Większość porad dotyczących znaczników schema jest przestarzała. Traktuje schema jako techniczny dodatek do rich snippets Google — coś, co instaluje się raz, żeby oceny gwiazdkowe lub ceny mogły pojawić się w wynikach wyszukiwania.
To podejście mija się z tym, co naprawdę teraz ma znaczenie.
Jeśli prowadzisz sklep Shopify, schema to nie tylko kwestia poprawy wyglądu niebieskiego linku w Google. Chodzi o to, żeby Twój katalog, polityki i szczegóły produktów były czytelne dla asystentów zakupowych AI, które bezpośrednio odpowiadają na pytania kupujących. Kiedy ktoś pyta ChatGPT, Gemini, Perplexity lub Copilot, co kupić, te systemy potrzebują ustrukturyzowanych danych wejściowych. Jeśli Twój sklep prezentuje fakty o produktach wyłącznie jako nieustrukturyzowane treści strony, pozostawiasz zbyt wiele domysłom.
Dla sprzedawców zmienia to zakres obowiązków. Stare taktyki SEO nadal mają znaczenie, ale są niewystarczające. Potrzebujesz danych o produktach czytelnych dla maszyn — nie tylko zoptymalizowanych opisów kategorii i metadanych.
Spis treści
- Dlaczego Twoja stara strategia SEO jest niewidoczna dla AI
- Jedyne typy schema, których potrzebuje Twój sklep Shopify
- Generowanie kodu schema JSON-LD
- Wstawianie schema do sklepu Shopify
- Walidacja znaczników w celu potwierdzenia działania
- Po wdrożeniu — nowa rzeczywistość utrzymania schema
Dlaczego Twoja stara strategia SEO jest niewidoczna dla AI
Stare porady SEO traktowały schema jako opcjonalne ulepszenie dla rich snippets. Dla sprzedawców Shopify takie podejście jest przestarzałe.
Systemy AI zakupów nie oceniają strony produktu tak jak ludzki kupujący. Szukają przejrzystych, czytelnych dla maszyn faktów, którym można zaufać na tyle, żeby je podsumować, porównać i polecić. Google wyjaśnia to wprost w swojej dokumentacji dotyczącej danych strukturalnych dla produktów i ofert sprzedawców, gdzie cena, dostępność, wysyłka i warunki zwrotu podawane są jako zdefiniowane pola zamiast luźnej treści strony (Dane strukturalne produktów w Google Search Central). Schema.org definiuje też te właściwości handlowe w formacie, który maszyny mogą spójnie interpretować w różnych sklepach (Schema.org Product).
Praktyczna zmiana jest prosta. Pozycjonowanie stron nadal ma znaczenie. Bycie zrozumiałym dla systemów AI również.
To drugie zadanie ujawnia słabość starszych podręczników SEO. Tagi tytułowe, opisy kolekcji i opisy produktów zoptymalizowane pod kątem słów kluczowych mogą pomóc stronie zostać zaindeksowaną, ale nie przekazują niezawodnie asystentowi AI, który wariant jest w magazynie, ile kosztuje dziś, czy produkt jest wysyłany do danego regionu ani jaka polityka zwrotów obowiązuje. Jeśli te szczegóły tkwią w kodzie szablonu, zwijanych treściach lub elementach generowanych przez aplikacje, model może je przeoczyć, pomylić lub w ogóle zrezygnować z polecenia produktu.
Jest to już widoczne w zachowaniach wyszukiwania. Search Engine Land podał, że strony z rich results mogą osiągać wyższe współczynniki klikalności niż standardowe wyniki, co pomaga wyjaśnić, dlaczego dane strukturalne wpływają na wyniki nawet wtedy, gdy nie są bezpośrednim czynnikiem rankingowym (Search Engine Land o rich snippets i CTR).
Asystenci AI nie czytają Twojego sklepu tak jak ludzie
Kupujący może przeskanować stronę i samodzielnie rozwiać wątpliwości. Asystent AI nie może bezpiecznie robić tego na dużą skalę.
Potrzebuje jednoznacznych danych wejściowych. Nazwa produktu. Marka. Wariant. Cena. Dostępność. Szczegóły wysyłki. Warunki zwrotu. Bez ustrukturyzowanych znaczników te fakty są często obecne, ale zawodne z punktu widzenia maszyny. To jest podstawowy problem. Twój sklep może być widoczny dla ludzi, a mimo to pozostawać częściowo niewidoczny dla systemów, które teraz wpływają na odkrywalność.
Szersze spojrzenie na tę zmianę oferuje artykuł Quikly na temat wpływu AI na marketing B2C. Wyjaśnia, dlaczego coraz więcej ścieżek zakupowych zaczyna się teraz wewnątrz przepływów rekomendacji, a nie w standardowej liście niebieskich linków.
Praktyczna zasada: Jeśli asystent AI nie może pewnie wyodrębnić faktów o Twoich produktach, jest mniej skłonny polecić Twój sklep.
Widoczność zależy teraz od ustrukturyzowanych danych wejściowych
Schema przekształca informacje o produkcie w oznaczone pola zamiast zgadywania. Ma to największe znaczenie dla sklepów z dużymi katalogami, szybkimi zmianami stanów magazynowych, wieloma wariantami lub politykami wpływającymi na decyzje zakupowe.
Widzę ten sam wzorzec w audytach Shopify. Sprzedawcy zakładają, że ich strony produktów są "wystarczająco jasne", ponieważ informacje są widoczne na ekranie. Maszyny są bardziej rygorystyczne. Działają lepiej, gdy dane są dołączone do produktu w standardowym formacie, a nie rozproszone po szablonach i aplikacjach.
Jeśli już zastanawiasz się nad tym, jak rekomendacje produktów AI działają w sklepach Shopify, schema jest jedną z pierwszych poprawek infrastrukturalnych do wprowadzenia. Daje systemom AI wiarygodne fakty o produktach zamiast zmuszać je do wnioskowania, co oznacza Twój sklep.
Jedyne typy Schema, których potrzebuje Twój sklep Shopify
Praca z Schema szybko staje się zbyt skomplikowana, ponieważ Schema.org zawiera setki typów, podczas gdy sklep Shopify zazwyczaj wygrywa dzięki małemu zestawowi dobrze wdrożonych. W przypadku zakupów opartych na AI pytanie nie brzmi, ile typów schema możesz dodać. Pytanie brzmi, czy asystent może zidentyfikować produkt, sprzedawcę, ofertę i warunki zakupu bez zgadywania.
Co ma największe znaczenie dla odkrywalności produktów
Asystenci zakupowi AI nie czytają strony produktu tak jak człowiek. Szukają ustrukturyzowanych faktów, którym mogą zaufać. Jeśli tytuł produktu jest wyraźny, ale cena, stan magazynowy, warunki wysyłki i polityka zwrotów są ukryte w kodzie motywu lub danych wyjściowych aplikacji, trudniej jest z pewnością polecić Twój sklep.
Dlatego większość sprzedawców Shopify powinna skupić się najpierw na pięciu warstwach schema.
Schema produktu
Jest to podstawowy rekord samego produktu. Powinien jasno definiować nazwę produktu, opis, markę, obrazy, SKU lub GTIN (jeśli dostępne) oraz atrybuty specyficzne dla wariantów tam, gdzie jest to istotne. Jeśli ta warstwa jest cienka lub niespójna, wszystko zbudowane na jej podstawie staje się słabsze.Dane oferty w znacznikach produktu
Systemy AI potrzebują aktualnych danych handlowych, a nie tylko tożsamości produktu. Właściwości oferty obejmują cenę, walutę, dostępność, stan produktu i adres URL strony powiązany z opcją zakupu. W przypadku sklepów z częstymi zmianami stanów magazynowych dane te muszą być zsynchronizowane z Shopify, w przeciwnym razie stają się mylące.Schema marki lub organizacji
Tożsamość sklepu ma znaczenie w systemach rekomendacji. Znaczniki organizacji pomagają połączyć produkt ze sprzedawcą, który za nim stoi, co wspiera sygnały zaufania, interpretację polityk i rozpoznawalność sprzedawcy w całym katalogu.ShippingDetails
Jest to jeden z najrzadziej używanych typów schema w Shopify. Ma znaczenie, gdy kupujący zadają pytania dotyczące konkretnych lokalizacji, takie jak czas dostawy, koszt wysyłki lub dostępność regionalna. Jeśli sprzedajesz produkty gabarytowe, kruche, regulowane lub wrażliwe na czas, dane dotyczące wysyłki mogą wpływać na to, czy Twoja oferta jest w ogóle brana pod uwagę.Szczegóły polityki zwrotów sprzedawcy
Warunki zwrotów kształtują konwersję, szczególnie w kategoriach z ryzykiem rozmiaru lub wyższą średnią wartością zamówienia. Ustrukturyzowane dane dotyczące polityki zwrotów dają maszynom bezpośredni sposób odczytu tych warunków zamiast próbowania ich wywnioskowania ze strony z polityką.
Co możesz teraz bezpiecznie zignorować
Prosta kolejność priorytetów działa lepiej niż próba uwzględnienia każdej dostępnej właściwości.
| Priorytet | Typ schema | Dlaczego ma znaczenie |
|---|---|---|
| Wysoki | Product | Definiuje produkt i jego podstawowe atrybuty |
| Wysoki | Offer | Obejmuje cenę, walutę i dostępność |
| Wysoki | Organization | Wyjaśnia, kto sprzedaje produkt |
| Średni | BreadcrumbList | Pomaga połączyć strony produktów ze strukturą witryny |
| Średni | WebSite | Dodaje kontekst na poziomie witryny |
Zazwyczaj mówię sprzedawcom, żeby zdobyli głębię przed szerokością. Kompletna implementacja Product plus Offer za każdym razem bije długą listę częściowo wypełnionych typów schema.
Jeśli szukasz użytecznego materiału uzupełniającego, to wyjaśnienie jak struktura katalogu AI Shopify wpływa na odkrywalność dobrze uzupełnia planowanie schema, ponieważ konfiguracja katalogu i jakość znaczników kształtują te same dane wejściowe rekomendacji.
Częstym błędem jest dodawanie niszowych typów schema, podczas gdy podstawowe pola handlowe pozostają niekompletne lub nieaktualne. Często widzę to w sklepach, które z czasem zainstalowały wiele aplikacji SEO. Znaczniki istnieją, ale przydatne pola są zduplikowane, sprzeczne lub brakuje ich na stronach wariantów. Zanim dodasz więcej, wyczyść podstawowe typy i sprawdź sam JSON za pomocą narzędzia deweloperskiego do formatowania JSON.
Większość sklepów Shopify nie potrzebuje więcej typów schema. Potrzebują dokładnych danych o produkcie, ofercie, wysyłce i politykach, które maszyny mogą odczytać bez niejednoznaczności.
Generowanie kodu schema JSON-LD
Gdy wiesz już, które typy schematów są istotne, kolejnym krokiem jest stworzenie właściwego znacznikowania. W przypadku sklepów Shopify formatem, który należy stosować, jest JSON-LD. To format preferowany przez Google, a zarządzanie nim jest znacznie łatwiejsze niż w przypadku mikroformatów wbudowanych w kod.
Czego naprawdę potrzebuje JSON-LD
Twój znacznik musi zawierać co najmniej poprawne opakowanie skryptu oraz prawidłową strukturę obiektu. Skrypt powinien zaczynać się od <script type="application/ld+json">, a zawarty w nim JSON musi być poprawny składniowo.
Prosty przykład produktu zazwyczaj zawiera takie pola jak:
@contextdefiniujący słownik schematu@typeidentyfikujący encję, np.Product- pola produktu takie jak nazwa, zdjęcie, opis i marka
- pola oferty takie jak cena i dostępność
Mały błąd formatowania może unieważnić cały blok. Brakujący przecinek, błędny typ wartości lub właściwość umieszczona w złym obiekcie wystarczą, by stworzyć problemy.
Czysty JSON nie jest opcjonalny. Maszyny nie „domyślą się", gdy struktura jest uszkodzona.
Jeśli edytujesz kod ręcznie, warto przepuścić fragment przez narzędzie deweloperskie do formatowania JSON, zanim w ogóle umieścisz go w Shopify. Nie potwierdzi to kwalifikowalności do rozszerzonych wyników, ale pozwoli wcześnie wykryć oczywiste problemy z formatowaniem.
Ręczne pisanie a generatory
JSON-LD można pisać ręcznie. Dla dewelopera zarządzającego kilkoma szablonami jest to możliwe. Dla sprzedawcy żonglującego asortymentem, kampaniami i zmianami merchandisingowymi zazwyczaj nie jest to najbardziej wartościowe wykorzystanie czasu.
Ręcznie napisany schemat ma trzy typowe słabości:
- Rozjeżdża się z aktualnymi danymi sklepu. Cena, dostępność i szczegóły polityki się zmieniają.
- Łatwo się psuje. Jeden nieprawidłowy znak może sprawić, że cały skrypt stanie się nieczytelny.
- Słabo się skaluje. Kilka produktów da się ogarnąć. Duże katalogi — nie.
Generatory rozwiązują część tych problemów, budując za Ciebie poprawne struktury. Narzędzie Google Structured Data Markup Helper może pomóc przy tworzeniu początkowego znacznikowania, a wtyczki SEO lub aplikacje Shopify mogą zautomatyzować większe fragmenty pracy.
Wygenerowany kod wymaga jednak przeglądu. Generowanie kodu jest przydatne, ale nie zastępuje oceny. Nadal musisz potwierdzić, że właściwości odpowiadają widocznej zawartości strony i rzeczywistym danym produktowym w Twoim sklepie.
Gdy ludzie pytają, jak dodać znacznikowanie schematu, zazwyczaj myślą, że trudną częścią jest tworzenie kodu. W praktyce trudniejszą częścią jest upewnienie się, że kod odzwierciedla rzeczywistość na każdej istotnej stronie.
Wstawianie schematu do Twojego sklepu Shopify
Napisanie poprawnego JSON-LD to łatwa część. Umieszczenie go w Shopify w sposób, który pozostaje dokładny wraz ze zmianami produktów, cen, dostępności i polityk — to właśnie tutaj sklepy zazwyczaj ponoszą porażkę.
Ma to znaczenie nie tylko dla rozszerzonych wyników Google. Asystenci zakupów AI, silniki odpowiedzi i systemy rekomendacji produktów mogą używać wyłącznie tego, co są w stanie pewnie przetworzyć. Jeśli Twój schemat jest wklejony w niewłaściwy szablon, powielony w różnych typach stron lub oderwany od aktualnych danych sklepu, Twoje produkty stają się mniej wiarygodne i mniej prawdopodobne, że pojawią się w przepływach handlu napędzanych przez AI.
Trzy sposoby dodawania schematu w Shopify
Shopify oferuje trzy praktyczne ścieżki wdrożenia. Właściwy wybór zależy od tego, jak dużej kontroli potrzebujesz, jak często zmienia się Twój katalog i kto będzie utrzymywał konfigurację po uruchomieniu.
| Metoda | Na czym polega | Kompromis |
|---|---|---|
| Edycja plików motywu | Dodawanie JSON-LD w plikach motywu, takich jak szablony produktów | Wysoka kontrola, wyższe ryzyko implementacji |
| Niestandardowe bloki HTML lub sekcje | Wstawianie skryptów przez obszary dostosowywania motywu | Łatwiejsze w izolowanych przypadkach, słabsze przy skalowaniu |
| Aplikacja Shopify | Automatyzacja schematu dla produktów i polityk | Mniej ręcznej obsługi, mniej bezpośredniej kontroli nad kodem |
Edycja plików motywu jest najczystszą opcją, jeśli znasz Liquid i potrafisz prześledzić, który szablon obsługuje każdy typ strony. Wybieram tę ścieżkę, gdy sklep potrzebuje niestandardowej logiki schematu lub gdy sprzedawca chce mieć pełną widoczność tego, co jest generowane na stronach produktów, kolekcji i polityk. Kompromis jest prosty. Jeden błąd w szablonie może wpłynąć na setki lub tysiące adresów URL.
Niestandardowe bloki lub wstawianie oparte na sekcjach może sprawdzić się w małych sklepach lub przy jednorazowych potrzebach schematowych. Zazwyczaj jest to najszybszy sposób na przetestowanie pojedynczego skryptu. Szybko jednak robi się bałagan. Gdy sprzedawcy zaczynają dodawać osobne fragmenty dla produktów, FAQ, nawigacji okruszkowej i danych organizacji, kontrola wersji znika, a powielone znacznikowanie staje się powszechne.
Wdrożenie oparte na aplikacji to zazwyczaj lepszy wybór operacyjny dla aktywnych katalogów Shopify. Aplikacje mogą utrzymywać schemat powiązany z danymi produktów, stanem magazynowym, szczegółami wysyłki i informacjami o zwrotach w miarę zmiany tych wartości. Shoptank jest jednym z przykładów takiego modelu, w którym dane wyjściowe schematu są połączone z danymi sklepu, zamiast polegać na ręcznych aktualizacjach przez kopiowanie i wklejanie.
Gdzie powinien się znajdować kod
Umiejscowienie wpływa na niezawodność. W przypadku sklepów Shopify JSON-LD zazwyczaj należy do układu motywu lub do konkretnego szablonu odpowiadającego typowi strony.
Używaj umiejscowienia ogólnowitrynowego dla encji na poziomie sklepu, takich jak oznaczenia Organization lub Website. Używaj umiejscowienia na poziomie strony dla oznaczenia Product, Collection, Article, FAQ lub Breadcrumb, aby każdy adres URL opisywał siebie poprawnie. Schemat produktu na stronie innej niż produktowa wprowadza szum. Ogólnowitrynowy schemat produktu jest gorszy, ponieważ przekazuje parserom błędne informacje na dużą skalę.
Kilka zasad sprawia, że implementacje pozostają przejrzyste:
- Dopasuj schemat do szablonu. Oznaczenia produktu trafiają do szablonów produktów. Oznaczenia artykułów trafiają do wpisów blogowych.
- Generuj jedną jasną wersję każdej encji. Wiele skryptów Product dla tej samej strony często powoduje konflikty.
- Pobieraj dane na żywo z Shopify, gdzie to możliwe. Zakodowane na stałe wartości cen lub dostępności stają się nieaktualne.
- Utrzymuj spójność widocznej treści i danych strukturalnych. Jeśli strona mówi jedno, a oznaczenia mówią co innego, zaufanie spada.
<head> jest często najłatwiejszym miejscem do zarządzania JSON-LD, ponieważ utrzymuje skrypty uporządkowane i przewidywalne w różnych szablonach. <body> może nadal działać, ale rozproszone punkty wstawiania utrudniają konserwację, szczególnie gdy kilka aplikacji lub dostosowań motywu jednocześnie zapisuje oznaczenia.
Jeśli chcesz zobaczyć podejście implementacyjne w działaniu, ten przewodnik jest przydatnym uzupełnieniem:
Witryna sklepowa może wyglądać zupełnie dobrze, podczas gdy dane strukturalne pod spodem są niekompletne, zduplikowane lub nieaktualne. Właśnie dlatego wstawianie schematu nie jest już kosmetycznym zadaniem SEO. Jest częścią sprawiania, aby Twój katalog był czytelny dla systemów, które będą decydować, jakie produkty zostaną polecone w następnej kolejności.
Weryfikacja oznaczenia, aby upewnić się, że działa
Blok schematu nie jest przydatny, ponieważ istnieje. Jest przydatny, ponieważ parsery mogą go odczytać i poprawnie sklasyfikować. Walidacja to krok, który mówi Ci, czy Twoja implementacja jest użyteczna.
Praktyczna sekwencja walidacji
Solidny przepływ pracy obejmuje cztery fazy. Zgodnie z wytycznymi Schema App, sekwencja sprawdzenia składni, testu Rich Results, potwierdzenia renderowania na urządzeniach mobilnych i monitorowania Google Search Console zapewnia ponad 90% skuteczności kwalifikowania się do wyników rozszerzonych, przy czym większość niepowodzeń jest spowodowana źle umieszczonymi skryptami JSON-LD lub niekompletnymi definicjami właściwości (przewodnik Schema App).
Ta sekwencja działa dobrze, ponieważ każde narzędzie odpowiada na inne pytanie:
Schema Markup Validator
To narzędzie wychwytuje problemy ze składnią. Pomyśl o brakujących przecinkach, uszkodzonych nawiasach i nieprawidłowej strukturze.Google Rich Results Test
To narzędzie sprawdza, czy strona kwalifikuje się do obsługiwanych wyników rozszerzonych i czy wymagane pola są obecne.Przegląd renderowania na urządzeniach mobilnych
Niektóre oznaczenia wyglądają dobrze w kodzie źródłowym, ale zachowują się inaczej w renderowanym wyniku, szczególnie na stronach intensywnie korzystających z JavaScriptu.Monitorowanie Google Search Console
To Twój bieżący dziennik błędów po wdrożeniu.
Walidacja to nie formalność. To jedyny sposób, aby potwierdzić, że Twoje oznaczenie przeszło ze stanu „wstawionego" do „użytecznego".
Co zrobić, gdy test się nie powiedzie
Nie naprawiaj wszystkiego naraz. Zacznij od błędów o najwyższym wpływie.
- Najpierw napraw brakujące wymagane właściwości, ponieważ często całkowicie blokują kwalifikowalność.
- Sprawdź wartości i typy właściwości, jeśli walidator oznacza takie rzeczy jak formatowanie ceny lub nieprawidłowa struktura obiektu.
- Przejrzyj umiejscowienie, jeśli narzędzie nie wykrywa oznaczenia, o którym wiesz, że zostało dodane.
- Ponownie przetestuj aktywny URL po każdej zmianie, a nie tylko fragment kodu.
Ostrzeżenia i błędy to nie to samo. Błąd zazwyczaj oznacza, że oznaczenie jest uszkodzone lub niekwalifikowalne. Ostrzeżenie często oznacza, że schemat jest prawidłowy, ale niekompletny. W praktyce oba mają znaczenie. Prawidłowe, ale ubogie oznaczenie może nadal pozostawiać systemy AI ze słabym kontekstem produktowym.
Wielu sprzedawców zatrzymuje się na etapie „kod jest na stronie". Bezpieczniejszy standard jest surowszy: kod jest na stronie, przechodzi testy, renderuje się poprawnie i nadal przechodzi testy po kolejnej aktualizacji motywu lub katalogu.
Poza wdrożeniem: nowa rzeczywistość utrzymania schematu
Największym błędem sprzedawców w przypadku schematu jest traktowanie go jak jednorazowej implementacji. Takie podejście nie sprawdza się w e-commerce, gdzie fakty dotyczące produktów zmieniają się nieustannie.
Według danych referencyjnych Schema App, 73% błędów schematu pochodzi z nieaktualnych cen lub szczegółów dotyczących wysyłki, a sprzedawcy bez dynamicznego odświeżania schematu mogą stracić 40% widoczności w AI w ciągu sześciu miesięcy, gdy asystenci AI priorytetyzują aktualne dane (Przewodnik Schema App dotyczący FAQ)).
Dlaczego statyczny schemat psuje się z czasem
Strona produktu rzadko kiedy jest statyczna. Stany magazynowe się zmieniają. Ceny promocyjne zaczynają i kończą obowiązywać. Strefy wysyłki się poszerzają. Warunki zwrotów są aktualizowane podczas promocji lub zmian polityki.
Jeśli Twój schemat nie odzwierciedla tych zmian, tworzysz problem zaufania dla maszyn. Strona mówi jedno. Dane strukturalne mówią co innego. Z czasem ta niespójność sprawia, że Twój sklep jest mniej wiarygodnym źródłem.
Najtrudniejsza część to nie jednorazowe dodanie schematu. To utrzymanie go w zgodności z aktualnym katalogiem.
Jak wygląda bieżąca konserwacja
Dla większości sklepów Shopify dobra konserwacja oznacza procesy, a nie heroiczne działania.
- Ponowna walidacja po zmianach w katalogu: Nowe szablony produktów, aktualizacje merchandisingu i zmiany polityki mogą wpływać na znaczniki.
- Monitoruj najpierw strony o wysokiej wartości: Strony produktów, recenzji i stron związanych z polityką zwykle wymagają największej uwagi.
- Powiąż schemat z aktualnymi danymi sklepu, gdy to możliwe: Im mniej ręcznego kopiowania, tym mniej rozbieżności stworzysz.
Dla poprawy widoczności Twojego sklepu w wyszukiwaniu AI, praca zazwyczaj przechodzi od konfiguracji do operacji. Schemat staje się częścią konserwacji sklepu, podobnie jak dokładność cen czy higiena feedów.
Ręczne aktualizacje schematu mogą sprawdzać się w przypadku małego katalogu i starannego zespołu. Dla większości rozwijających się sklepów nie pozostają dokładne przez długi czas.
Jeśli Twój sklep Shopify potrzebuje prostszego sposobu na utrzymanie widoczności w asystentach zakupowych AI, Shoptank jest jedną z opcji do rozważenia. Pomaga sprzedawcom generować znaczniki schematu i dane sklepu czytelne dla maszyn dotyczące produktów, cen, wysyłki i zwrotów, bez konieczności ręcznego zarządzania każdą aktualizacją.