Apa itu markup schema, dan apakah membantu dalam pencarian AI?
Markup schema, atau data terstruktur, adalah kode di sebuah halaman, biasanya JSON-LD dengan kosakata schema.org, yang menyatakan fakta tentang halaman dan subjeknya dalam bentuk yang dapat dibaca mesin. Markup schema menyatakan fakta tentang sebuah halaman, seperti bahwa ini sebuah organisasi atau bahwa produk ini berharga sekian, dalam format yang dibaca mesin tanpa menebak. Markup ini membantu mesin pencari memahami halaman. Ini bukan sakelar yang memasukkan Anda ke jawaban AI.
Bagaimana markup schema bekerja?
Google mendefinisikan data terstruktur sebagai format standar untuk memberikan informasi tentang sebuah halaman dan mengklasifikasikan kontennya. Google mendukung JSON-LD, Microdata, dan RDFa, menyarankan JSON-LD bila penyiapan situs memungkinkan, dan mencatat bahwa sebagian besar data terstruktur Search memakai kosakata schema.org (Google Search Central, diperbarui 10 Desember 2025).
Blok JSON-LD diletakkan dalam tag script di halaman dan menyatakan, misalnya, bahwa halaman tersebut menggambarkan sebuah Organization dengan nama, logo, URL, dan tautan sameAs ke profil resminya.
Apakah markup schema membantu visibilitas AI?
Tidak sebagai tuas khusus, menurut Google sendiri. Panduan fitur AI-nya menyatakan bahwa tidak ada data terstruktur schema.org khusus yang perlu Anda tambahkan untuk muncul di AI Overviews atau AI Mode, dan menyarankan agar data terstruktur cocok dengan teks yang terlihat di halaman (Google Search Central, dibaca 15 Okt 2026).
Panduan fitur AI generatifnya mengulanginya: data terstruktur tidak wajib untuk pencarian AI generatif (Google, diperbarui 10 Juli 2026). Janji kenaikan persentase tetap dalam jawaban AI karena menambahkan markup adalah klaim yang tidak bisa kami telusuri ke pengukuran yang dipublikasikan (artikelnya).
Seperti apa ini dalam contoh nyata?
Dalam contoh Tesla yang publik (4 Oktober 2026), Google AI Overviews menjawab “What is Tesla?” dengan memulai dari satuan magnetik sebelum sampai ke perusahaannya. Ambiguitas semacam itulah yang dibantu diselesaikan oleh markup Organization dengan tautan sameAs, dengan mengikat sebuah situs ke satu identitas.
Markup tidak menentukan bagaimana jawaban dimulai. Jawaban dalam contoh itu jauh lebih sering mengutip halaman video, forum, dan rujukan daripada tesla.com, jadi markup di halaman milik merek sendiri hanya bisa menjadi bagian kecil dari gambaran besarnya.
Tipe schema apa yang sebaiknya dipakai sebuah merek?
Beri markup pada apa yang benar-benar ditampilkan halaman:
- Organization: nama, URL, logo, dan tautan sameAs ke profil resmi, di beranda atau halaman Tentang.
- Product atau SoftwareApplication dengan offers, di halaman yang mencantumkan harga.
- Article dengan penulis dan tanggal, di artikel dan panduan.
- BreadcrumbList, untuk posisi halaman di dalam situs.
- Tidak ada yang tidak terlihat di halaman: Google meminta markup cocok dengan teks yang terlihat.
Bagaimana Proofsource memperlakukan markup schema?
Sebagai kebersihan dasar, bukan tuas peringkat: daftar celah Proofsource mencakup pengecekan entitas dan akses mesin di samping celah kutipan dan ulasan, diperingkat berdasarkan dampak yang diharapkan dibandingkan upayanya. Halaman glosarium ini sendiri memuat JSON-LD DefinedTerm dan FAQPage yang cocok dengan teks yang terlihat. Lihat Opportunities.
Pertanyaan umum tentang Markup schema (data terstruktur)
Apakah saya perlu schema khusus agar muncul di AI Overviews?
Tidak. Google menyatakan bahwa tidak diperlukan markup schema.org khusus untuk AI Overviews atau AI Mode. Yang penting adalah halaman yang bisa diindeks, layak untuk snippet, dan menjawab pertanyaannya.
Format apa yang sebaiknya saya pakai?
JSON-LD, yang disarankan Google bila penyiapan Anda memungkinkan. Formatnya berupa satu blok script dan tidak mengubah tampilan halaman.
Apakah data terstruktur yang salah bisa merugikan?
Markup yang tidak cocok dengan halaman yang terlihat bisa membuat halaman tidak memenuhi syarat untuk hasil kaya, dan menyatakan fakta yang salah dalam format yang dibaca mesin justru menyebarkannya. Jaga agar tetap akurat.
Apakah markup FAQ membantu dalam jawaban AI?
Markup FAQ menyatakan pertanyaan dan jawaban Anda dalam format standar, tetapi tidak ada mesin yang mendokumentasikannya sebagai syarat untuk jawaban AI. Tulis dulu jawabannya dengan jelas di halaman.
Istilah terkait
- Entitas
Dalam pencarian dan AI, entitas adalah satu hal yang jelas dan dapat diidentifikasi, seperti perusahaan, produk, orang, atau tempat, yang dapat dikenali sistem dan dibedakan dari hal lain yang namanya mirip.
- Knowledge graph
Knowledge graph adalah basis data entitas dan fakta yang menghubungkannya, dan Knowledge Graph milik Google adalah yang paling dikenal, dengan jutaan entri tentang orang, tempat, dan benda.
- llms.txt
llms.txt adalah usulan file markdown di root situs web yang memberi tahu model bahasa tentang situs tersebut dan mencantumkan halaman yang paling layak dibaca.
- E-E-A-T
E-E-A-T adalah singkatan dari experience, expertise, authoritativeness, dan trustworthiness (pengalaman, keahlian, otoritas, dan kepercayaan), kualitas yang menurut Google dicari sistemnya dalam konten yang bermanfaat dan andal.
Contoh kasus: Tesla, jawaban AI publik, 4 Okt 2026: pemindaian pertama Proofsource untuk Tesla, 25 pertanyaan pembeli dan 5 pertanyaan merek, satu jawaban per pertanyaan di masing-masing dari empat mesin. Sampel kecil dari satu merek, ditampilkan sebagai contoh, bukan tolok ukur.
Lihat di mana AI melewatkan Anda, dan apa yang perlu diperbaiki.
Lihat pertanyaan pembeli mana yang menyebut merek Anda, siapa yang disebut sebagai gantinya, dan apa yang perlu diperbaiki. 200 jawaban. 25 Prompts/pertanyaan. Mesin AI teratas. 2 hari. Gratis. Tanpa kartu.
Google AI OverviewsGoogle AI Mode
