Schema markup per i prodotti moda: quali dati strutturati legge la ricerca con l'IA?
Il markup Product, Offer e ProductGroup descrive prezzo, disponibilità, taglie e colori in una forma interpretabile dalle macchine. Ecco che cosa contrassegnare per l'abbigliamento e che cosa il markup non può fare.
IN SINTESI Sintesi della redazione
- Il markup per le schede commerciante di Google richiede un Product con nome, immagine e un Offer con prezzo e valuta, e raccomanda proprietà rilevanti per l'abbigliamento come color, size, material, gtin e audience.
- Il markup per le varianti di prodotto di Google utilizza ProductGroup con variesBy, hasVariant e productGroupID e supporta varianti per colore, taglia, materiale, motivo, età suggerita e genere suggerito.
- Google afferma che per comparire in AI Overviews o AI Mode non serve alcun markup schema.org speciale, ma che i dati strutturati devono corrispondere al testo visibile sulla pagina.
- OpenAI indica i metadati strutturati di fornitori proprietari e di terze parti, come prezzo e descrizione del prodotto, tra gli input dei risultati di shopping di ChatGPT.
- I dati strutturati valgono quanto le informazioni di prodotto che li alimentano, quindi qualità del PIM, identificativi coerenti e disponibilità accurata contano più del markup in sé.
Per i prodotti moda, i dati strutturati letti dai motori di ricerca e dalle funzionalità di shopping basate sull'IA sono il markup schema.org Product e Offer, esteso con ProductGroup per le varianti di taglia e colore. Indicano prezzo, valuta, disponibilità, identificativi, materiali, taglie e condizioni di reso in una forma leggibile dalle macchine. Non garantiscono visibilità, ma eliminano l'ambiguità su fatti che altrimenti gli assistenti devono dedurre dalla pagina.
Quali dati strutturati usano davvero le funzionalità di ricerca con l'IA?
Google è esplicita: AI Overviews e AI Mode non richiedono markup speciale. Le sue linee guida affermano che non esistono dati strutturati schema.org specifici da aggiungere per queste funzionalità e che i dati strutturati devono corrispondere al testo visibile sulla pagina. Il markup di prodotto resta comunque importante, perché Google lo utilizza per le esperienze delle schede commerciante e raccomanda di mantenere aggiornate le informazioni in Merchant Center nell'ambito degli stessi fondamentali.
OpenAI descrive una logica simile per ChatGPT. La sua pagina di assistenza sui risultati di shopping elenca "metadati strutturati di fornitori proprietari e di terze parti (ad es. prezzo, descrizione del prodotto)" tra gli input e indica che i merchant possono candidarsi per fornire un feed di prodotto diretto. In pratica, gli stessi dati di prodotto puliti devono confluire nel markup della pagina, nei feed per i merchant e negli eventuali feed diretti verso gli assistenti.
Quali proprietà dovrebbe contrassegnare una pagina prodotto di moda?
La documentazione di Google sulle schede commerciante stabilisce i campi minimi e quelli consigliati. Per l'abbigliamento, gran parte del valore sta nelle proprietà di prodotto consigliate.
| Proprietà | Livello | Stato | Esempio moda |
|---|---|---|---|
| name, image | Product | Obbligatoria | Cappotto in misto lana, immagini fronte e retro |
| offers.price, priceCurrency | Offer | Obbligatoria | 289.00, CHF |
| availability | Offer | Consigliata | InStock, OutOfStock, PreOrder |
| color, size, material, pattern | Product | Consigliata | Blu navy, M, 70% lana 30% poliammide, spina di pesce |
| gtin, sku, mpn | Product | Consigliata | Univoco per ogni variante di taglia e colore |
| audience (PeopleAudience) | Product | Consigliata | Genere e fascia d'età di riferimento |
| brand.name | Product | Consigliata | Brand come riportato sull'etichetta |
| hasMerchantReturnPolicy, shippingDetails | Offer | Consigliata | Periodo di reso e costi di spedizione |
Google raccomanda di definire le policy di reso e spedizione una sola volta a livello di organizzazione e di usare il markup a livello di offerta solo per sovrascriverle, così da evitare di ripetere, e contraddire, la stessa policy su migliaia di pagine prodotto.
Come si contrassegnano taglie e colori come varianti?
Un ProductGroup raggruppa le varianti di un prodotto principale, in modo che i dati comuni siano indicati una sola volta e le differenze siano indicate per ciascuna variante. Le linee guida di Google sulle varianti spiegano come:
- ProductGroup contiene le informazioni comuni come nome, brand, descrizione e recensioni.
- variesBy elenca le dimensioni che variano, usando URL schema.org; Google supporta color, size, material, pattern, suggestedAge e suggestedGender.
- hasVariant annida ogni Product variante, oppure ogni variante rimanda al prodotto principale con isVariantOf.
- productGroupID contiene l'identificativo principale (il modello o lo SKU principale); le varianti possono farvi riferimento con inProductGroupWithID, e se si usano entrambi i valori devono coincidere.
- Ogni variante necessita di un proprio identificativo univoco, come uno sku o un gtin.
Per un modello tipico disponibile in quattro colori e sette taglie, ciò significa un ProductGroup e 28 Product varianti, ciascuno con il proprio identificativo, prezzo e disponibilità. È qui che molti siti di moda sono carenti: spesso il markup descrive solo il colore e la taglia predefiniti, oppure riporta "disponibile" quando la maggior parte delle taglie è esaurita.
Da dove dovrebbero provenire i dati?
Due dettagli specifici della moda causano la maggior parte dei problemi. I nomi dei colori sono spesso creativi ("mezzanotte", "foresta") e cambiano di stagione in stagione, mentre consumatori e assistenti filtrano per colori semplici; conservate entrambi, con un valore normalizzato nel markup e nei feed. Anche i sistemi di taglie variano da mercato a mercato, quindi indicate se una taglia è EU, UK, US o alfabetica, e mantenete le etichette delle taglie identiche tra selettore taglie, tabella taglie e markup. La stessa disciplina aiuta i filtri sul sito e i feed per i marketplace, non solo la ricerca con l'IA.
La disponibilità richiede la stessa cura. Markup e feed dovrebbero riflettere le scorte in tempo reale per taglia, aggiornate con la stessa frequenza dello shop, affinché un assistente non raccomandi una taglia esaurita da giorni.
Il markup dovrebbe essere generato dal sistema di product information management (PIM) e dalla piattaforma di commercio, non digitato nei template. La stessa fonte dovrebbe alimentare il feed per i merchant, affinché markup della pagina e feed coincidano. Le regole di Merchant Center di Google mostrano perché la coerenza è importante: l'attributo gender, ad esempio, è obbligatorio per le schede gratuite dei prodotti Abbigliamento e accessori e per gli annunci Shopping destinati a Brasile, Francia, Germania, Giappone, Regno Unito e Stati Uniti.
- Concordare un unico schema di identificativi per modello e variante tra PIM, ERP, shop e feed.
- Normalizzare i nomi dei colori in un elenco controllato, mantenendo il nome commerciale del colore per la visualizzazione.
- Memorizzare composizione delle fibre e sistemi di taglie come attributi strutturati, non come testo libero.
- Generare il JSON-LD lato server a partire da questi attributi e dai prezzi e dalle scorte in tempo reale.
- Validare con il Test per i risultati avanzati di Google e monitorare i report di Search Console per individuare errori.
Servono llms.txt o altri nuovi markup?
llms.txt è una proposta della community per un file markdown che offre agli agenti IA una panoramica di un sito con link ai contenuti dettagliati. Non è uno standard riconosciuto per l'inclusione nella ricerca, e Google afferma che per comparire nelle sue funzionalità IA non servono nuovi file leggibili dalle macchine né file di testo per l'IA. Per la scoperta dei prodotti, un markup Product e Offer completo e feed accurati restano la priorità.
Quali sono i limiti dei dati strutturati?
I dati strutturati chiariscono i fatti; non creano domanda né autorevolezza. Una pagina con un markup perfetto ma descrizioni scarne, immagini scadenti o nessuna recensione verrà comunque superata o esclusa. Il markup inoltre fa emergere gli errori più rapidamente: se scorte, prezzi o taglie sono sbagliati nel sistema di origine, i dati strutturati propagano l'errore a ogni superficie che li legge. Trattate il progetto di markup come un progetto di qualità dei dati di prodotto con un beneficio SEO, gestito congiuntamente dai team e-commerce, dati di prodotto e IT.
Domande frequenti
Quale schema markup dovrebbe avere una pagina prodotto di abbigliamento?
Come minimo un Product con nome e immagine e un Offer con price e priceCurrency. Per l'abbigliamento aggiungete availability, color, size, material, brand, gtin o sku, audience e le policy di reso e spedizione, e usate ProductGroup per le varianti.
Come si contrassegnano le varianti di taglia e colore?
Usate un ProductGroup con variesBy impostato sulle proprietà schema.org size e color, elencate ogni variante con hasVariant e assegnate al gruppo un productGroupID. Ogni variante necessita di un proprio sku o gtin, prezzo e disponibilità.
I dati strutturati aiutano con ChatGPT e Google AI Mode?
Google afferma che per AI Overviews o AI Mode non serve markup speciale, ma il markup di prodotto e i dati di Merchant Center alimentano le sue esperienze di shopping. OpenAI elenca metadati strutturati come prezzo e descrizione tra gli input dei risultati di shopping di ChatGPT.
Serve un file llms.txt?
No. llms.txt è una proposta della community, non un requisito, e Google afferma che per le sue funzionalità IA non servono file di testo per l'IA. Per l'e-commerce di moda sono più importanti un markup di prodotto e feed accurati.
Un'edizione ogni giorno feriale. Si legge in cinque minuti. Gratuita per i professionisti del settore.
