Skema Drift: Markup Skema Divergen! | Solusi Aplikasi Skema

Skema Drift: Markup Skema Divergen!  |  Solusi Aplikasi Skema

Hidup terjadi, perubahan itu konstan dan di world wide web, itu bahkan lebih benar. Untuk pemilik produk situs web dan tim digital, banyak hal terjadi yang mungkin di luar kendali Anda.

Sebagai contoh:

  • Fitur Google diperkenalkan dan diperbarui
  • Versi Schema.org mengubah
  • Konten diterbitkan, diperbarui, atau dipindahkan.
  • JavaScript dan komponen pihak ketiga diperbarui
  • Konten tersindikasi mengubah struktur atau konten
  • Sakelar CMS
  • Situs web bergabung, dirancang ulang
  • Perubahan anggota tim digital (SEO, Konten)
  • Perusahaan memiliki merger dan akuisisi, sentralisasi dan desentralisasi

Ketika hal ini terjadi, tim Digital dan khususnya Ahli Strategi SEO siap untuk menavigasi dan mendiagnosis masalah. Ketika datang untuk mengelola markup skema Anda melalui perubahan ini, tanyakan “Apakah markup skema mencerminkan perubahan ini?” Bagaimana Anda tahu? Sejauh mana? Ketika perubahan terjadi dan markup skema tidak sinkron dengan apa yang ada di situs web Anda, itu disebut “Schema Drift”.

Skema Drift adalah masalah rumit yang Penyorot Aplikasi Skema menyelesaikan. Pada artikel ini, kita akan mendefinisikan apa itu Schema Drift, di mana ia muncul sehubungan dengan markup skema dan bagaimana menghitung ukuran masalahnya.

Apa itu Skema Drift?

Skema drift adalah konsep divergensi konten web dan markup skema. Biasanya ini mungkin muncul dengan markup schema.org statis, hard-coded, yang tidak berubah seiring dengan konten halaman yang diperbarui. Drift adalah ukuran jarak antara konten baru dan markup schema.org asli. Markup skema melayang seiring waktu baik melalui perubahan konten atau markup skema tanpa perubahan yang sesuai dari pasangannya.

Schema Drift baru-baru ini disebutkan oleh Martin Splitt dari Google, di podcast “Pencarian Tidak Direkam: Data Terstruktur Tentang apa ini”pada 19:29, dia berkata:

[How] untuk memastikan tidak ada perbedaan antara apa yang ada di halaman dan apa yang ada di data terstruktur [is] belum tentu mudah.” – Martin Splitt

Apakah Skema Drift merupakan masalah Kualitas Data?

Ya, pada inti skema drift adalah masalah kualitas data. Markup Schema.org adalah representasi yang dapat dibaca mesin, lapisan data, untuk konten yang disajikan kepada pembaca manusia. Sementara Kualitas Data, adalah ukuran seberapa cocok kumpulan data untuk melayani tujuan spesifiknya. Sejauh mana lapisan data benar muncul sebagai masalah kualitas data.

Kualitas Data adalah masalah TI dengan kerangka kerja yang disebut Badan Pengetahuan Manajemen Data (DMBOK) yang telah dikembangkan selama 30 tahun melalui komunitas ahli. DMBOK menggambarkan kualitas data yang memiliki karakteristik sebagai berikut:

  • Kelengkapan – apakah data skema menggambarkan seluruh konten dan apakah itu terhubung ke item data yang berdekatan?
  • Validitas – Apakah data skema benar dalam sintaksnya, apakah secara semantik benar sesuai dengan model schema.org? Apakah itu valid menurut Google? pedoman data terstruktur?
  • Akurasi – Sejauh mana data skema mewakili konten
  • Konsistensi – Sejauh mana data sama di dalam dan di antara kumpulan data
  • Keunikan – Sejauh mana data itu unik dan tidak dapat disalahartikan sebagai entri lain
  • Ketepatan waktu – Sejauh mana data tersedia pada saat dibutuhkan

Skema Drift Berbasis Konten

Pergeseran skema utama terjadi ketika konten pada halaman diperbarui tetapi markup schema.org yang sesuai tidak diperbarui. Ini biasa terjadi jika dan ketika markup schema.org menggunakan elemen data statis, dan pengguna menyalin/menempel konten ke dalam skema.

Skema Drift Berbasis Konfigurasi

Sebaliknya, Schema Drift juga dapat terjadi ketika markup schema.org diubah tanpa perubahan pada markup skema. Mungkin ada perubahan dalam pemetaan, dan pengaturan diubah untuk sekelompok halaman tetapi secara tidak sengaja memengaruhi properti dari subkelompok halaman. Meskipun tidak dimaksudkan, markup skema ketika konfigurasi variabel digunakan, dapat lebih bermasalah untuk dideteksi.

Skema Eksternal Drift

Versi yang lebih halus dari pergeseran skema adalah ketika konten terkait konten berubah (item data yang terhubung) tetapi itu tidak dapat diamati secara langsung dalam konten. Eksternal dalam hal ini berada di luar penampung halaman web, seperti halaman web lain atau penyedia pihak ketiga.

Contoh 1: halaman web utama Dokter kemungkinan terkait dengan ketersediaan Layanannya, dan ketika jam kerja mengubah jamTersedia juga harus diperbarui.

Contoh 2: jika suatu Acara dibuat dan markup skema awalnya benar, tetapi tempat mengubahnya Acara>lokasi>nama atau harga naik karena permintaan tinggi, Acara>penawaran>harga akan berubah. Properti item data yang terhubung ini mungkin tidak secara eksplisit ada di konten halaman, tetapi tentu saja relevan dan merupakan persyaratan fitur Google.

Di lain waktu ada penyedia plugin Pihak ke-3, misalnya platform Tinjauan Produk, yang menerbitkan markup skema untuk produk tanpa terhubung ke markup skema lainnya. Sementara kita bisa menggunakan metode markup skema tambahan dengan @id itu rapuh dan bentuk penyimpangan skema eksternal.

Pergeseran Kosakata Schema.org

Perubahan Terminologi

Sepanjang tahun, komunitas Schema.org merilis beberapa pembaruan kosakata (https://schema.org/docs/releases.html). Selama beberapa tahun terakhir, telah terjadi beberapa perubahan signifikan pada persyaratan dan organisasi ekstensi. Setiap perubahan pada kosakata schema.org dapat membuat Skema Drift. Secara khusus, perubahan di v0.91 mencakup sejumlah besar properti dibuat menjadi istilah tunggal, misalnya peta menjadi peta dan anggota menjadi anggota. Berikut ini menunjukkan anggota adalah anggota SupersededBy, memberi tahu Anda jika Anda memiliki properti schema.org, Anda harus memperbarui markup skema.

Dalam model data schema.org di RDF Graph Database kita dapat mengambil istilah menggunakan kueri SPARQL sederhana:
# Temukan digantikanDengan istilah

Istilah lama istilah baru
skema:Kode skema:SoftwareSourceCode
skema:DatedMoneySpesifikasi skema:MonetaryAmount
skema: Dermatologis skema:Dermatologi
skema:Musim skema:CreativeWorkSeason
skema:Taksi skema:Layanan Taksi
skema:UserBlocks skema:InteractionCounter
skema:Pemeriksaan Pengguna skema:InteractionCounter
skema:Komentar Pengguna skema:InteractionCounter
skema:Unduhan Pengguna skema:InteractionCounter
skema: Interaksi Pengguna skema:InteractionCounter
skema:Suka Pengguna skema:InteractionCounter
skema:Kunjungan HalamanPengguna skema:InteractionCounter
skema:UserPlays skema:InteractionCounter
skema:UserPlusOnes skema:InteractionCounter
skema:UserTweets skema:InteractionCounter
skema:aktor skema:aktor
skema:album skema:album
skema:aplikasi skema:tindakanAplikasi
skema:area skema:serviceArea

Kosa kata dihilangkan

Dalam beberapa pembaruan kosakata, seperti v7.0, ada beberapa istilah medis yang sebagian besar tidak digunakan. Jika Anda adalah perusahaan yang menggunakan ini, Anda dapat meminta database RDF untuk mencarinya.
Menghapus beberapa properti kesehatan medis yang sebagian besar tidak digunakan yang namanya tidak umum: tindakan, latar belakang, penyebab, biaya, fungsi, indikasi, asal, hasil, ikhtisar, fase, populasi, tujuan, sumber, subtipe. Perhatikan bahwa kami tidak menghapus istilah dengan santai, tetapi dalam kasus saat ini, konsekuensi kegunaan dari mempertahankannya dalam sistem melebihi manfaat dari mempertahankannya, bahkan jika ditandai sebagai diarsipkan/digantikan.

Dengan menggunakan SPARQL, kita dapat menanyakan daftar properti yang tidak lagi ada dalam kosakata dengan
# Temukan item data menggunakan properti yang dihapus

Schema.org berversi tetapi saya tidak tahu bahwa Google mendukung pembuatan versi markup dalam konteks dan saya belum melihat penyedia schema.org (termasuk kami) menentukan versi Schema.org yang kami terapkan.

  • Jarak vertikal adalah ukuran Waktu untuk jumlah jam markup skema yang salah, x
  • Jarak horizontal adalah ukuran properti yang salah, di mana ukuran sederhana adalah jumlah properti yang tidak lagi benar, kamu

Drift = x jam * y properti

Jika Anda tahu hari apa skema itu terombang-ambing, maka hitunglah total area sebagai profil risiko hanyut. Jika Anda membandingkannya dengan API Pengindeksan Google Search Console Anda harapan bahwa Google belum mengindeksnya.

Bagaimana Anda bisa menemukan drift?

Jika dan ketika ada divergensi dan penyimpangan Skema, Anda harus mengevaluasi halaman dan jika y > 0 Anda akan ingin memperbaiki markup skema. Selanjutnya, Anda ingin mengatasi penyimpangan skema dengan cepat, dan dalam waktu sesingkat mungkin dan idealnya sebelum Google mengindeksnya.

Pemantauan Skema

Toolkit yang memantau situs web Anda dapat dan harus mendeteksi penyimpangan skema. Seringkali alat akan memberi tahu Anda tentang apa yang ditemukan di halaman dan kemungkinan kesalahan/peringatan apa yang dimilikinya. Alat tidak memahami penyimpangan skema, dan tidak mengevaluasi perbandingan konten vs markup skema. Pada skala, ini adalah upaya yang sulit dan mengapa masalahnya terus-menerus.

Perayap Aplikasi Skema memungkinkan Anda untuk menanyakan database untuk melihat apakah ada properti yang sudah ketinggalan zaman, memungkinkan kami untuk memantau Skema Drift dalam kosakata.

Dapatkah saya menggunakan Microdata & RDFa untuk menghindari penyimpangan skema?

Microdata dan RDFa adalah tag HTML sebaris yang secara langsung menghubungkan cakupan skema dan properti ke konten mentah. Bukan tanpa batasannya, sintaks ini tidak diragukan lagi merupakan cara yang baik untuk menghindari penyimpangan skema. Untuk grafik konten skema yang lebih rumit, menghubungkan item data pada halaman dan antar halaman dapat dilakukan dengan itemref tetapi mungkin mengarah ke link yang rusak atau item yang tidak valid lagi.

Mengapa Skema Drift penting untuk BI dan Analisis Data?

Manajemen Data adalah pengembangan, pelaksanaan, dan pengawasan rencana, kebijakan, program, dan praktik yang memberikan, mengontrol, melindungi, dan meningkatkan nilai aset data dan informasi sepanjang siklus hidupnya. https://dataninjago.com/2021/09/15/what-is-data-management-actually-dama-dmbok-framework/

Dalam arti luas, Kualitas Data adalah blok bangunan Manajemen Data. Kontribusi piramida DMBOK adalah untuk mengungkapkan perkembangan logis dari langkah-langkah untuk membangun sistem data. Apakah Anda menggunakan pendekatan ini atau tidak tidak terlalu penting, namun kualitas data merupakan kebutuhan untuk membangun proyek analisis data. Jika organisasi mulai merasakan sakit dari kualitas data yang buruk, Anda mungkin perlu meninjau kembali kualitas data, memiliki metadata yang andal, dan menerapkan arsitektur data yang konsisten.

Memastikan kualitas data sesuai untuk digunakan dalam Fase 2 perjalanan manajemen data organisasi. Untuk memastikan data melayani fungsi tingkat tinggi, kualitas harus diandalkan untuk membuat keputusan. Jika Anda seperti beberapa pelanggan kami, data schema.org diberikan tidak hanya ke Google, tetapi juga ke konsumen data lain di tumpukan teknologi pemasaran. Di dalamnya, masalah penyimpangan skema dan kualitas data diperbesar.

Solusi Aplikasi Skema untuk Skema Drift

Aplikasi Skema mengelola Skema Drift melalui solusi berikut.

Itu Penyorot Aplikasi Skema dibangun untuk menghasilkan markup skema secara dinamis berdasarkan konten pada halaman. Jadi, jika tim Anda mengubah konten, konten akan diperbarui secara dinamis. Selain itu, jika template dalam situs diubah, konfigurasi di Aplikasi Skema dapat diperbarui dalam hitungan menit.

Penganalisis Aplikasi Skema menyediakan perayapan berkala situs web Anda untuk melaporkan data skema secara total. Selain memvalidasi untuk Fitur Google, visualisasikan hasil dan kueri data (RDF tiga kali lipat) untuk properti yang tidak digunakan lagi.

Pustaka Editor dan Penyorot dinamis Aplikasi Skema mengimpor kosakata schema.org terbaru, memetakan definisi lama ke definisi baru, sehingga diperbarui secara dinamis di markup pelanggan kami.

Terakhir, Keberhasilan Pelanggan di Aplikasi Skema meninjau dan menyelesaikan kesalahan dan peringatan, bekerja sama dengan pelanggan kami untuk mengelola konten, skema, dan perubahan komponen.

Jika Anda tidak ingin khawatir tentang Skema Drift, mencapaikami ingin bekerja sama dengan Anda.

Sumber & Tautan

Mark van Berkel

Mark van Berkel adalah salah satu pendiri dan COO dari Hunch Manifest dan pencipta Aplikasi Skema. Dia ahli dalam Teknologi Semantik dan Pemasaran Pencarian Semantik. Mark membangun Aplikasi Skema untuk memecahkan tantangannya sendiri dalam menulis dan memvalidasi markup skema.