AI যুগে Real Estate SEO: সম্পূর্ণ গাইড

পনেরো বছর ধরে real estate SEO একই ভাবে শেখানো হয়েছে: শহরকে টার্গেট করুন, এলাকার গাইড লিখুন, সাইটেশন জোগাড় করুন, ব্যাকলিংক অর্জন করুন, সাইট দ্রুত রাখুন। এর কোনোটিই ভুল নয়, আর সবটাই এখনও গুরুত্বপূর্ণ। যা বদলেছে তা হলো, প্রপার্টি সার্চের একটি ক্রমবর্ধমান অংশ কখনো নীল লিংকের তালিকাই তৈরি করে না।

একজন ক্রেতা কোনো অ্যাসিস্ট্যান্টকে ভালো স্কুলের কাছে এবং কম যাতায়াত সময়ের তিন বেডরুমের বাড়ির কথা জিজ্ঞাসা করেন, এবং গুটিকয়েক উৎস থেকে তৈরি একটিমাত্র সংশ্লেষিত উত্তর পড়েন। ফলে এই বিষয়টির এখন দুটি অর্ধেক: যে ভিত্তি ঠিক করে আপনি আদৌ খুঁজে পাওয়ার যোগ্য কি না, আর যে নতুন স্তর ঠিক করে একটি মেশিন যা পেল তা ব্যবহার করতে পারবে কি না।

এই গাইড দুটোই কভার করে, শুরু হচ্ছে সেই অংশ দিয়ে যেখানে বেশিরভাগ গাইড থেমে যায়।

Real Estate SEO-তে যা এখনও অপরিহার্য

নিচের কিছুই নতুন নয়, আর এগুলো বাদ দিলে এর পরের সবকিছু অর্থহীন হয়ে যায়। যে প্রপার্টি সাইট ক্রল করা যায় না, সেটি কোনো অ্যাসিস্ট্যান্টের দ্বারাও উদ্ধৃত হবে না, কারণ অ্যাসিস্ট্যান্টরা একই ইনডেক্সের উপর দাঁড়িয়ে থাকে।

শেষ সারিটিই বেশিরভাগ পোর্টাল ভুল করে, আর এর খরচ দেখতে যতটা মনে হয় তার চেয়ে বেশি। একটি প্রপার্টি বিক্রি হয়ে গেলেও পৃষ্ঠাটি জমে থাকা কর্তৃত্ব ধরে রাখে এবং ওই ঠিকানার জন্য সার্চ চাহিদা পেতেই থাকে। এটি মুছে ফেললে দুটোই নষ্ট হয়, আর অপরিবর্তিত অবস্থায় চালু রাখলে সার্চ ইঞ্জিনকে বলা হয় যে আপনি অনুপলব্ধ কিছুর বিজ্ঞাপন দিচ্ছেন। বিক্রীত হিসেবে চিহ্নিত করা, ঠিকানা ও আশপাশের প্রেক্ষাপট রেখে দেওয়া এবং তুলনীয় চলতি লিস্টিংয়ে লিংক করা এই মূল্য ধরে রাখে।

AI সার্চে Real Estate SEO কোথায় বদলে যায়

প্রপার্টি পোর্টালগুলো কনটেন্টে বড় বিনিয়োগ করে, তবু AI উত্তরে দৃশ্যমানতা হারায়। কারণটি কাঠামোগত, এবং আমরা এটি বিস্তারিতভাবে দেখেছি কেন প্রপার্টি লিস্টিং পৃষ্ঠা AI সার্চে লুকিয়ে থাকে লেখায়।

একটি লিস্টিং পৃষ্ঠা হলো প্রবন্ধের পোশাক পরা একটি ডেটা এনটিটি। এতে দাম, মেঝের আয়তন, ঘরের সংখ্যা, ঠিকানা ও একটি বর্ণনা থাকে, কিন্তু সবটাই সাজানো টেক্সট হিসেবে দেখানো হয়। একটি মানুষ ও একটি মেশিন যখন একই বাক্য পড়ে, তখন কী হয় দেখুন।

ক্রেতারা সবচেয়ে বেশি যে পাঁচটি বিষয়ের খোঁজ করেন, তার চারটিই অদৃশ্য। প্রচলিত পরামর্শ এটি ঠিক করে না, কারণ সেটি ধরে নেয় প্রতিযোগিতার একক একটি ডকুমেন্ট। AI সার্চে প্রতিযোগিতার একক একটি তথ্য।

AI যে লিস্টিং পড়তে পারে তার তিনটি স্তর

প্রপার্টি স্তর প্রতিটি লিস্টিংয়ে আগে থেকেই আছে। কাজটি তথ্য যোগ করা নয়, বরং তা schema.org মার্কআপে প্রকাশ করা। একটি বিষয় মানুষ যতটা ভাবে তার চেয়ে বেশি গুরুত্বপূর্ণ: এমন টাইপ ব্যবহার করুন যা আসলেই প্রপার্টিটিকে বর্ণনা করে। অ্যাপার্টমেন্ট কমপ্লেক্স হিসেবে চিহ্নিত একটি কনডোমিনিয়াম এমন একটি তথ্যগত ভুল, যা একটি মেশিন আত্মবিশ্বাসের সঙ্গে ছড়াবে।

লোকেশন স্তর সেই জায়গা যেখানে বেশিরভাগ লিস্টিং ফাঁকা, এবং প্রতিযোগিতামূলক ফাঁকটি সেখানেই। নিকটতম স্টেশনের দূরত্ব এবং সেই হাঁটাটি আসলে কত সময় নেয়, নির্দিষ্ট ব্যাসার্ধের ভেতরের স্কুল, সুপারমার্কেট, পার্ক, স্বাস্থ্যসেবা। বিশেষণ নয়। দূরত্ব, সংখ্যা, নাম, যাতায়াতের সময়।

প্রশ্ন স্তর প্রথম দুটিকে বাস্তব প্রশ্নের আকারে অনুবাদ করে। ক্রেতারা "হাঁটার উপযোগিতা সূচক ৭৮" খোঁজেন না। তাঁরা জিজ্ঞাসা করেন গাড়ি ছাড়া সেখানে থাকা যাবে কি না।

ক্রেতারা যা জিজ্ঞাসা করেন, লিস্টিং যার উত্তর দিতে পারে না

প্রতিটি লোকেশন প্রশ্নের উত্তর ডেটা থেকে দেওয়া যায়, আর প্রায় কোনোটিরই উত্তর দেওয়া হয় না। ফলে ওই ক্রেতার প্রশ্ন সামলানো অ্যাসিস্ট্যান্ট আপনার লিস্টিং ছাড়া অন্য কোথাও থেকে উত্তর জোগাড় করে। পুরো খেলাটাই এই: যে লিস্টিং প্রশ্নের উত্তর দেয় সেটি উদ্ধৃত হয়, যে লিস্টিং রান্নাঘরের বর্ণনা দেয় সেটি হয় না।

এই প্রক্রিয়াটিই আমরা মেপেছি structured geo data সহ ও ছাড়া লিস্টিংয়ের সাইটেশন হার লেখায়, আর এটিই আছে Google Ask Maps নৈকট্যের বদলে অ্যাট্রিবিউট মিলিয়ে লিস্টিং র‍্যাঙ্ক করার পেছনে।

লোকেশন স্তর তৈরি করা

১. ঠিকানার স্ট্রিং নয়, স্থানাঙ্ক থেকে শুরু করুন। ঠিকানা একটি লেবেল, আর ফরম্যাট ও ভাষাভেদে লেবেল মেলানো ভঙ্গুর। প্রতিটি লিস্টিং একবার জিওকোড করুন, স্থানাঙ্ক সংরক্ষণ করুন, এবং বাকি সবকিছুর ভিত্তি হিসেবে সেটিকেই ধরুন।

২. ক্যাটাগরি ও ব্যাসার্ধ ধরে আশপাশ কোয়েরি করুন। ক্রেতারা যেসব পয়েন্ট অব ইন্টারেস্টের খোঁজ করেন, সেগুলো প্রথমে হাঁটার দূরত্বে, পরে গাড়ির দূরত্বে বের করুন। সারাংশ নয়, নাম ও দূরত্ব সংরক্ষণ করুন।

৩. দূরত্বকে সময়ে রূপান্তর করুন। "স্টেশন থেকে ৮০০ মিটার" একটি তথ্য। "দশ মিনিটের হাঁটা" একই তথ্য, ক্রেতা যে আকারে জিজ্ঞাসা করেছেন সেই আকারে।

৪. মার্কআপ হিসেবে এবং গদ্য হিসেবে, দুইভাবেই প্রকাশ করুন। Structured data যাতে একটি মেশিন পার্স করতে পারে, আর পাঠযোগ্য টেক্সট যাতে একজন মানুষ কাজে লাগাতে পারেন এবং একটি অ্যাসিস্ট্যান্ট উদ্ধৃত করতে পারে। যেকোনো একটি করলে পরিশ্রমটাই নষ্ট হয়।

প্রথম স্তর আগে থেকেই আছে এমন একটি লিস্টিংয়ে দ্বিতীয় স্তর যোগ করলে এমন দেখায়:

{
  "@context": "https://schema.org",
  "@type": "SingleFamilyResidence",
  "numberOfRooms": 3,
  "floorSize": { "@type": "QuantitativeValue", "value": 118, "unitCode": "MTK" },
  "geo": { "@type": "GeoCoordinates", "latitude": 52.3702, "longitude": 4.8952 },
  "amenityFeature": [
    { "@type": "LocationFeatureSpecification",
      "name": "Primary school within 600 m", "value": true },
    { "@type": "LocationFeatureSpecification",
      "name": "Metro station, 8 minute walk", "value": true },
    { "@type": "LocationFeatureSpecification",
      "name": "Supermarket within 400 m", "value": true }
  ]
}

আমাদের GeoEnrich API ডজনখানেক আলাদা লুকআপের বদলে একটি স্থানাঙ্ক থেকেই এই আশপাশের প্রেক্ষাপট ফিরিয়ে দেয়, আর property discovery একই জমিন সার্চের দিক থেকে কভার করে।

নিজে একটি বানানোর আগে যদি একটি তৈরি উদাহরণ থেকে শুরু করতে চান, আমরা GitHub-এ একটি উন্মুক্ত real estate geo guide রক্ষণাবেক্ষণ করি, যেখানে আছে ২৫ ফিল্ডের একটি প্রপার্টি লিস্টিং schema, এজেন্ট প্রোফাইল ও ওপেন হাউসের উদাহরণ, এবং একটি যাচাই চেকলিস্ট। এটি বিনামূল্যের, এবং নিজের কাজে হাত দেওয়ার আগে একটি সম্পূর্ণ লিস্টিং এনটিটি দেখতে কেমন তা বোঝার দ্রুততম উপায়।

যেসব schema ভুল নীরবে প্রপার্টি সাইটের ক্ষতি করে

মার্কআপ না থাকার চেয়ে মার্কআপে ভুল থাকা খারাপ, কারণ একটি মেশিন আত্মবিশ্বাসী ভুল বক্তব্যকে তথ্য হিসেবে ধরে নিয়ে তা পুনরাবৃত্তি করে। প্রপার্টি সাইটে আমরা এগুলোই সবচেয়ে বেশি দেখি।

স্থানাঙ্কেরটিতে বাড়তি জোর দেওয়া দরকার। অক্ষাংশে দশমিকের পর দুই ঘর মানে মোটামুটি এক কিলোমিটার ত্রুটি, যা একটি প্রপার্টিকে ভিন্ন স্কুল ক্যাচমেন্টে বা স্টেশনের ভুল পাশে সরিয়ে দেওয়ার জন্য যথেষ্ট। এরপর আপনি যত লোকেশন অ্যাট্রিবিউট হিসাব করবেন সবই সেই ত্রুটি উত্তরাধিকার হিসেবে পাবে, ফলে একটি অসূক্ষ্ম স্থানাঙ্ক নীরবে পুরো লোকেশন স্তরকে নষ্ট করে দেয়।

এরিয়া পেজ: যা এখনও কাজ করে আর যা কখনোই করেনি

আশপাশের এলাকা ও অঞ্চলভিত্তিক পৃষ্ঠা এখনও একটি প্রপার্টি সাইটের সবচেয়ে শক্তিশালী সম্পদগুলোর একটি, কারণ এগুলো এমন প্রশ্নের উত্তর দেয় যা কোনো একক লিস্টিং দিতে পারে না, এবং ইনভেন্টরি বদলে গেলেও এগুলো প্রাসঙ্গিক থাকে। আবার এই খাতে অন্য যেকোনো ধরনের পৃষ্ঠার চেয়ে এগুলোই বেশি পাতলা কনটেন্টের শাস্তি ডেকে আনে, কারণ প্রতিটি উপশহরের জন্য বড় আকারে একটি করে পৃষ্ঠা বানানোর প্রলোভন বিশাল।

পার্থক্যটা হলো, পৃষ্ঠায় এমন কিছু আছে কি না যা একটি মেশিন টেমপ্লেট থেকে বানাতে পারত না। যে পৃষ্ঠায় গড় দাম, পরিবহন সংযোগ, স্কুলের নাম, সুযোগ-সুবিধার সংখ্যা এবং গত এক বছরে ওই সংখ্যাগুলো কীভাবে বদলেছে তা থাকে, সেটি একটি সত্যিকারের রেফারেন্স। যে পৃষ্ঠা একই তিন অনুচ্ছেদে শুধু উপশহরের নাম বদলে দেয়, সেটি ভিন্ন টুপি পরা নকল কনটেন্ট, আর সার্চ ইঞ্জিন বছরের পর বছর ধরে নির্ভরযোগ্যভাবে এই পার্থক্য ধরতে পারছে।

এরিয়া পেজ প্রপার্টি স্কেলের বদলে এলাকা স্কেলে লোকেশন স্তরের স্বাভাবিক ঠিকানাও বটে। যে ডেটা "এই বাড়ির কাছে সুপারমার্কেট আছে কি" প্রশ্নের উত্তর দেয়, সেই একই ডেটা "এই এলাকার সুযোগ-সুবিধার ঘনত্ব কত" প্রশ্নের উত্তর দেয়, আর দ্বিতীয় প্রশ্নটি যেকোনো একক লিস্টিংয়ের চেয়ে অনেক বেশি সার্চ চাহিদা ধারণ করে।

উত্তর যখন ক্লিকের জায়গা নেয়, তখন Real Estate SEO মাপা

অস্বস্তিকর অংশটি হলো, চেনা স্কোরবোর্ড কম তথ্য দিতে শুরু করে। একটি লিস্টিং হতে পারে সেই উৎস যা একটি অ্যাসিস্ট্যান্ট ব্যবহার করেছে, অথচ কোনো ক্লিক আসেনি, কারণ ক্রেতা কথোপকথনেই তাঁর উত্তর পেয়ে গেছেন।

আমাদের AI SEO checker পরীক্ষা করে একটি পৃষ্ঠা কোনো আনসার ইঞ্জিনের কাছে কেমন পড়ায়, যা শুরু করার একটি যুক্তিসঙ্গত জায়গা।

অগ্রাধিকার অনুসারে একটি Real Estate SEO চেকলিস্ট

ভিত্তিগুলো ন্যূনতম শর্ত এবং আপনার প্রতিযোগীদের কাছে সেগুলো আছে। লোকেশন ডেটা স্তরই এই মুহূর্তে সবচেয়ে স্পষ্ট পার্থক্যকারী, আর এটিই বেশিরভাগ পোর্টাল এখনও তৈরি করেনি।

রিয়েল এস্টেট বরাবরই অবস্থান নিয়ে। সার্চ অবশেষে সেটির সঙ্গে তাল মেলাচ্ছে, এবং সে চায় ওই অবস্থান বিশেষণ নয়, ডেটা হিসেবে প্রকাশ করা হোক।