Schema-Markup, auch als strukturierte Daten oder Schema bekannt, hilft bei der Erstellung von suchmaschinenfreundlichen und maschinenlesbaren Informationen auf Ihrer Website, damit KI-Modelle sie verstehen und in generativen Suchantworten verwenden können. Die Informationen sind lesbar, weil sie in einem standardisierten Code strukturiert sind, der in das HTML einer Webseite eingebettet ist. Aufgrund der im Schema-Markup definierten Strukturen können KI-Modelle den Inhalt, den Kontext und die Beziehungen zwischen den Informationseinheiten auf der Seite erfassen.
Warum Schema-Markup in der modernen Suche wichtig ist
Schema-Markup unterstützte bislang traditionelle Suchmaschinen beim Lesen von Webseiten und bei der Anzeige von Suchergebnisseiten. Jetzt unterstützt es auch Sprachassistenten, KI-gestützte Suchen und neue Suchplattformen. Wenn Marken Schema-Markup auf ihren Webseiten implementieren, gibt das Schema für strukturierte Daten den KI-Modellen Hinweise auf die Bedeutung der einzelnen Seitenelemente (z. B. Öffnungszeiten, Produktspezifikationen, Bewertungen).
Auch hier gilt: Wenn KI-Modelle erkennen, was in Ihren Markeninformationen und -inhalten enthalten ist, können sie Ihre Daten anzeigen, wenn sie für Kundenanfragen und Suchanfragen relevant sind.
Aber KI verlässt sich nicht allein auf Schemata. KI-Modelle analysieren sowohl strukturierte Daten (wie mit Schema markierte Inhalte) als auch unstrukturierte Daten (wie Bilder und Videos), um Hinweise auf die Inhalte Ihrer Webseite zu erhalten.
Schema Markup wandelt zwar nicht jeden unstrukturierten Inhalt in strukturierte Daten um, hebt aber bestimmte Teile des Inhalts hervor. Dies erleichtert der KI das Auffinden und Interpretieren der semantischen Relevanz Ihrer Marke für Kunden-Suchanfragen.
Beispiele für Schema-Markup
Die AI Overviews von Google können erkennen, dass es auf der Website Ihres lokalen Eintrags ein Bild gibt. Ohne Schema- Markup kann es jedoch nicht erkennen, ob es sich bei dem Bild um Ihr Markenlogo oder ein Foto Ihres stationären Geschäfts handelt, was auf einen lokalen Bezug schließen lässt.
Ein weiteres Beispiel: Ein KI-System könnte Webseiten mit dem Wort „Halle" analysieren, um eine Antwort zu generieren. Aber woher weiß das Modell dahinter mit Sicherheit, ob sich „Halle" auf ein Objekt oder eine der beiden Städte in Deutschland bezieht? Durch Schema-Markup lassen sich solche Verwirrungen vermeiden.
Wie Schema-Markup die SEO und das Markenengagement verbessert
Schema-Markup verbessert die Suchmaschinenoptimierung (SEO), indem es die Art und Weise verändert, wie Suchmaschinen Webinhalte interpretieren, anzeigen und einstufen, und so Rich Snippets in den Suchergebnisseiten bereitstellt. Mehr als 72 % der Websites auf der ersten Seite von Google verwenden Schema, aber Untersuchungen gehen davon aus, dass nur 50 % der Marken ein Schema-Markup verwenden. Marken, die dies jedoch tun, erzielen deutlich höhere Klickraten (25-82 %) als Marken, die dies nicht tun.
Während sich die Suche auf KI-gestützte Plattformen verlagert und sich die Sucherlebnisse weiterentwickeln, hilft Schema-Markup diesen Plattformen, die Informationen auf den Webseiten zu verstehen und zu nutzen, da sie auf standardisierte Weise strukturiert wurden.
Schema-Markup kann reichhaltige Ergebnisse (auch Rich Snippets genannt) unterstützen. Reichhaltige Ergebnisse enthalten Elemente wie Sternebewertungen, Rezensionen, Bilder, Preise, Produktverfügbarkeit, FAQ und mehr. Diese Elemente können Ihren Eintrag auf einer Seite oder in KI-generierten Inhalten sichtbarer machen. Sie sind voller Inhalte, die von Kund*innen als hilfreich und informativ angesehen werden, insbesondere im Vergleich zu Marken, die nicht mit solch reichen Ergebnissen aufwarten.
Wie Schema-Markup auf die RAG in der KI-Suche einzahlt
Schema-Markup spielt auch eine Rolle bei der Unterstützung der Retrieval-Augmented Generation (RAG) in der KI-Suche. RAG kombiniert zwei wichtige Verhaltensweisen, um KI intelligenter zu machen und Kund*innen bessere Antworten bei der KI-Suche zu geben:
Abruf (Retrieval): RAG zieht relevante und genaue Informationen aus zuverlässigen Quellen wie Wissensgraphen, Websites oder Bewertungen.
Erweiterte Generierung: Mithilfe der von RAG abgerufenen Daten erstellt das KI-Modell auf Fakten basierende dialogorientierte Antworten. Durch die Verwendung von Schema-Markup zur Strukturierung von Inhalten, die in Workflows der Retrieval-Augmented Generation einfließen, können Marken drei Dinge verbessern, die Kunden schätzen:
Präzision: RAG verbessert die Fähigkeit eines KI-Modells, bereichsspezifische Informationen für spezialisierte, regulierte Branchen wie das Gesundheitswesen oder juristische Dienstleistungen zu interpretieren und zu kommunizieren, in denen genaue semantische Beziehungen von großer Bedeutung sind.
Genauigkeit: RAG reduziert Fehler und Halluzinationen durch die Verwendung von Schemata und Wissensgraphen, um verifizierte Daten zu liefern.
Relevanz: RAG kann den Kontext von sowohl Prompts als auch Antworten anreichern und so sicherstellen, dass die KI Antworten generiert, die der Suchabsicht der Kundschaft entsprechen, egal wo in der Customer Journey sie sich befinden.
Arten von Schema-Markup
Das Schema-Markup wurde gemeinsam von großen Suchanbietern wie Google, Bing und Yahoo entwickelt. Diese Zusammenarbeit führte zu einem standardisierten Vokabular, das von Schema.org verwaltet wird. Es gibt ungefähr 800 Arten von Schema und fast 1.500 Schema-Eigenschaften.
Hier sind einige Beispiele für Schema-Typen, die zur Verbesserung der lokalen SEO beitragen:
AreaServed-Schema: Wichtig für die Absteckung von geografischen Gebieten und Stadtteilen, die von Ihrem Markenstandort bedient werden.
OpeningHours-Schema: Gibt an, wann Ihr Geschäft geöffnet oder geschlossen ist, damit Kunden genaue Informationen erhalten.
LocalBusiness-Schema: Strukturiert wichtige Geschäftsinformationen wie NAT-Daten, Betriebszeiten und angebotene Produkte und Services,
FAQ-Schema: Ideal für die Beantwortung allgemeiner Fragen und die Beantwortung spezifischer Fragen bei Suchanfragen mit hoher Intention.
Review-Schema: Zeigt Bewertungen und Rezensionen an, um Aufmerksamkeit zu erregen, Vertrauen zu schaffen und Kunden die Sicherheit zu geben, die sie benötigen, um sich zu engagieren.
Recipe-Schema: Liefert Zutaten, Zubereitungszeit usw., damit Ihre Unterscheidungsmerkmale bei der Suche mit hoher Intention hervorstechen.
Product- oder Service-Schema: Hebt Produktdetails wie Preis und Verfügbarkeit hervor, um die Klickrate und die Kundenbesuche zu erhöhen.
Neue Frameworks für die Betrachtung von Schema-Markup für SEO
Das Schema-Markup wird für die Sichtbarkeit Ihrer Marke immer wertvoller (und wichtiger). Da sich die Suche über alle Plattformen hinweg fragmentiert, hilft Schema, Einträge in den traditionellen Suchergebnisseiten hervorzuheben. Die strukturierten Daten in Schema Markup durchdringen die sprachgesteuerte und KI-gestützte Suche, sodass Ihre Marke mit Autorität in dialogorientierten Suchanfragen angezeigt werden kann.
Beispiele für die Bedeutung von Schema-Markup für die traditionelle SEO
Verbesserte Relevanz: Schema-Markup verbessert die Fähigkeit einer Suchmaschine, Seiten zu indexieren und zu ranken.
Reichhaltige Suchergebnisse: Schema ermöglicht Funktionen wie Sternebewertungen, Preise oder FAQ auf den Suchergebnisseiten. Kund*innen greifen auf diese Ergebnisse zu, weil sie visuell ansprechend und informativ sind.
Verbesserte Inhaltskategorisierung: Durch die explizite Definition von Entitäten (z. B. Produkte, Events) zeigt Schema-Markup den Suchmaschinen, wie sie die richtigen Inhalte mit relevanten Anfragen verknüpfen können.
Beispiele für die Bedeutung von Schema-Markup für die KI-gestützte Suche
Kontext, Kontext, Kontext: Schema-Markup gibt der KI klare Signale über den Zweck und den Kontext des Inhalts.
Erweiterte Funktionen: Schema-Markup informiert und generiert umfangreiche dialogorientierte Funktionen wie FAQ-Antwortfelder, Sprachsuchergebnisse und umgekehrte Prompts von KI-Agenten.
Optimierung der Sprachsuche: Schema hilft KI-Sprachassistenten wie Alexa oder Google Assistant, prägnante, relevante Antworten auf Anfragen zu extrahieren.
Schema-Markup kann Ihnen einen Vorteil bei der SEO und der Auffindbarkeit in der KI-Suche verschaffen, da die Daten in einem Schema strukturiert sind. Dadurch wird letztlich die Genauigkeit der von der KI generierten Antworten verbessert.
Ihr Schema-Markup kann Ihnen einen Vorteil bei der Suchmaschinenoptimierung (SEO) und der Auffindbarkeit in KI-Suchen verschaffen
Trotz seiner Vorteile verwendet nur ein kleiner Prozentsatz der Marken und Websites Schema-Markup. Doch der großflächige Einsatz von Schema-Markup kann Marken einen Wettbewerbsvorteil verschaffen. Schema-Markup macht Ihre Inhalte attraktiver, informativer und verständlicher als die Ihrer Konkurrenten. Da sich die KI-Suche weiter fragmentiert und die Customer Journey vielfältiger wird, ist Schema-Markup ein unbesungener Held, der Marken dabei hilft, Kund*innen überall dort zu erreichen, wo sie suchen.
Hier sind einige wichtige Fragen, die Sie sich beim Schema-Tagging einer Website für traditionelle Suchmaschinen stellen sollten:
Was finden Nutzer*innen auf dieser Seite?
Welche Stichwörter beziehen sich auf die Marke oder den Inhalt der Website?
Welche Stichwörter werden Kund*innen wahrscheinlich mit dieser Marke, diesem Standort, diesem Produkt oder dieser Dienstleistung in Verbindung bringen?
Im Vergleich dazu finden Sie hier die Arten von Fragen, die Sie sich stellen sollten, wenn Sie Schema-Tags für KI und neue Suchplattformen erstellen:
Welche Inhalte auf dieser Seite sind für Nutzer*innen und Suchmaschinen am wertvollsten?
Ist das Schema-Markup getestet und fehlerfrei?
Welche Arten von Schema-Markup sind für den Zweck dieser Seite am relevantesten?
Entspricht das Schema-Markup dem sichtbaren Inhalt der Seite?
Sind alle erforderlichen und empfohlenen Eigenschaften im Schema enthalten?
Gibt es eine Möglichkeit, spezifische Schema-Subtypen zu verwenden?
Ist diese Seite für lokale SEO mit standortspezifischem Schema optimiert?
Wie kann das Schema dieser Seite die Sprachsuche oder KI-gestützte Anfragen unterstützen?
Gibt es Möglichkeiten, Rezensions- oder Bewertungsdaten einzubeziehen?
Wie häufig sollte dieses Schema aktualisiert werden?
Erkenntnisse
Schema-Markup ist eine grundlegende Ebene, die unstrukturierte Anfragen mit strukturierten Wissensstrukturen verbindet. Die manuelle Kennzeichnung von Inhalten ist jedoch komplex, zeitaufwändig und voller Risiken. Schema ist der Schlüssel zu einer zukunftssicheren SEO und Markensichtbarkeit, insbesondere wenn es in großem Umfang verwaltet wird.
Yext automatisiert das Schema-Markup, damit Markendaten korrekt und strukturiert bleiben. Außerdem vereinfacht Yext das Schema-Markup im großen Maßstab. Erfahren Sie, wie Sie die neue Strategie für die KI-Suche mit Schema-Markup umsetzen und nahtlos in einem Wissensgraphen verwalten können. Den Beitrag lesen.