Miért fontos a strukturált adat?

Az AI-asszisztensek nem böngészik végig a katalógusodat, nem nézegetik a kategóriaoldalakat, és nem értelmezik a marketingszövegeidet. Strukturált forrásokból dolgoznak: JSON-LD adatblokkokból, feed-ekből, géppel olvasható mezőkből. Ha a Schema.org Product objektumod hiányos, a terméked az AI számára nem létezik a maga teljességében: lát egy nevet és egy árat, de nem tudja, mihez hasonlítsa.

És itt van a tipikus magyar helyzet: a legtöbb platform (WooCommerce, Unas, Shoprenter) kiküld valamilyen alap Product objektumot, tehát a “van schema?” kérdésre a válasz formálisan igen. Csakhogy az alap nem elég: a publikáláshoz szükséges minimum megy ki, nem az, amire az AI-nak az összehasonlításhoz és ajánláshoz szüksége van.

A 7 kulcsmező

Fontossági sorrendben. Mindegyiknél azt írjuk le, miért számít; a platform-specifikus beállítás már boltja válogatja.

1. brand. A márka külön mezőként, nem a terméknév részeként. Az AI ezzel kapcsolja a termékedet a márkáról szóló minden egyéb tudásához. “Bio levendula krém 50ml” névbe rejtve a márka az AI-nak láthatatlan.

2. gtin13 / gtin12 / mpn. A globális termékazonosító. E nélkül az AI nem tudja összepárosítani a termékedet más boltok ugyanilyen termékével, vagyis kimaradsz minden összehasonlításból. Sok bolt kihagyja, mert nem tartja fontosnak; pedig pont ez a mező teszi a termékedet a piac részévé.

3. category. Strukturált kategória-besorolás, ideálisan szabványos taxonómiával, nem szabadszöveges breadcrumb. Az AI ebből érti meg, milyen kérdésekre vagy te a válasz.

4. aggregateRating + reviewCount. Ha vannak vásárlói értékeléseid, strukturáltan add át őket. Az AI az ajánlásainál a megbízhatósági jeleket keresi, és a strukturálatlan, csak vizuálisan megjelenített csillagokat nem biztos, hogy megtalálja.

5. availability. InStock, OutOfStock, PreOrder. És nem csak publikáláskor: készletváltozáskor is frissülnie kell. Az AI nem szívesen ajánl olyat, amiről nem tudja, kapható-e.

6. price + priceCurrency. Két külön mező, géppel olvasható számmal, ISO pénznemkóddal (HUF). A “2 990 Ft” string egy mezőben az embernek jó, a gépnek zaj.

7. Termékspecifikus attribútumok (material, size, color és társaik). Ezek nélkül az AI nem tud válaszolni a szűrt kérdésekre: “mutass kis méretű, fekete, pamut…” Aki ezeket strukturáltan adja, az a hosszú, konkrét kérdéseknél nyer, vagyis pont ott, ahol a vásárlási szándék a legerősebb.

JSON-LD példa

Így néz ki egy kitöltött Product blokk a hét kulcsmezővel. Ez kerül a termékoldal HTML-jébe, egy <script type="application/ld+json"> elembe:

json
{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Példa terméknév",
  "brand": { "@type": "Brand", "name": "Márkanév" },
  "gtin13": "5998000000001",
  "mpn": "ABC-123",
  "category": "Elektronika > Fejhallgató",
  "offers": {
    "@type": "Offer",
    "price": "24990",
    "priceCurrency": "HUF",
    "availability": "https://schema.org/InStock"
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.6",
    "reviewCount": "128"
  },
  "additionalProperty": [
    { "@type": "PropertyValue", "name": "Szín", "value": "Fekete" },
    { "@type": "PropertyValue", "name": "Csatlakozás", "value": "Bluetooth 5.3" }
  ]
}
TIPP

A gtin13 a globális termékazonosító, e nélkül az AI nem tudja összepárosítani a termékedet más boltok ugyanazon termékével, vagyis kimaradsz az összehasonlításokból. Sok bolt kihagyja; pedig pont ez a mező teszi a termékedet a piac részévé.

Honnan tudod, nálad mi a helyzet?

Két publikus eszközzel bárki ellenőrizheti a saját termékoldalát: a Google Rich Results Test és a Schema.org Validator megmutatja, milyen Product blokk megy ki, és mely mezők hiányoznak belőle. Ez az első diagnózis, és öt percet vesz igénybe.

Rich Results Test illusztráció: 1 érvényes Product elem, 3 hiányzó mezővel (brand, gtin13, category)
Illusztráció: a Rich Results Test 1 érvényes elemet talált, de 3 hiányzó mezőt jelez: brand, gtin13 és category.

Amit az eszközök nem mondanak meg: melyik hiány mennyit számít a te kategóriádban, milyen sorrendben érdemes javítani, és hogyan oldható meg a te platformodon úgy, hogy ne kézzel kelljen háromezer terméket szerkeszteni. Ez már boltfüggő munka; a mi tesztünk pontosan ezt nézi meg.

Mit tanultunk

A strukturált termékadat nem optimalizálás, hanem alapszint: e nélkül az AI nem tud rólad érdemben beszélni. A platformod által kiküldött alap Product objektum formálisan létezik, tartalmilag kevés. A hét mező közül a brand, a globális azonosító és a category hiányzik a leggyakrabban, és pont ezek kötik a termékedet a piachoz. Az ellenőrzés ingyenes és gyors; a javítás sorrendje és kivitelezése az, ami szakmai döntést igényel.