AI注目記事のキュレーターページ

私のチームが大学プログラムの知識グラフを評価するために構築したカスタムスキーマを提示した後、SEO担当者がスキーママークアップの役割をどのように異なって捉えているかを実感しました。私たちのアプローチでは、23の既存のSchema.orgエンティティと60以上の追加エンティティを使用して、エンティティのカバレッジのギャップを評価しました。

スキーマは、エンティティ（オブジェクト、人、概念、アイデア）を接続して知識グラフを構築し、より深い意味理解を提供します。また、サイトのベクトル埋め込みを評価し、エンティティカバレッジのギャップを特定するためのフレームワークとしても機能します。

知識グラフは、エンティティをノードとして、関係をエッジとして保存し、機械がコンテキストや意味を理解できるようにします。これにより、システムは「チュレーン・フリーマン・ビジネススクール」がビジネスコースを提供する組織であることを理解します。

企業レベルのビジネスは、知識グラフを使用してデータのサイロを排除します。私たちのウェブサイトは、ブランドのエンティティ（組織、場所、製品、ポジショニング、価値、特徴、主要な利点）を検索エンジンやLLMに接続する公共APIとして機能しています。

スキーママークアップは、検索エンジンやLLMが既に理解している言語でエンティティを宣言します。JSON-LDは、エンティティとそれらの関係を明示的に主張し、ボットがウェブサイトのコピーから推測することに頼りません。例えば、ニューヨーク大学のMBAプログラムは、関連する事実の緩やかな集合ではなく、一貫した情報の体を提示する必要があります。

私たちのカスタムスキーマは、入学プロセスで学生が関与するすべてのエンティティと関係を明示的に主張するためのフレームワークです。このスキーマは、重要性に基づいてこれらのエンティティを優先順位付けします。私たちは、パートナーのウェブサイトのベクトル化されたバージョンを分析するためにこの宣言された真実を使用します。

スキーマとベクトル埋め込みを使用してエンティティのギャップを見つけることができます。Schema.orgをライブラリとして使用して、製品、サービス、ビジネスに重要なエンティティの堅牢なコレクションを構築しましょう。理想的なエンティティモデルから始め、完璧な情報セットがどのようなものかを考えます。この演習は、確立されたエンティティに加えてカスタムJSON-LDを使用して構築できるものを特定するのに役立ちます。

エンティティの可視性を測定し、リッチ結果だけでなく、AIの可視性を追跡することが重要です。優先エンティティを監視し、さまざまなモデルでの表示方法を理解します。AIがあなたを見つけられなければ、顧客も見つけられません。