AI और LLM के लिए आदर्श प्रोडक्ट पेज की संरचना

LLMs को मानवों से अलग डेटा की क्यों आवश्यकता है?

भाषा मॉडल पृष्ठों को पारंपरिक सर्च इंजन की तरह "स्कैन" नहीं करते - वे अर्थ को समझते हैं। AI अपनी सिफारिशों में कोई उत्पाद सिफारिश करने से पहले डेटा संरचना, तथ्यों की सत्यापनीयता और अर्थ संबंधों का विश्लेषण करता है। वे स्टोर मालिक जो अपने उत्पाद कार्ड्स को इस नए परिदृश्य के अनुसार अनुकूलित नहीं करते, वे AI सहायकों के माध्यम से खरीदारी कर रहे तेजी से बढ़ रहे ग्राहकों के समूह के लिए अदृश्य हो जाएंगे।

स्ट्रक्चर्ड डेटा - समझने की मौलिक परत

Schema.org Product - न्यूनतम मानक।

प्रत्येक उत्पाद शीट में टैग्स होने चाहिए Schema.org JSON-LD प्रारूप में। यह अब एक विकल्प नहीं, बल्कि AI में दृश्यता के लिए एक आवश्यकता है।

एक पूर्ण संरचना का उदाहरण:

{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "These are waterproof GoreTex Pro trekking boots",
  "description": "Trekking boots designed for individuals tackling demanding mountain trails in variable weather conditions. The GoreTex construction keeps feet dry during stream crossings and sudden rainfall, and the aggressive tread provides traction on loose rocks and muddy paths. Ideal for multi day mountain expeditions, single day hikes in alpine terrain, and for anyone who refuses to let the weather dictate the terms of their adventure. Suitable for use in temperatures down to minus 20°C.",
  "sku": "TREK-2025-GT",
  "gtin": "5901234567890",
  "mpn": "GT-PRO-45",
  "brand": {
    "@type": "Brand",
    "name": "MountainTech"
  },
  "image": [
    "https://example.com/buty-trek-1x1.jpg",
    "https://example.com/buty-trek-4x3.jpg",
    "https://example.com/buty-trek-16x9.jpg"
  ],
  "offers": {
    "@type": "Offer",
    "url": "https://example.com/product/trekking-boots-goretex",
    "priceCurrency": "EUR",
    "price": "99.99",
    "priceValidUntil": "2025-12-31",
    "itemCondition": "https://schema.org/NewCondition",
    "availability": "https://schema.org/InStock",
    "shippingDetails": {
      "@type": "OfferShippingDetails",
      "shippingRate": {
        "@type": "MonetaryAmount",
        "value": "0",
        "currency": "EUR"
      },
      "deliveryTime": {
        "@type": "ShippingDeliveryTime",
        "handlingTime": "1-2 days",
        "transitTime": "2-3 days"
      }
    }
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",
    "reviewCount": "347"
  },
  "additionalProperty": [
    {
      "@type": "PropertyValue",
      "name": "Outer material",
      "value": "GoreTex Pro"
    },
    {
      "@type": "PropertyValue",
      "name": "Type of terrain",
      "value": "Mountains, high altitude trails"
    },
    {
      "@type": "PropertyValue",
      "name": "Upper height",
      "value": "Mid (above the ankle)"
    },
    {
      "@type": "PropertyValue",
      "name": "Insulation",
      "value": "Thinsulate 200g"
    }
  ]
}

ChatGPT Shopping द्वारा आवश्यक प्रमुख क्षेत्र

OpenAI ने 100 से अधिक विशेषताओं के साथ एक सटीक उत्पाद फ़ीड विनिर्देश परिभाषित किया है। पोलिश स्टोर के लिए सबसे महत्वपूर्ण:

अनिवार्य क्षेत्र:

• id - एक अद्वितीय उत्पाद पहचानकर्ता (समय के साथ स्थिर, अधिकतम 100 वर्ण);
• title - अधिकतम 150 वर्ण, कैप्सलम लिपि के बिना;
• description - सादे पाठ के 5,000 वर्ण तक (HTML के बिना);
• link - उत्पाद कार्ड URL (HTTPS अनुशंसित);
• price - वर्तमान मूल्य;
• availability - स्टॉक उपलब्धता;
• enable_search - वह फ्लैग जो ChatGPT परिणामों में दृश्यता को नियंत्रित करता है;
• enable_checkout - ChatGPT से सीधे खरीद को सक्षम करना

फायदे के लिए अनुशंसित फ़ील्ड हैं:

• gtin या mpn - निर्माता पहचानकर्ता (GTIN डैश के बिना 8-14 अंकों के होते हैं);
• image_link - कम से कम 3 छवि विविधताएँ (1x1, 4x3, 16x9);
• product_type - एक पदानुक्रमित श्रेणी (उदाहरण के लिए, "कपड़े > महिलाओं के कपड़े > खेल > ट्रेकिंग पैंट");
• popularity_score - उत्पाद की लोकप्रियता का आकलन;
• return_rate - वापसी दर (कम वापसी दर अनुशंसाओं को बढ़ाती है);

ChatGPT हर 15 मिनट में फ़ीड अपडेट स्वीकार करता है, जिसका अर्थ है कि पुराने मूल्य या स्टॉक डेटा के लिए कोई बहाना नहीं है।

उत्पाद विवरण - कीवर्ड से लेकर अर्थपूर्ण संदर्भ तक

विवरण का रूपांतरण, पहले और बाद में।

पारंपरिक विवरण (AI के लिए असरदार नहीं):

LLM के लिए अनुकूलित विवरण:

मुख्य अंतर:

• सामान्यताओं के बजाय ठोस माप।
• परिभाषित लक्षित समूह ("यात्री", "सक्रिय लोग")।
• सत्यापनीय तथ्य (24-घंटे की इंसुलेशन, प्रमाणन)।
• उपयोग के मामले (बाइक, बैकपैक, कार्य)।
• डेटा के बिना विपणन के अतिशयोक्तिपूर्ण शब्द नहीं।
  

सूत्रीय संदर्भ: कौन?, क्यों?, कब?

सबसे अच्छे विवरण तीन AI प्रश्नों के उत्तर देते हैं

1. यह उत्पाद किसके लिए है? - "उन माता-पिता के लिए जिनके पास बच्चों के साथ दैनिक रूप से बहुत कम समय होता है।"
2. यह किस समस्या का समाधान करता है? - "झील पार करने और अचानक आने वाली बारिश के दौरान पैर को सूखा रखता है।"
3. किस परिस्थितियों में यह काम करता है? - "बहु-दिवसीय पर्वतीय अभियानों में, -20°C तक के तापमान में।"

"Ideal for..." या "Developed with..." से शुरू होने वाली एक वाक्य जोड़ने से AI अनुशंसाओं की सटीकता में नाटकीय रूप से वृद्धि हो सकती है।

अतिरिक्त गुण - वे विशेषताएं जो लाभ निर्धारित करती हैं

ऐसे क्यों हैं कि वैकल्पिक फ़ील्ड वैकल्पिक नहीं हैं?

AI अधिकतम डेटा पूर्णता वाले उत्पादों को प्राथमिकता देता है। जबकि अधिकांश विक्रेता केवल आवश्यक फ़ील्ड भरते हैं, सर्वश्रेष्ठ रैंकिंग वाले उत्पाद सभी संभव अतिरिक्त विशेषताओं को शामिल करते हैं।

उदाहरण: गेमिंग लैपटॉप

"additionalProperty": 
[
  {
    "@type": "PropertyValue",
    "name": "Operating system",
    "value": "Windows 11 Pro"
  },
  {
    "@type": "PropertyValue",
    "name": "Processor",
    "value": "Intel Core i9-13900K"
  },
  {
    "@type": "PropertyValue",
    "name": "RAM",
    "value": "32GB DDR5"
  },
  {
    "@type": "PropertyValue",
    "name": "Storage capacity",
    "value": "2TB NVMe SSD"
  },
  {
    "@type": "PropertyValue",
    "name": "Graphics card",
    "value": "NVIDIA RTX 4080 12GB"
  },
  {
    "@type": "PropertyValue",
    "name": "Battery life",
    "value": "8 hours (office work)"
  },
  {
    "@type": "PropertyValue",
    "name": "Refresh rate",
    "value": "240Hz"
  },
  {
    "@type": "PropertyValue",
    "name": "Weight",
    "value": "2.4 kg"
  }
]

जब कोई ग्राहक AI से "तेज़ रेंडरिंग के साथ 4K वीडियो प्रोसेसिंग लैपटॉप" पूछता है, तो प्रणाली इन गुणों का उपयोग करके क्वेरी को उत्पाद से मिलाती है।

सामान्य श्रेणियों के बजाय सूक्ष्म श्रेणियाँ।

खराब ढंग से: "कपड़े > पैंट"

ठीक है: "कपड़े > महिलाओं के लिए > स्पोर्ट्सवियर > ट्रेकिंग पैंट > वॉटरप्रूफ मेम्ब्रेन के साथ"

सूक्ष्म वर्गीकरण अस्पष्टता को कम करता है और AI को वास्तविक समकक्ष उत्पादों के साथ एक उत्पाद को समूहित करने की अनुमति देता है, न कि ढीले रूप से संबंधित आइटमों के साथ। इससे तीसरे पक्ष के प्लेटफ़ॉर्म पर "समान उत्पाद" अनुभागों में अनुशंसाओं में भी सुधार होता है।

समीक्षा और रेटिंग - AI के लिए विश्वास संकेतक

AggregateRating + Review संरचना।

LLMs खरीदारी की अनुशंकाएँ बनाने के लिए समीक्षाओं पर बहुत अधिक निर्भर करते हैं। केवल तारे दिखाना पर्याप्त नहीं है - आपको संरचित टैग जोड़ने की आवश्यकता है

{
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.7",
    "reviewCount": "892",
    "bestRating": "5",
    "worstRating": "1"
  },
  "review": [
    {
      "@type": "Review",
      "reviewRating": {
        "@type": "Rating",
        "ratingValue": "5",
        "bestRating": "5"
      },
      "author": {
        "@type": "Person",
        "name": "Anna Kowalska"
      },
      "reviewBody": "Ideal for trekking in the Tatras, they kept the water cold all day, even in hot weather. The construction is solid, with no leaks.",
      "datePublished": "2025-10-15"
    }
  ]
}

समीक्षाओं के लिए सर्वोत्तम अभ्यास:

• उपयोग के मामलों का उल्लेख करते हुए ग्राहकों से विस्तृत प्रतिक्रिया प्राप्त करने के लिए प्रोत्साहित करें।
• "सत्यापित खरीदारी" टैग का उपयोग करें।
• प्लेटफ़ॉर्मों के बीच समीक्षा सामग्री की प्रतिलिपि बनाने से बचें (AI अतिरेक का पता लगाता है)।
• भावनात्मक भाषा और संदर्भ वाली समीक्षाओं को प्राथमिकता दें: "ट्रेकिंग के लिए बिल्कुल सही - 8 घंटे तक पानी ठंडा रहा।"

उत्पादों के बीच अर्थ संबंध

उत्पाद ज्ञान ग्राफ़ बनाना।

AI आपके स्टोर को अलग-अलग पृष्ठों के रूप में नहीं देखता, बल्कि इसे संबंधित इकाइयों के नेटवर्क के रूप में देखता है। उत्पादों को जोड़ने के लिए Schema.org गुणों का उपयोग करें:

{
  "@type": "Product",
  "name": "Replacement filter for the EcoSmart bottle",
  "isAccessoryOrSparePartFor": {
    "@type": "Product",
    "name": "EcoSmart thermal bottle 750ml",
    "url": "https://example.com/butelka-ecosmart"
  }
}

अन्य उपयोगी संबंध:

• isRelatedTo - संबंधित उत्पाद;
• isSimilarTo - विकल्प;
• isConsumableFor - उपभोग्य वस्तुएं;

संदर्भित आंतरिक लिंक इन संबंधों को मजबूत करते हैं:

• "यह फिट होता है..."
• "इसके साथ संगत..."
• "ग्राहकों ने भी खरीदा..."

यह AI को कैटलॉग में आइटमों के बीच संबंधित समझ बनाने में मदद करता है, जिससे सारांशों में "अनुशंसित विकल्पों" के शामिल होने की संभावना बढ़ती है।

FAQ Schema - संवादात्मक क्वेरीज़ के लिए तैयारी

सबसे सामान्य प्रश्नों को संरचित करना।

LLMs अक्सर इस आधार पर सिफारिशें उत्पन्न करते हैं जिसका इरादा प्राकृतिक भाषा में व्यक्त किया गया है। मुख्य प्रश्नों के लिए FAQPage स्कीमा जोड़ें:

{
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Is the bottle dishwasher safe?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Yes, the EcoSmart bottle is fully safe to wash in the dishwasher on the top rack. We recommend removing the seal before washing for better hygiene."
      }
    },
    {
      "@type": "Question",
      "name": "How long does it maintain temperature?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "The double vacuum insulation keeps drinks cold for 24 hours or hot for 12 hours, confirmed by tests at 21°C room temperature."
      }
    },
    {
      "@type": "Question",
      "name": "What is the warranty?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "The product is covered by a lifetime manufacturer warranty for material and production defects. Normal wear and mechanical damage are not covered."
      }
    }
  ]
}

शामिल करने के लिए प्रश्न:

• क्या इसके प्रमाणपत्र हैं, क्या यह जैविक है आदि?
• यह कितने समय से काम कर रहा है?
• वारंटी की शर्तें क्या हैं?
• यह किसके लिए है?

ये उत्तर सामग्री को LLM द्वारा सारांशित करने के लिए तैयार बनाते हैं, जिससे संवादात्मक और वॉयस खोज में दृश्यता में सुधार होता है।

लेनदेन और लॉजिस्टिक्स डेटा

डिलीवरी समय और रिटर्न की शर्तें।

AI क्वेरी में अक्सर खरीदारी का संदर्भ: "तेज़ शिपिंग", "मुफ्त रिटर्न", "स्टॉक में उपलब्ध" शामिल होते हैं।

{
  "offers": {
    "@type": "Offer",
    "shippingDetails": {
      "@type": "OfferShippingDetails",
      "shippingRate": {
        "@type": "MonetaryAmount",
        "value": "0",
        "currency": "EUR"
      },
      "deliveryTime": {
        "@type": "ShippingDeliveryTime",
        "handlingTime": {
          "@type": "QuantitativeValue",
          "minValue": 1,
          "maxValue": 2,
          "unitCode": "DAY"
        },
        "transitTime": {
          "@type": "QuantitativeValue",
          "minValue": 2,
          "maxValue": 3,
          "unitCode": "DAY"
        }
      },
      "shippingDestination": {
        "@type": "DefinedRegion",
        "addressCountry": "GB"
      }
    },
    "hasMerchantReturnPolicy": {
      "@type": "MerchantReturnPolicy",
      "applicableCountry": "GB",
      "returnPolicyCategory": "https://schema.org/MerchantReturnFiniteReturnWindow",
      "merchantReturnDays": 30,
      "returnMethod": "https://schema.org/ReturnByMail",
      "returnFees": "https://schema.org/FreeReturn"
    }
  }
}

मुख्य फ़ील्ड:

• availability - उपलब्धता (InStock, OutOfStock, PreOrder);

• priceValidUntil - कीमत की वैधता;

• shippingDetails - लीड टाइम और डिलीवरी;

• hasMerchantReturnPolicy - रिटर्न विवरण;

पुराना इन्वेंट्री और उपलब्धता डेटा AI के आत्मविश्वास और संभावित अनुशंसाओं को कम करता है

बाहरी डेटा का सत्यापन और सुसंगतता

एंटिटी कंसिस्टेंसी - AI विश्वास की कुंजी।

कृत्रिम बुद्धिमत्ता पर विश्वास इस बात की स्थिरता पर निर्भर करता है कि आप कौन हैं या आप क्या हैं, इसके बारे में डेटा। यदि AI हमेशा आपके ब्रांड, उत्पाद या कंपनी को एक ही पहचानता है, तो आधिकारिक प्रोफाइल में "sameAs" लिंक जोड़ें:

{
  "@type": "Brand",
  "name": "EcoSmart",
  "sameAs": [
    "https://www.facebook.com/ecosmart.polska",
    "https://www.instagram.com/ecosmart_pl",
    "https://pl.linkedin.com/company/ecosmart",
    "https://www.wikidata.org/wiki/Q123456"
  ]
}

बाहरी आत्मविश्वास संकेत:

• निर्माता की वेबसाइट।
• सामाजिक प्रोफाइल।
• प्रेस उल्लेख।
• साझेदार और वीडियो सामग्री जैसे Youtube समीक्षा।

सुनिश्चित करें कि सभी प्लेटफॉर्म पर ब्रांड नाम, SKU कोड और उत्पाद विवरण स्थिर हैं। यह AI को आपके उत्पादों को व्यापक ई-कॉमर्स पारिस्थितिकी तंत्र में सत्यापित एंटिटी के रूप में समझने में मदद करता है।

AI ऑनलाइन बातचीत के संदर्भ को समझता है

स्केल पर संदर्भ स्वचालन: Reddit, Quora, Facebook।

जनरेटिव AI के युग में, ब्रांडों को अब प्रत्येक चैनल या समुदाय के लिए अपनी सामग्री को मैन्युअल रूप से अनुकूलित करने की आवश्यकता नहीं है। संदर्भ का स्वचालन इसका अर्थ है कि कृत्रिम बुद्धिमत्ता बातचीत के विषय, चर्चा के स्वर और उपयोगकर्ताओं के इरादों को पहचान सकती है - और फिर ब्रांड के संदेश को स्वाभाविक रूप से बातचीत में फिट करने के लिए स्वचालित रूप से समायोजित कर सकती है।

ऐसे प्लेटफॉर्म जैसे कि Reddit, Quora या Facebook पर, जहां प्रतिदिन लाखों थ्रेड चल रहे हैं, AI वास्तविक समय में संदर्भ का विश्लेषण करता है और ब्रांड्स को उन स्थानों पर उपस्थित होने में मदद करता है जहां उनकी उपस्थिति तार्किक हो। यह सुनिश्चित करता है कि सामग्री यादृच्छिक न हो - यह प्रासंगिक, सुसंगत और विश्वसनीय बन जाती है।

यह केवल प्रकाशनों का स्वचालन नहीं है, बल्कि समझ का स्वचालन - इंटरनेट पर संचार का एक नया चरण, जहां कृत्रिम बुद्धिमत्ता पैमाने को प्रामाणिकता के साथ जोड़ती है।

व्यावहारिक जांच सूची

संरचनात्मक डेटा:

• प्रत्येक पृष्ठ पर JSON-LD Schema.org उत्पाद।
• पूर्ण किए गए फ़ील्ड: नाम, विवरण, SKU, ब्रांड, छवि, ऑफ़र।
• उत्पाद पहचान के लिए GTIN या MPN।
• छवियों की न्यूनतम 3 विविधताएँ (अलग-अलग अनुपात)।
• समीक्षाओं के लिए AggregateRating और Review स्कीमा।

उत्पाद विवरण:

• विशिष्ट उपयोग मामलों के साथ 200-500 शब्दों का विवरण।
• परिभाषित लक्षित समूह ("किसके लिए")।
• सत्यापन योग्य विनिर्देश (आयाम, सामग्री, प्रमाणन)।
• उपयोग के परिदृश्य ("कब", "कहाँ")।
• डेटा के बिना सामान्यताओं से बचें ("सर्वश्रेष्ठ", "प्रीमियम")।

अतिरिक्त विशेषताएँ:

• सभी वैकल्पिक additionalProperty फ़ील्ड भरे गए हैं।
• सूक्ष्म वर्गीकरण (न्यूनतम 4 स्तर)।
• PropertyValue पर तकनीकी विनिर्देश।

संबंध और प्रश्नोत्तर (FAQs):

• isRelatedTo और isAccessoryOrSparePartFor द्वारा संबंधित उत्पाद।
• सबसे सामान्य 5-10 प्रश्नों के साथ FAQPage स्कीमा।
• पूरक उत्पादों के लिए आंतरिक लिंक।

लेनदेन डेटा:

• वर्तमान उपलब्धता और मूल्य (कम से कम प्रतिदिन एक बार अद्यतन)।
• नेतावधि और डिलीवरी के साथ ShippingDetails।
• वापसी नीति के लिए MerchantReturnPolicy।

बाहरी सुसंगतता:

• SameAs लिंक ब्रांड की आधिकारिक प्रोफ़ाइलों से जुड़े होते हैं।

भविष्य - बहुआयामी AI और वॉइस सर्च

LLM अनुकूलन की तैयारी है बहुआयामी सर्च के लिए - टेक्स्ट, वॉइस, इमेज। समृद्ध विवरण, वैकल्पिक इमेज टेक्स्ट और संरचित FAQs वाले उत्पाद

• विजुअल सर्च (Google Lens, Pinterest) के लिए तैयार हैं।
• वॉइस असिस्टेंट (Alexa, Google Assistant) के लिए।
• ChatGPT के अंदर शॉपिंग (Instant Checkout) के लिए।
• TikTok Shop, Instagram Shopping में AI-संचालित खोज के लिए।

LLM के लिए अनुकूलित एक निर्देशिका बन जाती है एक डेटासेट बन जाती है जिस पर AI भरोसा कर सकता है और सिफारिश कर सकता है किसी भी खरीदारी के संदर्भ में

शब्दावली

JSON-LD - पेज के कोड में संरचित डेटा रिकॉर्ड करने का एक प्रारूप जो सर्च इंजनों और AI मॉडलों को यह समझने में मदद करता है कि सामग्री क्या दर्शाती है (जैसे, उत्पाद, कीमत, समीक्षाएं)।

Schema.org - सर्च इंजनों (Google, Bing, Yahoo) के लिए एक सामान्य डेटा मार्कअप मानक। उत्पादों, लेखों, घटनाओं आदि के मानकीकृत विवरण की अनुमति देता है।

LLM (Large Language Model) - एक बड़ा भाषा मॉडल, जैसे ChatGPT या Gemini, जो उपयोगकर्ता क्वेरी के संदर्भ को समझकर पाठ का विश्लेषण और उत्पन्न करता है।

संरचनात्मक डेटा - ऐसी जानकारी जो एल्गोरिदम द्वारा समझी जा सके, जैसे उत्पाद का शीर्षक, कीमत, समीक्षाएं, उपलब्धता।

जनरेटिव AI - एक कृत्रिम बुद्धिमत्ता प्रणाली जो नई सामग्री बना सकती है: पाठ, छवियाँ, कोड या सिफारिशें।

साझा करें:

लिंक कॉपी करें