Czy mikrodane są gorsze od JSON-LD?

Nie pod względem zawartości: oba formaty wyrażają ten sam słownik schema.org i poprawnie napisane niosą te same informacje. JSON-LD jest za to łatwiejszy w utrzymaniu, bo cały opis siedzi w jednym skrypcie, a nie w atrybutach rozproszonych po kodzie HTML. Dlatego Google zaleca JSON-LD dla nowych wdrożeń.

Czy Google i modele AI czytają mikrodane?

Tak. Mikrodane to pełnoprawny format schema.org i Google oficjalnie je wspiera. Narzędzie, które ich nie widzi, po prostu idzie na skróty. Jeśli audyt pokazuje brak danych strukturalnych, sprawdź stronę walidatorem schema.org, zanim uznasz werdykt za prawdziwy.

Jak sprawdzić, czy moja strona ma dane strukturalne?

Wklej adres strony do walidatora schema.org (validator.schema.org): zobaczysz listę wszystkich wykrytych obiektów niezależnie od formatu. Dodatkowo test wyników rozszerzonych Google (Rich Results Test) pokaże, które oznaczenia Google rozpoznaje. Oba narzędzia są bezpłatne i nie wymagają logowania.

Czy dane strukturalne gwarantują cytowanie przez AI?

Nie. Dane strukturalne ułatwiają maszynom zrozumienie strony, ale o tym, czy model AI wymieni Twoją markę, decyduje więcej czynników, między innymi wzmianki w źródłach, z których korzysta. Traktuj schema.org jako fundament, który zwiększa szansę na poprawne pokazanie firmy, nie jako gwarancję obecności w odpowiedziach.

Czy po dodaniu JSON-LD trzeba usunąć mikrodane?

Nie trzeba, ale nie opisuj tych samych informacji w obu formatach naraz. Przy pierwszej zmianie ceny albo adresu łatwo zaktualizować jedną wersję i zapomnieć o drugiej, a wtedy maszyny dostają sprzeczne dane. Najbezpieczniej: nowe typy dodawaj w JSON-LD, a stare mikrodane usuwaj przy okazji przebudowy tych fragmentów strony.

Mikrodane czy JSON-LD - co naprawdę czytają modele AI?

JSON-LD i mikrodane to dwa równoprawne formaty schema.org, czyli danych strukturalnych, które modele AI i wyszukiwarki czytają, żeby zrozumieć Twoją stronę. Google zaleca JSON-LD, ale poprawne mikrodane działają dalej. Problem w tym, że wiele narzędzi liczy tylko JSON-LD i pokazuje „brak danych strukturalnych” firmom, które je mają.

Narzędzie do audytu SEO pokazuje Ci werdykt: „brak danych strukturalnych”. Tymczasem Twój sklep od lat ma poprawne oznaczenia schema.org, tylko w formacie mikrodanych, którego audyt w ogóle nie sprawdził. Taki fałszywy wynik kosztuje: albo płacisz za pracę, która jest już zrobiona, albo tracisz zaufanie do własnej strony bez powodu.

Poniżej wyjaśniam, czym różnią się dwa formaty danych strukturalnych, dlaczego część narzędzi widzi tylko jeden z nich i jak samodzielnie sprawdzić, co naprawdę masz na stronie. Na końcu: kiedy migracja na JSON-LD ma sens, a kiedy jest ryzykiem bez zysku.

Dlaczego modele AI potrzebują danych strukturalnych?

Wyobraź sobie, że model AI trafia na stronę firmy „Zamek”. Bez dodatkowych wskazówek musi zgadywać: to producent zamków do drzwi, hotel w zabytkowej warowni czy szkoła szermierki? Z treści strony często da się to wywnioskować, ale zgadywanie bywa zawodne, a maszyna nie dopyta.

Dane strukturalne rozwiązują ten problem. Schema.org to wspólny słownik, którym strona mówi maszynom wprost: to jest firma, tak się nazywa, tym się zajmuje, tu ma siedzibę. Produkt dostaje nazwę, cenę i dostępność. Pytania i odpowiedzi dostają formę, którą program czyta bez interpretowania układu graficznego.

Jedno zastrzeżenie: dane strukturalne nie gwarantują, że model AI wymieni Twoją markę. Cytowanie zależy od wielu czynników, między innymi od wzmianek poza Twoją stroną. Dane strukturalne robią coś skromniejszego, ale ważnego: sprawiają, że maszyna nie musi zgadywać, kim jesteś. A dobrze zrozumiana firma ma szansę dobrze wypaść w odpowiedziach.

Czym różnią się mikrodane od JSON-LD?

Oba formaty wyrażają ten sam słownik schema.org. Różnią się tylko tym, gdzie i jak zapisujesz informacje.

JSON-LD to osobny, krótki skrypt umieszczany zwykle w sekcji head strony. Wygląda jak uporządkowana notatka: typ obiektu, nazwa, adres, logo. Treść widoczna dla użytkownika zostaje nietknięta, a cały opis firmy siedzi w jednym miejscu.

Mikrodane działają inaczej. To dodatkowe atrybuty dopisywane do istniejących znaczników HTML. Atrybut itemtype mówi, że dany fragment strony opisuje na przykład produkt, a atrybuty itemprop oznaczają w nim nazwę, cenę czy ocenę. Informacja jest wpleciona w widoczną treść, nie wydzielona obok.

Jest jeszcze trzeci format, RDFa, spotykany rzadziej. Wszystkie trzy to pełnoprawny zapis schema.org. Program, który czyta je poprawnie, wyciągnie z nich te same informacje. Mikrodane znajdziesz szczególnie często w starszych sklepach internetowych i gotowych szablonach, bo przez lata to one były domyślnym sposobem oznaczania produktów.

Dlaczego audyt potrafi pokazać zero, choć dane strukturalne masz?

Powód jest prozaiczny: JSON-LD łatwo się wyciąga. Wystarczy znaleźć na stronie jeden rodzaj skryptu i odczytać jego zawartość. Mikrodane wymagają przejścia przez cały kod HTML i poskładania informacji z rozproszonych atrybutów. Część narzędzi idzie na skróty i sprawdza tylko ten pierwszy, wygodniejszy format.

Skutek: firma z poprawnymi mikrodanymi dostaje w raporcie „brak schema.org”. Werdykt brzmi groźnie, a jest po prostu nieprawdziwy. Jeśli na jego podstawie zlecisz wdrożenie danych strukturalnych, zapłacisz za pracę, która w dużej części jest już zrobiona.

Zanim uwierzysz jakiemukolwiek audytowi, sprawdź stronę samodzielnie. Masz do tego dwa bezpłatne narzędzia. Walidator schema.org (validator.schema.org) czyta wszystkie trzy formaty: wklejasz adres strony i widzisz pełną listę wykrytych obiektów. Test wyników rozszerzonych Google (Rich Results Test) pokazuje z kolei, które z Twoich oznaczeń Google rozpoznaje i które mogą wpływać na wygląd wyniku w wyszukiwarce.

Z własnego doświadczenia

Budując audyt techniczny w CiteLyzerze, zderzyłem się z tym problemem od kuchni. Część badanych stron miała poprawne oznaczenia produktów w mikrodanych, a popularne narzędzia pokazywały im zero. Od tamtej pory nasz audyt liczy oba formaty, bo werdykt „brak danych strukturalnych” wystawiony firmie, która je ma, podważa sens całego raportu.

Piotr Czerwiński · Założyciel CiteLyzer i HiddenJobs

Jakie typy schema.org liczą się najbardziej dla firmy?

Słownik schema.org ma setki typów, ale dla większości firm pracę wykonują cztery.

Organization. Podstawowy opis firmy: nazwa, logo, adres, dane kontaktowe i odnośniki do profili w innych serwisach. To fundament, dzięki któremu maszyna łączy Twoją domenę z marką jako podmiotem, a nie tylko zbiorem podstron.
LocalBusiness. Rozszerzenie dla firm obsługujących klientów na miejscu: godziny otwarcia, obszar działania i dokładna lokalizacja. Pomaga przy pytaniach w stylu „kogo polecasz w Krakowie”, gdzie liczy się powiązanie firmy z miejscem.
Product. Nazwa, cena, dostępność i oceny produktu. Kluczowy dla sklepów: bez niego maszyna widzi tekst i zdjęcia, z nim rozumie, że patrzy na konkretny produkt w konkretnej cenie.
FAQPage. Pytania i odpowiedzi opisane tak, że program czyta je wprost, bez zgadywania z układu strony. Ważna zasada: oznaczaj wyłącznie treści widoczne na stronie, bo tego wymagają wytyczne Google.

Kiedy migrować na JSON-LD, a kiedy zostawić mikrodane?

Google od lat zaleca JSON-LD i ma ku temu praktyczne powody. Skrypt siedzi w jednym miejscu, więc łatwiej go utrzymać i trudniej zepsuć przy zmianach wyglądu strony. Mikrodane są wplecione w kod HTML, więc każda przebudowa szablonu może przypadkiem usunąć albo rozerwać oznaczenia.

Z zalecenia nie wynika jednak nakaz. Migracja ma sens w trzech sytuacjach: budujesz nową stronę, planujesz przebudowę obecnej albo dodajesz zupełnie nowy typ danych. Wtedy JSON-LD to naturalny wybór, bo i tak dotykasz kodu.

Jeśli mikrodane działają poprawnie, a walidator to potwierdza, zostaw je w spokoju. Migracja na siłę to ryzyko bez zysku: możesz zepsuć coś, co działa, i nie dostać w zamian nic, czego nie miałeś. Uważaj tylko na dublowanie: nie opisuj tych samych informacji jednocześnie w mikrodanych i w JSON-LD, bo przy pierwszej zmianie ceny czy adresu jedna z wersji się zdezaktualizuje i maszyny dostaną sprzeczne dane.

Sedno

Mikrodane i JSON-LD to dwa zapisy tego samego słownika schema.org. Modele AI i wyszukiwarki potrafią czytać oba, więc werdykt „brak danych strukturalnych” zawsze warto zweryfikować walidatorem, zanim zaplanujesz pracę albo za nią zapłacisz. Nowe wdrożenia rób w JSON-LD, sprawne mikrodane zostaw.

Dane strukturalne to fundament, nie magia. Dają maszynom szansę zrozumieć, kim jesteś i co oferujesz, ale o tym, czy Twoja marka pada w odpowiedziach, decyduje więcej czynników. Dlatego po uporządkowaniu oznaczeń warto mierzyć widoczność w AI: dopiero pomiar pokaże, czy modele zaczynają wymieniać Twoją nazwę i gdzie wciąż masz lukę.