO у доба вештачке интелигенције претраге.

Ова нова генерација алата више се не ослања искључиво на ручну анализу кључних речи и стратегије повратних линкова. Уместо тога, користи вештачку интелигенцију како би прецизније разумела намеру претраге, аутоматски оптимизовала локалне факторе рангирања и спровела конкурентску анализу у реалном времену. Резултат је проактивна стратегија заснована на подацима која даје B2B компанијама одлучујућу предност: оне се не само проналазе, већ се и доживљавају као водећи ауторитет у својој ниши и локацији.

Ево симбиозе B2B подршке и SaaS технологије засноване на вештачкој интелигенцији која трансформише SEO и GEO маркетинг, и како ваша компанија може имати користи од тога да би одрживо расла у дигиталном простору.

Више информација овде:

​

• B2B подршка и блог за SEO, GEO и AIS – Претрага вештачке интелигенције
• Заборавите скупе SEO алате – ова алтернатива доминира са ненадмашним B2B карактеристикама