بررسی اسکیما سایت با هوش مصنوعی
ببینید صفحه واقعا چه داده ساختاریافتهای اعلام میکنه، چه مشخصاتی از روی محتوای قابل دیدن تایید میشن و کدوم بخش هنوز برای انتشار آماده نیست.
بررسی اسکیما سایت با هوش مصنوعی زمانی کاربرد داره که یک افزونه یا قالب از قبل نشانهگذاری گذاشته، اما معلوم نیست همون چیزیه که روی صفحه میبینید. مثلا صفحه محصول قیمت تازه داره، در حالی که داده ساختاریافته هنوز قیمت قبلی رو اعلام میکنه. اسکیل schema-markup اول مشخص میکنه چه چیزی واقعا در HTML یا نسخه رندرشده صفحه وجود داره و بعد اون رو با واقعیت قابل تایید مقایسه میکنه.
اگر صفحه فقط اطلاعات یک مقاله رو داره، اضافه کردن امتیاز، نویسنده یا قیمت ساختگی راه بهتری برای معرفی اون نیست. میتونید از ایجنت بخواید بر اساس نوع واقعی صفحه، یک نمونه JSON-LD آماده کنه و هر فیلدی رو که هنوز منبع نداره مشخص بذاره. معتبر بودن ساختار هم به معنی نمایش حتمی نتیجه ویژه در گوگل نیست. این دو بررسی باید در گزارش جدا بمونن.
کاربردها
- برای داده ساختاریافته، نوع موجودیتهایی رو که صفحه فعلا معرفی میکنه فهرست کنید.
- در اسکیما محصول، قیمت و مشخصات رو با آنچه بازدیدکننده میبینه تطبیق بدید.
- برای اسکیما مقاله، فقط اطلاعات نویسنده یا تاریخهایی رو استفاده کنید که روی صفحه تایید میشن.
- در اعتبارسنجی اسکیما، خطای ساختار رو از شرطهای نتیجه ویژه گوگل جدا کنید.
- فیلدهای خالی رو به عنوان کار باقیمونده مشخص کنید تا نمونه ناقص اشتباهی منتشر نشه.
نصب و استفاده
- اسکیل رو نصب کنید و نشونی مجاز، HTML یا خروجی رندرشده صفحه رو آماده کنید. گزارش زنده Site Audit به اتصال رسمی Semrush MCP، اشتراک مناسب و پروژه دارای داده نیاز داره.
- مثلا بگید «این صفحه محصول رو با داده ساختاریافتهاش مقایسه کن. هر جا قیمت یا مشخصات قابل تایید نیست، قبل از ساخت نمونه نهایی علامت بزن.»
- نمونه پیشنهادی رو با ابزار اعتبارسنجی مناسب بررسی کنید. بعد از اینکه تیم تغییر رو اعمال کرد، نسخه رندرشده صفحه رو دوباره بخونید.
سوالات متداول
منبع
ساخته Semrush Inc. نام اصلی: schema-markup، منتشرشده در GitHub با مجوز Apache-2.0.
مشاهده در GitHub