कोई प्रोडक्ट ग्राहक के लिए बिल्कुल सही हो सकता है, पर अगर उसमें पूरा स्कीमा मार्कअप नहीं है, तो AI शॉपिंग एजेंट उसे कभी नहीं सुझाएंगे। एजेंट आपका HTML इंसान की तरह पढ़ता है, पर आपका प्रोडक्ट स्ट्रक्चर्ड डेटा से समझता है। स्कीमा नहीं, तो समझ नहीं।
जब कोई ग्राहक AI शॉपिंग असिस्टेंट से कहता है कि ऐसा लैपटॉप बैग ढूँढो जो हवाई जहाज़ की सीट के नीचे आ जाए और $100 से सस्ता हो, तो एजेंट इंसान की तरह वेब ब्राउज़ नहीं करता। वह प्रोडक्ट पेज से स्ट्रक्चर्ड डेटा पढ़ता है। वह खास कीमतों वाला Offer स्कीमा, साइज़ की विशेषताओं वाला Product स्कीमा और ग्राहक रिव्यू वाला AggregateRating स्कीमा खोजता है। अगर आपके प्रोडक्ट पेज पर सुंदर विवरण है पर स्कीमा नहीं, तो एजेंट उसे पूरी तरह छोड़ देता है।
इस अध्याय में बताया गया है कि प्रोडक्ट स्कीमा कैसे काम करता है, AI शॉपिंग सिस्टम असल में कौन-सा मार्कअप पढ़ते हैं और अपने प्रोडक्ट डेटा का स्ट्रक्चर कैसे बनाएं ताकि AI एजेंट आपके प्रोडक्ट ढूँढकर सुझा सकें।
प्रोडक्ट स्कीमा क्या है और AI एजेंट उस पर क्यों निर्भर हैं
प्रोडक्ट स्कीमा मशीन के पढ़ने लायक कोड है, जो AI सिस्टम को बताता है कि आपका प्रोडक्ट क्या है, उसकी कीमत क्या है, उसकी रेटिंग कैसी है और ग्राहक उसे कहाँ खरीद सकते हैं। AI एजेंट से अंदाज़ा लगवाने की जगह कि "लैपटॉप बैग" का मतलब ब्रीफ़केस है या बैकपैक, स्कीमा एजेंट को साफ़ बताता है। इस प्रोडक्ट में पहिए हैं। इसमें 15 इंच के लैपटॉप का कंपार्टमेंट है। इसकी कीमत $89.99 है।
स्कीमा मार्कअप JSON-LD नाम के फ़ॉर्मैट का इस्तेमाल करता है। JSON-LD डेटा लिखने का ऐसा तरीका है जिसे कोई भी कंप्यूटर सिस्टम HTML या डिज़ाइन समझे बिना पढ़ सकता है। AI क्रॉलर आपके प्रोडक्ट पेज पर आता है, HTML पढ़ता है और JSON-LD स्क्रिप्ट टैग भी निकालता है। उस स्क्रिप्ट टैग में स्ट्रक्चर्ड डेटा होता है। एजेंट उस डेटा को पार्स करता है और आपके प्रोडक्ट को तुरंत समझ लेता है।
जो स्टोर पूरा प्रोडक्ट स्कीमा इस्तेमाल करते हैं, उन्हें अधूरे या बिना स्कीमा वाले स्टोर से AI शॉपिंग इंटरफ़ेस में 58.3% ज़्यादा क्लिक मिलते हैं। साफ़ स्कीमा मार्कअप वाले प्रोडक्ट AI Overviews और AI शॉपिंग रिज़ल्ट में 3.1 गुना ज़्यादा बार दिखते हैं।
Product स्कीमा और Offer स्कीमा में फ़र्क
Product स्कीमा बताता है कि प्रोडक्ट क्या है। Offer स्कीमा कीमत, उपलब्धता और विक्रेता की जानकारी कवर करता है। दोनों मिलकर वह पूरी तस्वीर बनाते हैं जो AI शॉपिंग सिस्टम को चाहिए।
Product स्कीमा में प्रोडक्ट का नाम, विवरण, इमेज, ब्रांड, प्रोडक्ट कैटेगरी, रंग, साइज़, वज़न, माप, मटीरियल और GTIN (बारकोड नंबर) होते हैं। यह पहचान की परत है। यह AI को बताती है कि आप क्या बेच रहे हैं।
Offer स्कीमा में कीमत, करेंसी, उपलब्धता (स्टॉक में, स्टॉक में नहीं, प्रीऑर्डर), आइटम की हालत (नया, रीफ़र्बिश्ड, पुराना), विक्रेता का नाम और रिटर्न पॉलिसी होती है। यह लेन-देन की परत है। यह AI को बताती है कि ग्राहक उसे कहाँ और कैसे खरीद सकते हैं।
प्रोडक्ट पेज को दोनों चाहिए। बिना ऑफ़र का प्रोडक्ट सिर्फ़ जानकारी है। बिना प्रोडक्ट का ऑफ़र AI को उलझन में छोड़ देता है कि क्या बिक रहा है। AI शॉपिंग के लिए स्कीमा मार्कअप में हमेशा Product स्कीमा और कम से कम एक Offer स्कीमा ब्लॉक होता है।
AI शॉपिंग एजेंट प्रोडक्ट को ग्राहक की ज़रूरत से मिलाने के लिए स्कीमा कैसे इस्तेमाल करते हैं
जब कोई ग्राहक AI एजेंट से कुछ ढूँढने को कहता है, तो एजेंट अनुरोध को खोजे जा सकने वाले गुणों में तोड़ता है। "ऐसी पानी की बोतल जो पेय को 24 घंटे ठंडा रखे" का अनुवाद खोज के गुणों में होता है, जैसे प्रोडक्ट का प्रकार पानी की बोतल, मटीरियल में स्टेनलेस स्टील या डबल-वॉल, क्षमता कम से कम 16 औंस और रंग कोई भी हो सकता है।
फिर एजेंट प्रोडक्ट फ़ीड में ऐसे प्रोडक्ट खोजता है जो उन सभी गुणों से मेल खाएं। अगर आपके प्रोडक्ट स्कीमा में मटीरियल या क्षमता का गुण नहीं है, तो एजेंट परख नहीं सकता कि आपका प्रोडक्ट मेल खाता है या नहीं। आपका प्रोडक्ट बिल्कुल सही होने पर भी एजेंट उसे छोड़ देता है।
इसीलिए मार्केटिंग कॉपी से ज़्यादा पूरा स्कीमा मायने रखता है। आपका सुंदर प्रोडक्ट विवरण "पूरे दिन पेय को ठंडा रखता है" एजेंट को तापमान या अवधि नहीं देता। आपका स्कीमा, जो मटीरियल को स्टेनलेस स्टील और क्षमता को 32 औंस बताता है, एजेंट को ठीक बताता है कि क्या खोजना है।
AI शॉपिंग सिस्टम आपके स्कीमा में असल में क्या पढ़ते हैं
स्कीमा मार्कअप के हर फ़ील्ड को बराबर वज़न नहीं मिलता। AI शॉपिंग सिस्टम कुछ फ़ील्ड को प्राथमिकता देते हैं, क्योंकि वे फ़ील्ड प्रोडक्ट को ग्राहक की शर्तों से मिलाने में मदद करते हैं।
ज़रूरी अनिवार्य फ़ील्ड हैं प्रोडक्ट का नाम, कीमत, करेंसी और उपलब्धता। ये टाले नहीं जा सकते। इनके बिना एजेंट आपके प्रोडक्ट को नतीजों में शामिल नहीं कर सकता।
ज़्यादा प्राथमिकता वाले फ़ील्ड, जो खूब इस्तेमाल होते हैं, हैं ब्रांड, इमेज, GTIN या MPN, रंग, साइज़, मटीरियल, वज़न, माप और AggregateRating। जब ग्राहक विकल्पों की तुलना कर रहा हो, तब ये फ़ील्ड सीधे असर डालते हैं कि एजेंट आपका प्रोडक्ट सुझाता है या नहीं।
दूसरे दर्जे के फ़ील्ड, जो प्रासंगिक होने पर दिखते हैं, हैं वारंटी की जानकारी, शिपिंग का ब्योरा, रिटर्न पॉलिसी, प्रोडक्ट कैटेगरी और निर्माता। ये एजेंट के जवाब में दिखते हैं, पर शुरुआती सिफ़ारिश को नहीं चलाते।
ज़्यादातर ईकॉमर्स ब्रांड ज़रूरी और ज़्यादा प्राथमिकता वाले फ़ील्ड सही भरते हैं, पर दूसरे दर्जे के फ़ील्ड पूरी तरह छोड़ देते हैं। जिस पूरे स्कीमा में वारंटी, रिटर्न पॉलिसी और शिपिंग का ब्योरा हो, उससे इसकी संभावना बढ़ती है कि जब ग्राहक भरोसेमंदी परख रहे हों तब एजेंट आपको सुझाए।
JSON-LD वह फ़ॉर्मैट है जिसे AI सिस्टम पसंद करते हैं
स्कीमा मार्कअप लिखने के कई तरीके हैं। Microdata HTML एट्रिब्यूट इस्तेमाल करता है। RDFa HTML टैग इस्तेमाल करता है। JSON-LD ऐसा स्क्रिप्ट टैग इस्तेमाल करता है जो आपके HTML से अलग रहता है।
AI सिस्टम JSON-LD को पसंद करते हैं, क्योंकि उसे पार्स करना सबसे आसान है। JSON वैध, स्ट्रक्चर्ड डेटा है। कंप्यूटर प्रोग्राम आपके पेज का लेआउट या डिज़ाइन समझे बिना उसे निकाल सकता है। जब AI क्रॉलर आपके पेज पर आता है, तो वह JSON-LD स्क्रिप्ट टैग खोजता है, डेटा पढ़ता है और तुरंत इस्तेमाल करता है।
89% स्कीमा इम्प्लीमेंटेशन JSON-LD इस्तेमाल करते हैं। Google इसी फ़ॉर्मैट की सिफ़ारिश करता है। AI शॉपिंग प्लेटफ़ॉर्म इसी को पढ़ने की उम्मीद करते हैं। अगर आपका ईकॉमर्स प्लेटफ़ॉर्म स्कीमा अपने आप बनाता है, तो लगभग तय है कि वह JSON-LD बना रहा है।
स्कीमा मार्कअप पेज के <head> में या <body> टैग के ठीक बाद होना चाहिए। वह पेज के सोर्स में स्टैटिक HTML होना चाहिए, JavaScript से गतिशील रूप से लोड नहीं। अगर आपका प्रोडक्ट स्कीमा JavaScript चलने के बाद लोड होता है, तो कुछ AI क्रॉलर उसके लोड होने का इंतज़ार नहीं करेंगे और आपके पेज का खाली संस्करण क्रॉल करेंगे।
अपने कैटलॉग के लिए पूरा Product स्कीमा बनाना
न्यूनतम प्रोडक्ट स्कीमा ब्लॉक में नाम, विवरण, इमेज, ब्रांड, कीमत, करेंसी और उपलब्धता होनी चाहिए। पर न्यूनतम, पूरे के सामने अच्छा मुकाबला नहीं कर पाता।
पूरे प्रोडक्ट स्कीमा में ऊपर की सब चीज़ें होती हैं, साथ में GTIN (बारकोड नंबर), रंग के विकल्प, साइज़ के विकल्प, मटीरियल, वज़न, माप, प्रोडक्ट कैटेगरी, निर्माता, एग्रीगेट रेटिंग (स्टार की गिनती और रिव्यू की गिनती) और आपकी प्रोडक्ट कैटेगरी के खास गुण।
अगर आपका प्रोडक्ट वेरिएंट में आता है (अलग साइज़ या रंग), तो हर वेरिएंट को अपनी कीमत और उपलब्धता के साथ अपना Offer ब्लॉक चाहिए। लाल, नीले और हरे रंग में आने वाली कमीज़ के तीन अलग Offer स्कीमा ब्लॉक होने चाहिए। छोटे, मध्यम और बड़े साइज़ के बैग के लिए कीमत और उपलब्धता की तीन एंट्री होनी चाहिए।
बड़े ईकॉमर्स प्लेटफ़ॉर्म बुनियादी स्कीमा अपने आप बनाते हैं। स्कीमा बनना आम तौर पर ज़रूरी फ़ील्ड के लिए काफ़ी अच्छा होता है, पर अक्सर मटीरियल, माप और वेरिएंट को संभालना छूट जाता है। अपने स्कीमा की जाँच करें। देखें कि रंग और साइज़ के वेरिएंट के अपने Offer ब्लॉक हैं। पक्का करें कि खास प्रोडक्ट प्रकार (बंडल, गिफ़्ट सेट) सही ढंग से बने हैं।
कैसे जाँचें कि आपका स्कीमा सही है
बिना जाँचे यह न मानें कि आपका प्लेटफ़ॉर्म सही स्कीमा बना रहा है। Google का Rich Results Test या Schema.org का वैलिडेशन टूल इस्तेमाल करें। अपने प्रोडक्ट पेज का URL डालें, और टूल ठीक दिखाता है कि आपके पेज में कौन-सा स्कीमा है।
इन खास समस्याओं को देखें। गायब GTIN नंबर, गलत उपलब्धता मान, गायब करेंसी घोषणा, गायब इमेज URL, शून्य पर सेट रिव्यू गिनती और गायब वेरिएंट जानकारी, ठीक करने की सबसे आम समस्याएं हैं।
गायब GTIN नंबर सबसे आम समस्या है। अगर आपके प्रोडक्ट पर बारकोड (EAN, UPC, ISBN) है, तो उसे अपने स्कीमा में डालें। AI सिस्टम GTIN से अलग-अलग विक्रेताओं में प्रोडक्ट की पहचान परखते हैं। अगर आपका GTIN गायब या गलत है, तो एजेंट आपके प्रोडक्ट को इन्वेंटरी सिस्टम और शॉपिंग तुलना से मिला नहीं सकता।
शून्य या खाली रिव्यू गिनती खतरे का निशान है। अगर आपका स्कीमा कहता है कि प्रोडक्ट के शून्य रिव्यू हैं, तो AI सिस्टम मान लेते हैं कि वह नया और अपरखा है। भले ही आपके प्रोडक्ट के 500 रिव्यू हों, अगर आपके स्कीमा में वह रिव्यू गिनती नहीं है, तो एजेंट को बिना परखा प्रोडक्ट दिखता है।
प्रोडक्ट फ़ीड आपकी मुख्य स्कीमा संपत्ति के रूप में
अगर आप मार्केटप्लेस पर बेचते हैं या शॉपिंग फ़ीड सेवाएं इस्तेमाल करते हैं, तो आपकी प्रोडक्ट फ़ीड वह जगह है जहाँ स्कीमा बड़े पैमाने पर जीवित होता है।
प्रोडक्ट फ़ीड आपके सभी प्रोडक्ट की मानक फ़ील्ड वाली स्ट्रक्चर्ड लिस्ट है। हर फ़ील्ड स्कीमा मार्कअप से जुड़ता है। आपका फ़ीड जनरेटर उस डेटा से JSON-LD स्कीमा बनाता है। अगर आपकी फ़ीड में अधूरा या गलत डेटा है, तो स्कीमा बड़े पैमाने पर अधूरा या गलत होगा।
फ़ीड की क्वालिटी में निवेश करें। इसका मतलब है अपने प्रोडक्ट डेटा को सटीकता, पूर्णता और एकरूपता के लिए जाँचना। GTIN, ब्रांड, कीमत, उपलब्धता और प्रोडक्ट गुणों वाली उच्च क्वालिटी फ़ीड अपने आप साफ़, पूरा स्कीमा बनाएगी।
ज़्यादातर ईकॉमर्स कंपनियाँ अपने प्रोडक्ट डेटा का 10 से 20% अधूरा छोड़ देती हैं। अधूरा प्रोडक्ट AI शॉपिंग रिज़ल्ट में नहीं दिखता। फ़ीड का ऑडिट, जो बिक्री की मात्रा के हिसाब से सिर्फ़ ऊपर के 20% प्रोडक्ट ठीक करे, AI विज़िबिलिटी 40% या उससे ज़्यादा बढ़ा सकता है।
AggregateRating और Review स्कीमा सिफ़ारिशें बढ़ाते हैं
रिव्यू वाला प्रोडक्ट, बिना रिव्यू वाले एक जैसे प्रोडक्ट से ज़्यादा बार सुझाया जाता है। AI शॉपिंग सिस्टम रिव्यू को आपके दावों की बाहरी पुष्टि मानते हैं।
AggregateRating स्कीमा AI सिस्टम को बताता है कि कितने लोगों ने आपके प्रोडक्ट को रिव्यू किया और उनकी औसत रेटिंग क्या थी। ratingValue (औसत स्टार रेटिंग, जैसे 4.7), reviewCount (आपके कितने रिव्यू हैं), bestRating (हमेशा 5) और worstRating (हमेशा 1) डालें।
4.8 स्टार और 120 रिव्यू वाला प्रोडक्ट AI एजेंट को भरोसेमंदी का संकेत देता है। रिव्यू डेटा के बिना प्रोडक्ट संकेत देता है कि वह अपरखा है। अगर आपके प्रोडक्ट के आपकी साइट पर रिव्यू हैं, तो स्कीमा में एग्रीगेट रेटिंग डालें। अगर आपका प्रोडक्ट नया है और रिव्यू नहीं हैं, तो फ़ील्ड को पूरी तरह छोड़ने की जगह कम से कम ratingCount को 0 के रूप में डालें।
WEMASY से प्रोडक्ट के लिए ऑनलाइन स्टोर
WEMASY के ऑनलाइन स्टोर में आप प्रोडक्ट, स्टॉक और ऑर्डर एक ही डैशबोर्ड में संभालते हैं। प्रोडक्ट के नाम, विवरण और इमेज जैसी जानकारी आप खुद भरते हैं, और ऊपर बताई बातें आपके प्रोडक्ट डेटा को पूरा रखने में काम आती हैं।
WEMASY के ऑनलाइन स्टोर और उसकी कीमतों के बारे में ज़्यादा जानने के लिए हमारा प्राइसिंग पेज देखें।
अक्सर पूछे जाने वाले सवाल
क्या हर प्रोडक्ट वेरिएंट को अपना स्कीमा मार्कअप चाहिए
अगर आपका प्रोडक्ट अलग साइज़, रंग या विकल्पों में आता है, तो हर वेरिएंट का अपनी कीमत और उपलब्धता के साथ अपना Offer स्कीमा होना चाहिए। इससे AI एजेंट ग्राहक के खोजे ठीक उसी वेरिएंट से मिला पाते हैं। तीन रंगों वाली कमीज़ के तीन अलग Offer ब्लॉक होने चाहिए, जिनमें तीन अलग कीमतें और इन्वेंटरी स्तर हों। WEMASY के वेबसाइट बिल्डर से आप इसे सीधे अपनी वेबसाइट पर सेट कर सकते हैं।
अगर मेरे पास स्कीमा मार्कअप है पर अधूरा है तो क्या होगा
AI सिस्टम जो उपलब्ध है वही इस्तेमाल करेंगे, पर अधूरा स्कीमा विज़िबिलिटी सीमित करता है। जिस प्रोडक्ट में GTIN, माप या उपलब्धता की स्थिति गायब है, उसे सिफ़ारिशों में कम प्राथमिकता मिलती है। जब दो एक जैसे प्रोडक्ट AI रिज़ल्ट में दिखते हैं, तो ज़्यादा पूरे स्कीमा वाला जीतता है। सबसे अहम कमियाँ पहले ठीक करें। GTIN, उपलब्धता और कीमत को प्राथमिकता दें।
क्या मुझे JSON-LD की जगह microdata या RDFa इस्तेमाल करना चाहिए
नहीं। JSON-LD इस्तेमाल करें। AI सिस्टम इसी फ़ॉर्मैट को पसंद करते हैं और Google इसी की सिफ़ारिश करता है। Microdata और RDFa वैध हैं पर उनमें AI सिस्टम को HTML पार्स करना पड़ता है, जो धीमा और कम भरोसेमंद है। JSON-LD साफ़ है, आपके HTML से अलग है और हर जगह समर्थित है।
अगर मैं कई मार्केटप्लेस पर बेचता हूँ तो क्या हर एक के लिए अलग स्कीमा चाहिए
नहीं। आपके प्रोडक्ट पेज में एक मानक स्कीमा होना चाहिए जो आपके प्रोडक्ट को सटीक दिखाए। हर मार्केटप्लेस वह स्कीमा उठाकर अपने प्लेटफ़ॉर्म पर आपका प्रोडक्ट दिखा सकता है। अपनी साइट पर स्कीमा को सच्चाई के स्रोत के रूप में रखें। मार्केटप्लेस उसी डेटा से सिंक होते हैं।
अगर प्रोडक्ट का ब्योरा बदलता है तो मुझे प्रोडक्ट स्कीमा कितनी बार अपडेट करना चाहिए
प्रोडक्ट का ब्योरा बदलते ही अपना स्कीमा अपडेट करें। अगर कीमत बदले, तो Offer स्कीमा का कीमत फ़ील्ड अपडेट करें। अगर प्रोडक्ट स्टॉक से बाहर हो जाए, तो उपलब्धता फ़ील्ड अपडेट करें। AI सिस्टम आपके पेज नियमित रूप से दोबारा क्रॉल करते हैं और बदलाव पकड़ लेते हैं। ताज़ा, सटीक स्कीमा आपके प्रोडक्ट को AI शॉपिंग रिज़ल्ट में दिखाता रखता है।
क्या मैं कई प्रोडक्ट के लिए एक ही स्कीमा ब्लॉक इस्तेमाल कर सकता हूँ
नहीं। हर प्रोडक्ट को अपना अलग स्कीमा मार्कअप चाहिए, जिसमें उसका अपना नाम, विवरण, GTIN और कीमत हो। स्कीमा ब्लॉक दोहराने से AI सिस्टम सीखते हैं कि आपके प्रोडक्ट डुप्लिकेट हैं, जो विज़िबिलिटी को नुकसान पहुँचा सकता है। अपने कैटलॉग के हर अलग प्रोडक्ट के लिए अनोखा स्कीमा बनाएं।