Пройшла закрита онлайн-конференція Kalicube Summit 2026, і один з найцікавіших виступів там у Jarno van Driel, визнаного фахівця зі структурованих даних. Його теза тільки виглядає несподіваною: на розмітку schema.org ставлять забагато, а віддача з неї все менша. Насправді всім це давно відомо. Запис конференції закритий, тож переказуємо головне.
TLDR
- Розмітки має бути менше, а не більше. Чим більше її пхаєш, тим менше толку, і пошуковики самі обмежили, скільки її зчитувати зі сторінки.
- Структуровані дані це не тільки розмітка. Чисте HTML, таблиці, списки і XML-фіди працюють так само.
- Пиши коротко і давай відповідь у перших словах сторінки. 1000 щільних слів кращі за 5000 з водою.
- Довіра пошуковика до бренду це математика: наскільки твої дані сходяться з тим, що про тебе каже решта інтернету.
- Чистиш свій цифровий слід, і AI менше вигадує про твій бренд і частіше цитує правильно.
Розмітки має бути менше, а не більше
Van Driel з розміткою наекспериментувався більше за багатьох і давно міряє її окупність. Висновок такий: якщо чіпляти все підряд, віддача близька до нуля.
Він порівнює розмітку з тегом meta keywords. Той колись працював, його засмітили ключовими словами, він знецінився, і пошук перестав його зчитувати взагалі. З розміткою пошуковики не стали чекати, поки історія повториться. Вони заздалегідь обмежили, скільки її беруть з однієї сторінки, щоб її не спамили.
Сам schema.org свого часу зробили Yahoo і Google, щоб не наплодити конкуруючих стандартів, поки кожен окремо тестував свої формати для збагачення видачі. Але словник будували наперед, як абстрактну вправу, кожен додав туди те, що колись, можливо, знадобиться. Через це більша частина schema.org так і не пішла в діло. І офіційна назва розмітки взагалі не structured data, а synthetic metadata, тобто синтетичні метадані. Structured data придумали як маркетинговий термін, бо його простіше пояснити і продати.
Ми вже писали, що словник schema.org активно тягнуть AI-чатботи для підтвердження даних. Словник нікуди не подівся. Просто розмітка на сторінці більше не головний спосіб донести його машині.
Структуровані дані це не тільки розмітка
Чисте HTML коштує машині дешевше. І пошуковику, і LLM треба менше ресурсів і токенів, щоб розібрати охайну сторінку. Інтернет загалом дуже брудний, тому вже сам чистий код, рівно стільки, скільки потрібно, працює на тебе.
Розмітка це лише одна з форм структурованих даних. До них так само належать:
- XML-фіди, якими віддають вакансії, меню ресторанів, дані служб доставки
- таблиці з чіткими заголовками рядків і стовпців
- нумеровані й марковані списки
- заголовки, які реально ділять текст на змістовні частини
Тут van Driel згадує стару болячку верстки: таблиці часто ліплять заради дизайну, а дані, яким саме місце в таблиці, пхають у div. Для машини такі дані фактично невидимі.
Зі списками окрема історія. LLM зчитують їх легко, тому їх стали використовувати, щоб показати, хто в галузі лідер. Пошуковики такі самопризначені списки свідомо почали враховувати менше, бо не все, що хтось заганяє у список, правда.
Google теж казав, що ні розмітка schema.org, ні чанкінг не дадуть переваги в AI-пошуку. Щодо розмітки van Driel з Google згоден. А от щодо чанкінгу ні.
Пиши коротко і відповідай одразу
Чанкінг це розбивка сторінки на самодостатні шматки, з яких машина може витягнути потрібний фрагмент. Van Driel вважає, що це якраз треба робити, просто правильно: кожен абзац закінчена думка, той самий факт не повторюється в різних місцях тексту, а заголовки справді ділять документ на розділи, а не просто ріжуть простирадло візуально.
Свою стару статтю про те, чи впливає розмітка на E-E-A-T, він побудував саме так і дав відповідь у перших трьох словах документа. Google витягнув цей фрагмент у розширений сніпет, короткий блок відповіді прямо у видачі.
Сторінку до кінця майже ніхто не дочитує. Якщо в людини є питання, дай відповідь одразу вгорі, а вже нижче розкладай, чому вона така, для тих, хто захоче копнути глибше. За його досвідом, щільна стаття на 1000 слів і навіть менше часто б'є розмазані 5000 слів з водою. Головне не обсяг, а чітке повідомлення і те, що ти не збиваєшся з теми.
Прозорість і негативні відгуки
До E-E-A-T (досвід, експертність, авторитетність, надійність, за якими Google оцінює якість) van Driel додає ще прозорість. Без неї ні пошук, ні LLM не розуміють, хто ти, які твої цілі і де ти помилявся, а отже й довіряти не можуть.
Звідси неочевидна порада: не ховай негативні відгуки. Люди й так знають, що бізнес припускається помилок. Їм цікавіше інше, і тому вони часто сортують відгуки від найгірших, щоб побачити, як компанія на факап відреагувала. Визнав і виправив помилку, і це вже аргумент на твою користь.
Бізнес перекладає свій досвід, вдалий і провальний, у зрозумілий машинам формат і віддає ботам. Відгуки тут головне джерело, бо пошуковики й LLM зчитують їх як сигнал від живих людей. Навіть кілька негативних відгуків, які закінчилися вирішеною проблемою, здатні вплинути на видачу.
Якщо доказ твоєї експертизи існує тільки офлайн, у листах від задоволених клієнтів чи коробці цукерок на столі, машина про нього не знає і зарахувати його не може. Тому все це треба виносити в онлайн. Зручний майданчик для роботи з негативом Reddit: там можна відкрито визнати косяк і показати, як його полагодили, замість вилизувати собі імідж.
Довіра пошуковика це математика
Бренд може зібрати власну версію правди про себе: продуктові дані, фірмовий стиль, унікальний контент, відповіді на часті питання, відгуки. Але якщо ця версія розходиться з тим, що про бренд каже решта інтернету, пошуковик повірить не бренду, а публіці, і власні заяви бренду просто проігнорує.
Бо машинна довіра це не емоція, а розрахунок: порівняння двох наборів даних, помножене на всі інші набори в інтернеті. Наскільки те, що бренд каже про себе, збігається з агрегованою думкою вебу. Збіглося, і оцінка довіри росте, а контент починають цитувати. Не збіглося, і його ігнорують.
Той самий принцип ми вже розбирали в патенті Google на Site Quality Score.
Працює це і на людей. Коли те, що бренд каже про себе, збігається з тим, що про нього говорять довкола, у людини спрацьовує підтвердження очікувань і вона спокійніше йому довіряє. Тобто одне й те саме вирівнювання виграє і алгоритм, і аудиторію.
Прибирай свій цифровий слід
Розгрібати і впорядковувати свій кут інтернету так, щоб усе довкола підтверджувало ту саму версію правди. Це нудно, зате витискає віддачу з того, що ти вже колись зробив і оплатив.
Під AI це працює прямо. Галюцинації частина того, як влаштована технологія, і нікуди вони не подінуться. Але чим чистіший твій цифровий слід, тим більший шанс, що модель процитує тебе правильно, бо саме цей матеріал потрапляє в корпус, на якому вона вчиться.