اکثر کسبوکارهای خدمات محلی برای جستجوی هوش مصنوعی نامرئی هستند. این راهنما نشان میدهد چرا، و چطور آن را برطرف کنید، چه یک کدپستی سرویس بدهید چه کل شهر.
نشانهگذاری JSON-LD، داده ساختاریافته و غنیسازی موقعیت مکانی برای افزایش دیدهشدن کسبوکارهای خدمات محلی در ChatGPT، Perplexity و Google AI Overviews.
بدون داده جغرافیایی
آنچه هوش مصنوعی میبیند: هیچ موردی قابل تطبیق نیست. پاسخی به هیچ پرسوجوی منطقه خدمت یا مجاورت داده نمیشود.
با GeoEnrich
آنچه هوش مصنوعی میبیند: قابل تطبیق با ۲۵ نوع پرسوجو از جمله "لولهکش نزدیک من الان باز"، "برقکار اضطراری در De Pijp"، "دندانپزشک پذیرش بیمار جدید در Oud-Zuid".
GeoEnrich ستون سمت راست را بهصورت خودکار از یک آدرس تولید میکند. یک فراخوانی API.
این JSON-LD را به وبسایت خدمات محلی خود اضافه کنید تا بلافاصله برای موتورهای جستجوی هوش مصنوعی قابل مشاهده باشید:
{
"@context": "https://schema.org/",
"@type": "Plumber",
"name": "Amsterdam Emergency Plumbing Co.",
"description": "24/7 emergency plumbing services in Amsterdam and surrounding areas. Specializing in burst pipes, blocked drains, and water heater repairs.",
"image": "https://example.com/logo.png",
"address": {
"@type": "PostalAddress",
"streetAddress": "Prinsengracht 123",
"addressLocality": "Amsterdam",
"postalCode": "1015 DJ",
"addressCountry": "NL"
},
"telephone": "+31 20 555 1234",
"areaServed": {
"@type": "GeoShape",
"geoMidpoint": {
"@type": "GeoCoordinates",
"latitude": 52.3676,
"longitude": 4.9041
},
"geoRadius": "15",
"addressCountry": "NL"
},
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.8",
"ratingCount": "247"
},
"priceRange": "€50-€250"
}
نسخه کامل با محدودههای خدمت، پروفایلهای حرفهای و غنیسازی موقعیت میخواهید؟ مثال کامل schema کسبوکار محلی را در قسمت نمونهها ببینید.
مشتریان شما دیگر «لولهکش آمستردام» جستجو نمیکنند. آنها سوالات مکالمهای پر از قصد میپرسند:
این پرسوجوها دارای قصد جغرافیایی (موقعیت)، قصد زمانی (دسترسیپذیری)، قصد کیفیت خدمت (نظرات، مدارک) و قصد عملیاتی (ساعات، قیمتگذاری) هستند.
مدلهای هوش مصنوعی آموزشدیده روی دادههای ساختاریافته میتوانند به اینها پاسخ دهند اگر اطلاعات کسبوکارتان واضح باشد. توضیحات مبهم، ساعات ناقص، نبود محدوده خدمت و قیمتگذاری پنهان شما را برای جستجوی هوش مصنوعی نامرئی میکند.
LocalBusiness پایه است. به هوش مصنوعی میگوید: «این یک کسبوکار است که یک منطقه جغرافیایی را خدمات میدهد.»
زیرانواع رایج:
فیلدهای ضروری (حداقل):
@type: زیرنوع (مثلاً «Plumber»)name: نام کسبوکار شماaddress: آدرس پستی کاملtelephone: شماره تماسareaServed: پوشش جغرافیایی (محلهها، کدپستیها یا GeoShape)openingHoursSpecification: ساعات کار (مهم برای خدمات ۲۴ ساعته، آخر هفته، اضطراری)فیلدهای بسیار توصیهشده:
description: کاری که میکنید و تخصص شماaggregateRating: تعداد نظرات و امتیازpriceRange: شاخص هزینه (۵۰-۲۰۰ یورو)paymentAccepted: روشهای پرداختknowsLanguage: زبانهایی که صحبت میکنیدhasOfferCatalog: قیمتگذاری تفصیلی برای خدمات خاصadditionalProperty: زمان پاسخ، شعاع منطقه خدمت، گواهینامههاتعریف محدوده خدمت
از GeoShape با geoRadius برای دقیقترین تعریف محدوده خدمت استفاده کنید. شعاع ۱۵ کیلومتر نشان میدهد که صادقانه محدودیتها را بیان میکنید. هوش مصنوعی نمیتواند بدون این فیلد بفهمد آیا ۱ کیلومتر یا ۵۰ کیلومتر خدمت میدهید.
LocalBusiness به هوش مصنوعی میگوید وجود دارید. Schema Service به هوش مصنوعی میگوید واقعاً چه کار میکنید و چقدر هزینه دارد.
{
"@context": "https://schema.org/",
"@type": "Service",
"name": "Emergency Drain Unblocking",
"provider": {
"@type": "LocalBusiness",
"name": "Amsterdam Emergency Plumbing Co."
},
"serviceType": "PlumbingService",
"areaServed": {
"@type": "GeoShape",
"geoRadius": "15km"
},
"offers": {
"@type": "Offer",
"priceCurrency": "EUR",
"price": "85.00"
},
"hoursAvailable": {
"@type": "OpeningHoursSpecification",
"dayOfWeek": ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"],
"opens": "00:00",
"closes": "23:59"
}
}خدمات محلی اغلب قیمتگذاری متغیر دارند. از hasOfferCatalog با سطوح قیمت خدمات خاص استفاده کنید. مدلهای هوش مصنوعی از این برای پاسخ به «چقدر هزینه دارد؟» با جزئیات استفاده میکنند.
برای کسبوکارهای مبتنی بر خدمات که تخصص فردی اهمیت دارد (دندانپزشکان، وکلا، آرایشگران، مکانیکها)، متخصصان را با schema Person علامتگذاری کنید.
{
"@context": "https://schema.org/",
"@type": "Person",
"name": "Dr. Helena Mueller",
"jobTitle": "Dentist",
"worksFor": {
"@type": "Dentist",
"name": "Amsterdam Dental Clinic"
},
"hasCredential": [
{
"@type": "EducationalOccupationalCredential",
"name": "Doctor of Dental Medicine",
"issuingOrganization": {
"@type": "EducationalOrganization",
"name": "University of Amsterdam"
}
}
],
"knowsLanguage": ["en", "nl", "de", "fr"],
"description": "Specialized in cosmetic dentistry, implants, and restorative work. 12 years experience."
}این به هوش مصنوعی میگوید: دکتر Mueller واجد شرایط است، به زبان شما صحبت میکند، نظرات عالی دارد و در درمانهای خاص تخصص دارد.
فراتر از آدرس پایه، هوش مصنوعی به زمینه نیاز دارد: در کجای شهر هستید؟ چه چیزی در نزدیکی است؟
GeoShape را با زمینه معنایی و فیلدهای additionalProperty ترکیب کنید:
service_area_radius_km: شعاع صریح منطقه خدمتaverage_response_time_minutes: برای پرسوجوهای خدمات اضطراری حیاتی استcustomer_parking_available: برای خدماتی که دفتر فیزیکی دارندnearest_public_transit: زمینه دسترسیپذیریaccessibility_score: ورودی قابل دسترس با ویلچر، ون قابل دسترسservice_types_offered: اضطراری، برنامهریزیشده، پیشگیرانهindustries_served: مسکونی، تجاری، صنعتیcertifications_held: گواهینامههای حرفهای مرتبطاز MapAtlas GeoEnrich API برای غنیسازی خودکار داده منطقه خدمت استفاده کنید: پوشش محله در شعاع شما را دریافت کنید، بخشهای جمعیتی تحت پوشش را شناسایی کنید، امکانات نزدیک را برای زمینه پیدا کنید و دقت شعاع منطقه خدمت را تأیید کنید.
داده ساختاریافته کافی نیست. محتوای واقعی وبسایت شما باید با آن مطابقت داشته باشد.
صفحه اصلی باید شامل موارد زیر باشد:
ساختار محتوای FAQ
مدلهای هوش مصنوعی از محتوای FAQ یاد میگیرند. این پرسشوپاسخها را اضافه کنید:
هر آیتم FAQ باید با داده schema شما مطابقت داشته باشد. در متن با JSON-LD خود تناقض نداشته باشید.
مدلهای هوش مصنوعی چطور تصمیم میگیرند کدام کسبوکار خدماتی را توصیه کنند؟ پنج عامل غالب هستند:
۱. سیگنالهای نظرات (بالاترین وزن)
تعداد نظرات، تازگی، امتیاز و خاصیت. بهترین نظرات منطقه خدمت، زمان پاسخ و حرفهایگری شما را ذکر میکنند. مثال: «ساعت ۲ صبح با لوله ترکیده تماس گرفتم. ظرف ۵۰ دقیقه از مرکز آمستردام رسیدند. درست تعمیر کردند، خدمه حرفهای، قیمت معقول.»
۲. دسترسیپذیری و ساعات کار
مدلهای هوش مصنوعی کسبوکارهایی را ترجیح میدهند که با قصد پرسوجو مطابقت دارند. جستجوهای «لولهکش اضطراری» خدماتی با ساعات ۲۴ ساعته را اولویت میدهند. جستجوهای «دندانپزشک یکشنبه» به ساعات یکشنبه در schema نیاز دارند.
۳. شفافیت قیمتگذاری
خدماتی با قیمتگذاری قابل مشاهده بالاتر از فهرستهای مبهم «برای استعلام زنگ بزنید» قرار میگیرند. محدوده قیمت و قیمتگذاری خدمات خاص را اضافه کنید.
۴. خاصیت مدارک
متخصصان دارای مجوز بالاتر از بدون مجوز قرار میگیرند. گواهینامهها و تخصصها در schema و محتوا اعتماد ایجاد میکنند.
۵. وضوح محدوده خدمت
محدوده خدمت جغرافیایی خاص بر «سراسر کشور» برتری دارد. GeoShape با شعاع بر توضیح متنی برتری دارد. محلههای نامبرده بر پوشش مبهم شهری برتری دارند.
اشتباه ۱: عدم تعریف محدوده خدمت
هوش مصنوعی نمیتواند بدون areaServed بفهمد آیا ۱ کیلومتر یا ۵۰ کیلومتر از دفتر شما خدمت میدهید.
اشتباه ۲: نبود ساعات باز بودن
لولهکشی اضطراری بدون علامتگذاری ۲۴ ساعته برای جستجوهای «لولهکش ۲۴ ساعته» نامرئی است. openingHoursSpecification کامل برای تمام روزها از جمله آخر هفته اضافه کنید.
اشتباه ۳: نبود اطلاعات قیمتگذاری
قیمتگذاری پنهان به معنی از دست دادن اعتماد است. حداقل priceRange یا hasOfferCatalog با قیمتگذاری خدمات خاص اضافه کنید.
اشتباه ۴: نبود مدارک یا گواهینامهها
«دکتر» فقط یک عنوان است. hasCredential را با جزئیات تحصیل و تخصص اضافه کنید.
اشتباه ۵: توضیحات قالبی
«ارائه مراقبت دندانپزشکی با کیفیت در محیطی دوستانه» برای ۱۰۰۰۰ دندانپزشک صدق میکند. تخصصهای واقعی و منطقه خدمت خود را توصیف کنید.
اشتباه ۶: نبود زمان پاسخ
«اضطراری» بدون وضوح زمان پاسخ معنایی ندارد. additionalProperty با average_response_time_minutes اضافه کنید.
اشتباه ۷: داده متناقض
اگر schema میگوید ۹:۰۰-۱۷:۰۰ اما وبسایت میگوید «۲۴ ساعته برای تماسهای اضطراری»، مدلهای هوش مصنوعی این تناقض را متوجه شده و به داده شما اعتماد نمیکنند.
گام ۱: اعتبارسنجی نحو JSON-LD
از اعتبارسنج Schema.org در validator.schema.org برای بررسی خصوصیات ضروری ناقص، عدم تطابق نوع و خطاهای نحوی استفاده کنید.
گام ۲: آزمایش دیدهشدن در هوش مصنوعی با AEO Checker
از AEO Checker در /ai-seo-checker استفاده کنید تا بررسی کنید آیا داده کسبوکارتان درست درک میشود، تأیید کنید محدوده خدمت شناسایی میشود، اطمینان حاصل کنید ساعات باز بودن تجزیه میشود و ببینید مدلهای هوش مصنوعی schema شما را چطور تفسیر میکنند.
گام ۳: آزمایش دستی هوش مصنوعی
از ChatGPT یا Perplexity بپرسید:
ببینید آیا کسبوکار شما ظاهر میشود و بهدرستی توصیف میشود.
گام ۴: بررسی سازگاری
آیا JSON-LD با محتوای وبسایت شما مطابقت دارد؟ آیا ساعات در همه کانالها (Google، وبسایت، schema) دقیق است؟ آیا قیمتگذاری سازگار است؟
گام ۵: پایش و بروزرسانی
schema را هر سه ماه بررسی کنید. ساعات باز بودن را در صورت تغییر بروزرسانی کنید. خدمات جدید را به hasOfferCatalog اضافه کنید. نظرات را در aggregateRating تازهکنی کنید.
خودکارسازی در مقیاس بزرگ
API GeoEnrich MapAtlas به طور خودکار مختصات، POIهای نزدیک، دسترسی به حملونقل، زمینه محله و دادههای جغرافیایی آماده برای اسکیما را به هر فهرست اضافه میکند، یک فراخوانی API برای هر فهرست، در هر مقیاسی.