Yếu tố quyết định trích dẫn AI: ba lớp domain, schema và geo data

Hầu hết các hướng dẫn về xếp hạng tìm kiếm AI đề cập đến hai lớp: domain authority và schema markup. Những hướng dẫn đó không sai, nhưng chúng không đầy đủ theo cách đặc biệt gây tổn hại cho các trang listing, cổng thông tin bất động sản, nền tảng thuê ngắn hạn và bất kỳ trang web nào có danh mục dựa trên vị trí.

Lớp thứ ba là geo data. Đây là lớp ít được ghi chép nhất, thường thiếu nhất và là lớp quyết định liệu các trang của bạn có thể trả lời các truy vấn cụ thể về vị trí hay không. Hiểu AEO thực sự có nghĩa là gì là điểm khởi đầu, nhưng hướng dẫn này đi sâu hơn vào các yếu tố cấu trúc quyết định liệu các trang riêng lẻ có được trích dẫn hay không.

Lớp 1: Domain và Entity Authority

Domain authority là yêu cầu đầu vào, không phải tín hiệu xếp hạng. Hãy nghĩ nó như một ngưỡng. Các trang từ domain có DA thấp hơn khoảng 20-30 hiếm khi xuất hiện trong nhóm trích dẫn AI cho các truy vấn cạnh tranh, bất kể chất lượng nội dung. Trên ngưỡng đó, DA thuần túy có mối tương quan yếu dần với tần suất trích dẫn.

Điều thay thế nó như tín hiệu chính trên sàn DA là entity authority: mức độ AI model hiểu rõ và nhất quán về trang web của bạn là gì, bao gồm những gì và phục vụ ai.

Nhận dạng entity nhất quán trên toàn web. Tên tổ chức, địa chỉ, URL và danh mục của bạn phải xuất hiện giống hệt nhau trên schema của trang web, Google Business Profile, thư mục ngành và các nguồn trích dẫn. Sự không nhất quán NAP trực tiếp phân mảnh nhận dạng entity của bạn thành nhiều biểu diễn yếu thay vì một biểu diễn mạnh.

Tính kết hợp chủ đề. AI model đánh giá xem trang web của bạn có cụm chủ đề rõ ràng, nhất quán hay không. Một trang với 30 bài viết trong một lĩnh vực hẹp có entity authority cao hơn trong lĩnh vực đó so với trang có cùng DA nhưng trải rộng trên 20 chủ đề không liên quan.

Tham chiếu sameAs. Thuộc tính sameAs trong JSON-LD của bạn liên kết entity của bạn với các đại diện trên Wikidata, Crunchbase, LinkedIn và các graph có thẩm quyền khác. AI model sử dụng những điều này để xác nhận entity họ đang suy luận giống với entity được mô tả trên nhiều nguồn. Hướng dẫn triển khai JSON-LD LocalBusiness đầy đủ bao gồm cách cấu trúc đúng điều này.

Nếu domain của bạn vượt qua sàn DA, các cải tiến entity authority sẽ làm được nhiều hơn cho trích dẫn AI so với việc xây dựng thêm liên kết.

Lớp 2: Schema Markup

Schema markup là lớp giao tiếp giữa các trang của bạn và hệ thống truy xuất AI. Các trang có dữ liệu có cấu trúc được trích dẫn với tỷ lệ cao hơn đáng kể so với các trang không có schema. Google AI Overviews ưu tiên các trang có dữ liệu có cấu trúc và sự nâng cao lựa chọn là đáng kể cho các truy vấn cạnh tranh.

Hầu hết các triển khai dừng lại ở các trường thỏa mãn Google's Rich Results Test, điều này không giống với việc thỏa mãn hệ thống trích dẫn AI.

Những gì hầu hết các triển khai làm đúng: @type, name, description, url, openingHours, telephone, address, FAQ schema.

Những gì hầu hết các triển khai bỏ qua cho các trang listing: Các loại schema được thiết kế cho danh mục listing yêu cầu các thuộc tính khác với các loại mà hầu hết các hướng dẫn thảo luận.

Đối với các trang listing bất động sản, thuê ngắn hạn và khách sạn, các loại liên quan là RealEstateListing, LodgingBusiness, Hotel, VacationRental, Apartment và SingleFamilyResidence, mỗi loại lồng với Offer cho giá và khả dụng. Các loại này chỉ thực hiện chức năng của chúng cho truy xuất AI khi kết hợp với các thuộc tính vị trí đúng.

Lỗi FAQ Schema

FAQ schema có giá trị cho nội dung biên tập. Nó cho AI engine biết chính xác câu hỏi nào một phần nội dung trả lời. Các trang listing không phải là nội dung biên tập. Một listing bất động sản không trả lời câu hỏi chung về thuê nhà. Nó đại diện cho một entity cụ thể tại một vị trí cụ thể. FAQ schema không giúp AI engine khớp listing đó với "căn hộ 2 phòng ngủ gần ga metro." Schema đúng cho các trang listing có quan hệ entity, không có hình dạng Q&A.

Lớp 3: Geo Data (Lớp Ít Được Ghi Chép)

Các AI model trả lời các truy vấn cụ thể về vị trí ("thuê ngắn hạn gần Yellowstone," "căn hộ trong vòng 10 phút đến trung tâm") đang thực hiện khớp không gian địa lý ngầm. Họ đang giải quyết các mối quan hệ địa lý giữa vị trí được truy vấn và các entity trong nhóm truy xuất của họ. Để khớp đó hoạt động, các trang listing của bạn cần mã hóa các mối quan hệ đó một cách rõ ràng trong dữ liệu có cấu trúc.

Tọa Độ GeoCoordinates Chính Xác Trên Mỗi Trang Listing

Thuộc tính geo GeoCoordinates với latitude và longitude đến ít nhất bốn chữ số thập phân là tín hiệu nền tảng. Không có nó, AI engine mã hóa địa lý chuỗi địa chỉ của bạn, điều này thất bại với bất kỳ sự không nhất quán nào và tạo ra độ chính xác thấp hơn nhiều. Hầu hết các triển khai bao gồm geo đều chỉ áp dụng nó cho schema LocalBusiness cấp site, không phải cho các trang listing riêng lẻ. Mỗi trang listing phải là entity địa lý có thể giải quyết riêng của nó.

"geo": {
  "@type": "GeoCoordinates",
  "latitude": 48.8566,
  "longitude": 2.3522
}

containedInPlace: Liên Kết Bất Động Sản Với Hệ Thứ Bậc Địa Lý

Thuộc tính containedInPlace liên kết listing của bạn với các entity khu phố, quận, thành phố và vùng chứa nó. Đây là cách AI engine trả lời các truy vấn như "căn hộ ở Marais" thay vì chỉ "căn hộ tại [địa chỉ đường phố]." Không có nó, một bất động sản tồn tại như một địa chỉ nhưng không phải là thành viên của bất kỳ entity địa lý nào.

"containedInPlace": {
  "@type": "Place",
  "name": "Le Marais",
  "containedInPlace": {
    "@type": "City",
    "name": "Paris"
  }
}

Entity Place Gần Đó: Giao Thông, Trường Học, Địa Danh

Khi người dùng hỏi "thuê nhà gần metro," AI đang tìm kiếm các mối quan hệ có thể đọc được bằng máy tính rõ ràng giữa bất động sản và cơ sở hạ tầng giao thông. Một câu trong mô tả của bạn nói "đi bộ 5 phút đến Metro Line 4" không có tác dụng gì cho truy xuất AI. Cùng thông tin đó được cấu trúc thành một entity Place liên kết qua amenityFeature là có thể truy xuất được.

Tại Sao Cơ Sở Dữ Liệu Listing Không Mang Dữ Liệu Này Natively

Hầu hết các hệ thống quản lý bất động sản và cơ sở dữ liệu listing lưu trữ những gì người vận hành nhập: địa chỉ, giá, phòng ngủ, phòng tắm, ảnh. Chúng được xây dựng cho người dùng duyệt cổng thông tin, không phải cho ngữ cảnh địa lý có thể đọc được bằng máy tính. Một mapping API lấp đầy khoảng trống này. Các Geocoding API chuyển đổi địa chỉ thành tọa độ chính xác. Các API điểm quan tâm trả về các trạm giao thông, trường học, công viên và địa danh trong bán kính nhất định. Đầu ra ánh xạ trực tiếp vào các loại schema.org và có thể được nhúng vào JSON-LD trang listing theo tỷ lệ.

Bức Tranh Đóng Cả Ba Khoảng Cách

Một trang listing hoạt động tốt trong truy xuất AI:

1. Nằm trên domain với nhận dạng entity nhất quán, tham chiếu sameAs và cụm chủ đề rõ ràng
2. Sử dụng loại schema cụ thể nhất có thể áp dụng lồng với Offer cho giá
3. Bao gồm GeoCoordinates trên chính trang listing, containedInPlace liên kết nó với các entity khu phố và thành phố, và dữ liệu Place gần đó có cấu trúc cho giao thông, trường học và địa danh

Hầu hết các trang listing bao gồm các phần của Lớp 1 và các phần cơ bản của Lớp 2. Hầu như không có trang nào bao gồm Lớp 3. Các trang bao gồm cả ba lớp là những trang xuất hiện trong các câu trả lời AI cho các truy vấn cụ thể về vị trí.

Chỉ 1,2% doanh nghiệp địa phương hiện xuất hiện trong các khuyến nghị tìm kiếm AI. Họ không, trung bình, là những người có domain authority cao nhất. Họ là những người đã đóng cả ba khoảng cách.