SEOs estão recomendando dados estruturados para pesquisa de IA… Por quê?

Uma postagem no LinkedIn questionou a ideia de que os dados estruturados do Schema.org têm um impacto sobre o resultado de um grande modelo de linguagem. Aparentemente, existem alguns SEOs que recomendam dados estruturados para uma melhor classificação nos mecanismos de pesquisa de IA.

Patrick Stox escreveu a seguinte postagem no LinkedIn:

“Eu perdi alguma coisa? Por que os SEOs acham que a marcação de esquema afetará a produção do LLM?

Patrick disse “saída LLM” no contexto de uma recomendação de SEO, então é provável que seja uma referência ao ChatGPT Search e outros mecanismos de pesquisa de IA. Então, os mecanismos de pesquisa de IA obtêm seus dados a partir de dados estruturados?

Os LLMs são treinados em textos da web, livros, registros governamentais, documentos legais e outros dados de texto (bem como outras formas de mídia também) que são então usados ​​para produzir resumos e respostas, mas sem plagiar os dados de treinamento. O que isso significa é que é inútil pensar que a otimização do seu conteúdo da web resultará no próprio LLM enviando referências para esse site.

Os mecanismos de pesquisa de IA são baseados em índices de pesquisa (e gráficos de conhecimento) por meio da Retrieval Augmented Generation (RAG). Os próprios índices de mecanismos de pesquisa são criados a partir de dados rastreados, não de dados estruturados de esquema.

A Perplexity AI classifica o conteúdo rastreado na web usando uma versão modificada do PageRank em seu índice de pesquisa, por exemplo. O Google e o Bing rastreiam dados de texto e fazem coisas como remover conteúdo duplicado, remover palavras irrelevantes e outras manipulações do texto extraído do HTML, além de nem todas as páginas conterem dados estruturados.

Na verdade, o Google usa apenas uma fração dos dados estruturados disponíveis no Schema.org para tipos específicos de experiências de pesquisa e resultados aprimorados, o que, por sua vez, limita o tipo de dados estruturados que os editores usam.

Depois, há o fato de que os rastreadores do Bing e do Google renderizam o HTML, identificam os cabeçalhos, rodapés e o conteúdo principal (de onde extraem o texto para fins de classificação). Por que eles fariam isso se vão confiar nos dados estruturados do Schema, certo?

A ideia de que é bom usar dados estruturados do Schema.org para obter uma melhor classificação em um mecanismo de pesquisa de IA não é baseada em fatos, é apenas especulação fantasiosa. Ou pode ser o efeito de um “jogo de telefone”, onde uma pessoa diz algo e vinte pessoas depois isso se transforma em algo completamente diferente.

Por exemplo, Jono Alderson propôs que os dados estruturados poderiam ser um padrão que os motores de busca de IA poderiam usar para compreender melhor a web. Ele não estava dizendo que os mecanismos de busca de IA atualmente o usam, ele estava apenas propondo que os mecanismos de busca de IA deveriam considerar adotá-lo e talvez esse post tenha sido transformado em uma teoria completa vinte SEOs depois.

Infelizmente, há muitas ideias infundadas circulando nos círculos de SEO. Outro dia vi um SEO afirmar nas redes sociais que o Google Local Search não usa endereços IP em resposta a consultas de pesquisa “perto de mim”. Tudo o que alguém precisava fazer para testar essa ideia era entrar em uma VPN, escolher uma localização geográfica para seu endereço IP e fazer uma consulta de pesquisa “perto de mim” e verá que o endereço IP usado pela VPN influenciou o “perto de mim”. ” resultados da pesquisa.

Captura de tela da consulta perto de mim influenciada pelo endereço IP

O Google até publica uma página de suporte que diz que eles usam endereços IP para personalizar os resultados da pesquisa, mas há pessoas que acreditam o contrário porque alguns SEOs fizeram um estudo de correlação e quando questionados voltamos a alguém gritando que o Google mente.

Você acreditará em seus olhos mentirosos?

Dados estruturados do Schema.Org e resultados de pesquisa de IA

“SEOs” recomendando que os editores usem dados estruturados do Schema.org para dados de treinamento LLM também não faz sentido porque os dados de treinamento não são citados na produção do LLM, apenas para resultados provenientes da web, que por sua vez são provenientes de um índice de pesquisa que é de um rastreador. Conforme mencionado anteriormente, os editores usam apenas uma fração dos dados estruturados disponíveis do Schema.org porque o próprio Google usa apenas uma pequena fração deles. Portanto, não faz sentido que um mecanismo de pesquisa de IA dependa de dados estruturados para sua produção.

O especialista em marketing de busca Christopher Shin (perfil do LinkedIn) comentou:

“Pensando a mesma coisa depois de ler sua postagem, Patrick. É assim que interpreto atualmente. Achei que os LLMs normalmente não geram respostas de motores de busca, mas sim de interpretação de dados. Certo? Mas a marcação de dados de esquema seria usada por SER{s para mostrar rich snippets, etc., não? Acho que a principal nuance com esquema e LLMs é que os mecanismos de pesquisa usam esquema para SERPs, enquanto os LLM usam interpretação de dados quando se trata de como o esquema afeta os LLMs.”

Pessoas como Christopher Shin e Patrick Stox me dão esperança de que o SEO pragmático e sensato ainda esteja lutando para superar o barulho, a postagem de Patrick no LinkedIn é uma prova disso.

SEO pragmático

A definição de pragmático é fazer coisas por razões sensatas e realistas e não com base em opiniões baseadas em informações incompletas e conjecturas.

Falando como alguém que está envolvido com SEO praticamente desde o seu nascimento, não pensar bem é o motivo pelo qual os SEOs e os editores tradicionalmente perdem tempo com questões vagamente definidas, giram em atividades inúteis, como sinais superficiais de EEAT e assim por diante. . É realmente desanimador apontar para documentação e declarações oficiais e ser surpreendido com declarações como “O Google mente”. Esse tipo de atitude faz a pessoa “querer gritar”.

Um SEO um pouco mais pragmático, por favor.