AEO za podatke o izdelkih v e-trgovini, ki jih lahko umetna inteligenca citira

Uvod

Iskanje z umetno inteligenco spreminja to, kar velja za vidno.

Pred nekaj leti so ekipe za optimizacijo spletnih trgovin (e-commerce SEO) lahko obravnavale strani s produkti, strani s kategorijami in vire kot ločene delovne tokove. Ekipe za produkte so upravljale atribute. Ekipe za trženje so skrbele za kolekcije. Ekipe za SEO so se osredotočale na uvrstitve, notranje povezave in indeksiranje. To ločevanje je vse težje zagovarjati, saj odgovori, ki jih ustvari umetna inteligenca, te plasti vedno bolj stiskajo v en sam povzet odgovor.

Ko kupec prosi sistem umetne inteligence, naj primerja izdelke, pojasni razlike med različicami ali priporoči najboljšo možnost za določen primer uporabe, je odgovor odvisen od tega, ali so podatki o izdelku dovolj jasni za razlago in dovolj dosledni, da jim lahko zaupamo. Premajhna količina besedila je problem, vendar so neurejeni podatki o izdelku ponavadi še večji problem.

Zakaj AI težko navaja šibke podatke o izdelkih

Sistemi umetne inteligence ne navajajo strani zato, ker želi blagovna znamka vidnost. Navajajo strani, ko so podatki o izdelku stabilni, specifični in enostavni za uskladitev.

Tu AEO za e-trgovino preneha biti le prilagajanje vsebine in začne delovati kot upravljanje izdelkov. Če se naslovi, oznake različic, dimenzije, podrobnosti o združljivosti in logika kategorij spreminjajo od ene površine do druge, je stran težje z zaupanjem citirati. Vprašanje ni le, ali izdelek obstaja na strani. Vprašanje je, ali so informacije dovolj usklajene, da jih stroj obravnava kot zanesljive.

Zato toliko spletnih strani za e-trgovino dosega slabše rezultate v iskanju, ki ga poganja umetna inteligenca, čeprav se v tradicionalnem iskanju uvrščajo razmeroma dobro. Jezik je morda indeksabilen, vendar je osnovni zapis o izdelku še vedno preveč ohlapen.

AEO za podatke o izdelkih v e-trgovini se začne z doslednostjo

Prva naloga ni pisanje bolj prepričljivega besedila. Je zmanjšanje protislovij.

Če trgovina isti izdelek na eni strani imenuje »brezžične ušesne slušalke«, v viru »Bluetooth slušalke« in v primerjalnem bloku »športne ušesne slušalke«, mora sistem umetne inteligence ugibati, ali te reference opisujejo en izdelek, družino variant ali ločene izdelke. To ugibanje postane težje, ko se imena barv, materiali, velikosti, opombe o združljivosti ali vsebina paketov prav tako spreminjajo glede na to, kje se informacije pojavijo.

To je tudi razlog, zakaj je AIO za e-trgovino odvisen od jasnejših signalov o entitetah, kot mnogi timi pričakujejo. Preden lahko AI priporoči ali povzame izdelek, mora ugotoviti, kaj je izdelek, katere lastnosti mu pripadajo in kako se ta izdelek razlikuje od podobnih alternativ. Če so ti signali nedosledni, je povzetek šibkejši ali pa se sklic pojavi drugje.

Doslednost se zdi osnovna, vendar v praksi običajno pomeni, da se odloči, kateri podatki o izdelku so kanonični, in da se vsaka javna površina podeduje iz tega vira, namesto da se lokalno improvizira.

Poskrbite, da so podatki o izdelku berljivi za stroje

Berljiv tekst je še vedno pomemben, vendar sam po sebi ni dovolj, če strukturirana plast in vidni podatki o izdelku ne povedo istega.

Če stran izdelek opisuje le v splošnem marketinškem jeziku, bo kupec morda razumel bistvo, vendar bo stroj morda še vedno spregledal strukturo. Če stran prikazuje različice, cene, razpoložljivost in ponudbe, strukturirani podatki o izdelku pomagajo, da so ti podatki eksplicitni, namesto da bi jih morali sistemi umetne inteligence sklepati iz splošnega marketinškega besedila.

To ne pomeni, da morate strani napolniti z oznakami in upati na najboljše. Pomeni, da morate poskrbeti, da strukturirana plast podpira vidno plast. Če stran navaja, da je izdelek na zalogi, oznake in okoliški podatki o ponudbi ne smejo nakazovati česa drugega. Če stran predstavlja različice, mora struktura pomagati pri njihovem razlikovanju, namesto da vse poenoti v en splošen objekt.

Strani je lažje citirati, ko so dejstva vidna ljudem in razumljiva sistemom.

Uskladite podatke v viru in na strani

Veliko težav s citiranjem se začne zunaj same strani, običajno takrat, ko podatki v viru in podatki na strani niso več dovolj usklajeni, da bi jim lahko zaupali.

Stran izdelka je morda večinoma pravilna, vendar lahko feed zaostaja pri ceni, zalogi, velikosti ali razpoložljivosti. Ali pa je feed urejen, medtem ko stran še vedno vsebuje staro besedilo o paketih ali podedovano besedilo proizvajalca. Te neskladnosti niso slabe le za nakupovalne površine. Ustvarjajo negotovost glede tega, kateri vir govori resnico.

Specifikacija podatkov o izdelkih je pomembna tudi zunaj skladnosti z Merchant Centerjem, ko morajo viri, strani izdelkov in spodnji sistemi odražati enake signale o ceni, zalogi in lastnostih. Ta disciplina spodbuja ekipe k delu z eksplicitnimi lastnostmi, sprejetimi formati in doslednimi posodobitvami, kar olajša zaupanje v zapise o izdelkih pri primerjavah, ki jih ustvarja umetna inteligenca, v virih, na straneh in v spodnjih sistemih.

Pri tem ne gre toliko za iskanje ene Googleove funkcije, temveč za odpravo razlogov, zaradi katerih stroji oklevajo. Čim bolj jasen je prenos med podatki v katalogu in javnimi stranmi, tem lažje je sistemom umetne inteligence navajati podrobnosti, namesto da se jim izogibajo.

Zakaj je upravljanje izdelkov pomembnejše od navodil

Veliko ekip še vedno obravnava vidnost umetne inteligence kot problem navodil. Predvidevajo, da bodo boljša pogosta vprašanja, več primerjalnih besedil ali še en nakupovalni vodnik, ki ga ustvari umetna inteligenca, rešili vrzeli v navajanju. Včasih to pomaga, vendar šele potem, ko je zapis o izdelku zanesljiv.

Težji problem je običajno upravljanje. Kdo je lastnik naslova izdelka? Kdo odobri spremembe atributov? Kako se obravnavajo različice, ki se ne proizvajajo več? Kaj se zgodi, ko oddelek za trženje želi preimenovati kategorijo, podpora, ekipa za feed in ekipa za SEO pa uporabljajo starejši jezik? To so operativna vprašanja, vendar neposredno vplivajo na to, ali lahko AI natančno navede stran.

Trgovine, ki vlagajo v rešitve za rast e-trgovine na ravni trgovine, feedov in operativnih dejavnosti, še vedno naletijo na isto ozko grlo, če se atributi izdelkov, poimenovanje različic in logika kategorij med sistemi razlikujejo. Vidnost umetne inteligence se izboljša, ko se ti podatki uskladijo, ne pa ko vsaka ekipa samostojno optimizira svoj del.

Zato dober AEO običajno manj spominja na objavljanje in bolj na medfunkcionalno čiščenje, zlasti kadar naslove izdelkov, atribute in logiko kategorij spreminjajo različne ekipe.

Strani kategorij potrebujejo odgovore, ne le zaloge

Podatki o izdelkih niso prisotni le na straneh s podrobnostmi o izdelkih, saj tudi strani s kategorijami in zbirkami vplivajo na to, kaj lahko sistemi umetne inteligence povzamejo in navedejo.

Če je stran kategorije le mreža izdelkov s kratkim uvodom, AI-ju zelo malo pomaga razumeti, kdaj je ena možnost boljša od druge. Strani, ki delujejo bolje, ponavadi naredijo več. Opredeljujejo primer uporabe, pojasnjujejo ključne atribute, razjasnjujejo razlike med podtipi ter poskrbijo, da filtri ali kolekcije odražajo resnično logiko nakupovanja namesto notranje trgovinske priročnosti.

Ekipe, ki se že prilagajajo Google AI Mode za trgovine Shopify, se soočajo z enakim pritiskom iz drugega zornega kota: kratke strani kategorij in nejasne lastnosti umetni inteligenci ne dajejo veliko za povzemanje, primerjanje ali zaupanje. To ne pomeni, da vsaka stran zbirke potrebuje dolg esej. Pomeni, da stran potrebuje dovolj strukturiran in viden kontekst, da odgovori na vprašanje kupca, preden ga ta zastavi drugje.

Stran, ki le navaja izdelke, se lahko še vedno uvrsti visoko. Stran, ki pomaga opredeliti kategorijo, bo verjetneje pridobila citate.

Kako izgledajo podatki o izdelkih, ki jih AI lahko citira

V praksi so podatki o izdelkih, ki jih lahko navaja umetna inteligenca, običajno na najboljši možni način dolgočasni.

Naslov je stabilen. Logika variant je očitna. Oznake atributov so specifične. Dimenzije, materiali, opombe o združljivosti in vključene komponente je enostavno preveriti. Jezik kategorije ustreza načinu, na katerega resnični kupci primerjajo izdelke. Podatkovni vir ni v nasprotju s stranjo. Stran ni v nasprotju s podporno ekipo. In ekipa za trženje ne preimenuje istega izdelka v treh sistemih brez naknadnega čiščenja.

Takšna disciplina ni nič posebnega, vendar AI-sistemom daje nekaj, s čimer lahko delajo. Ko so podatki o izdelkih na vseh površinah urejeni, postane povzetek močnejši, ko pa niso, je trgovino težje citirati, čeprav ima blagovna znamka veliko vsebine.

AEO za podatke o izdelkih v e-trgovini, ki jih lahko navaja AI

AEO za podatke o izdelkih v e-trgovini, ki jih lahko navaja AI, v resnici ne gre za prepričevanje strojev. Gre za to, da so podatki o izdelkih dovolj stabilni, da stroji ne rabijo ugibati.

To pomeni jasnejše atribute, boljšo usklajenost med stranmi in viri, močnejšo logiko kategorij in boljše upravljanje katalogov med ekipami. Trgovine, ki bodo uspešne pri navajanju, bodo običajno tiste, ki podatke o izdelkih obravnavajo kot skupno infrastrukturo, ne pa kot izolirane bloke besedila, razpršene po različnih sistemih.