Με πάνω από 20 χρόνια εμπειρίας, μεταμορφώνουμε την ψηφιακή σας παρουσία. Εξειδικευόμαστε στην κατασκευή ιστοσελίδων και E-Shop, το SEO και το Digital Marketing, τα ERP λογισμικά και τους έξυπνους αυτοματισμούς που απογειώνουν την επιχείρησή σας.
Διεύθυνση:
Εγνατία 154, Θεσσαλονίκη 546 36
Τηλέφωνο:
+30 231 231 4095
E-mail:
hello@twodots.gr
Έτοιμοι για το επόμενο βήμα;
Ελεγχόμενη μελέτη 29 sites δεν βρήκε άμεση άνοδο κατάταξης από LocalBusiness schema. Δείτε πού τα structured data έχουν πραγματική αξία.
Η ελεγχόμενη μελέτη 29 domains δεν βρήκε ότι το LocalBusiness schema markup ανεβάζει άμεσα την οργανική κατάταξη στη Google. Αυτό δεν ακυρώνει τα structured data: τα κάνει χρήσιμα για τον σωστό λόγο, δηλαδή για σαφέστερη περιγραφή οντοτήτων και για επιλεξιμότητα σε υποστηριζόμενες εμπλουτισμένες εμφανίσεις, όχι ως «κρυφό» ranking shortcut.
Η δοκιμή της Evergrow Marketing διήρκεσε δέκα εβδομάδες, χώρισε 29 sites τοπικών επιχειρήσεων σε control και test group και παρακολούθησε SERP θέσεις με Moz Pro. Το πρακτικό συμπέρασμα για επιχειρήσεις και e-commerce teams είναι απλό: υλοποιήστε schema όταν αντιστοιχεί στο ορατό περιεχόμενο και σε συγκεκριμένο search feature, αλλά μετρήστε ξεχωριστά rankings, rich-result eligibility, impressions, clicks και conversions.
Όριο της έρευνας: η μελέτη εξέτασε LocalBusiness markup σε αμερικανικές επιχειρήσεις landscaping, lawn care και outdoor services. Δεν αποδεικνύει ότι κάθε τύπος schema, κάθε κλάδος ή κάθε search surface θα έχει το ίδιο αποτέλεσμα, ούτε ότι η απλή εγκατάσταση JSON-LD αρκεί για rich result ή αναφορά από σύστημα AI.
Η συζήτηση γύρω από το schema συχνά συγχέει τρία διαφορετικά αποτελέσματα: την κατανόηση μιας σελίδας, την εμφάνιση rich results και την οργανική θέση. Η Google συνδέει τα structured data κυρίως με ρητές πληροφορίες για το νόημα της σελίδας και με την επιλεξιμότητα για ειδικές εμφανίσεις. Από αυτό δεν προκύπτει αυτομάτως ότι η προσθήκη JSON-LD αποτελεί ανεξάρτητο ranking factor.
Από την άλλη, μια σελίδα προϊόντος με έγκυρο Product markup μπορεί να παρουσιάσει τιμή, διαθεσιμότητα, αξιολόγηση ή άλλες υποστηριζόμενες πληροφορίες στο αποτέλεσμα. Αν αυτή η εμφάνιση αυξήσει τα κατάλληλα clicks, η επιχειρηματική επίδραση είναι πραγματική, ακόμη κι αν η αρχική θέση δεν άλλαξε λόγω του markup. Γι’ αυτό το σωστό ερώτημα δεν είναι μόνο «ανεβάζει rank;», αλλά «ποια εμφάνιση ενεργοποιεί, ποιον βοηθά και ποιο αποτέλεσμα θα μετρήσουμε;».
Η ίδια διάκριση βρίσκεται στον πυρήνα μιας ώριμης υπηρεσίας Digital Marketing & SEO: τεχνικό SEO, περιεχόμενο, structured data και analytics αξιολογούνται ως μέρη του ίδιου συστήματος, αλλά το καθένα με τον δικό του στόχο και metric.
Η Evergrow Marketing επέλεξε 29 πελάτες-domains με συνολικά 36 Google Business Profile locations. Όλοι βρίσκονταν στις ΗΠΑ και δραστηριοποιούνταν στον ευρύτερο χώρο landscaping, lawn care και outdoor services. Η control group περιλάμβανε 13 domains και 18 locations, ενώ η test group 16 domains και επίσης 18 locations. Η γεωγραφική κατανομή οργανώθηκε ώστε να περιοριστούν διαφορές κλίματος και εποχικότητας.
Οι επιχειρήσεις που είχαν ξεκινήσει συνεργασία μέσα στους προηγούμενους έξι μήνες αποκλείστηκαν, ώστε μεγάλα πρόσφατα content ή structural shifts να μην μπερδεύουν τη μέτρηση. Τα sites καθαρίστηκαν από structured data και ελέγχθηκαν με το Schema Markup Validator. Ακολούθησε control period πέντε εβδομάδων και test period άλλων πέντε εβδομάδων, χωρίς άλλες προγραμματισμένες SEO αλλαγές.
Η δομή της ελεγχόμενης δοκιμής
Μεγέθη που δηλώνει η πρωτογενής μελέτη της Evergrow Marketing για το LocalBusiness schema. Οι αριθμοί περιγράφουν το δείγμα και τη μεθοδολογία, όχι εγγυημένη επίδραση σε άλλο site.
Στην test group τοποθετήθηκε ένα αναλυτικό graph LocalBusiness, με πιο συγκεκριμένο τύπο HomeAndConstructionBusiness, μόνο στην αρχική σελίδα. Το template περιλάμβανε στοιχεία όπως όνομα, νομική επωνυμία, URL, στοιχεία επικοινωνίας, διεύθυνση, γεωγραφικές συντεταγμένες, περιοχές εξυπηρέτησης, ωράριο, υπηρεσίες και αληθινές εξωτερικές αναφορές.
Η ερευνητική πρόθεση ήταν να εξεταστεί αν standard LocalBusiness schema που δεν βασίζεται σε rich-snippet αποτέλεσμα αλλάζει την κατάταξη. Αυτό είναι σημαντικό: ένα Product ή JobPosting rich result θα μπορούσε να επηρεάσει την εμφάνιση και τα clicks, άρα να εισαγάγει διαφορετικό μηχανισμό από εκείνον που ήθελε να απομονώσει η δοκιμή.
Μετά την προσθήκη του markup, οι ερευνητές χρησιμοποίησαν Google Search Console crawl reports για να επιβεβαιώσουν ότι οι αρχικές σελίδες είχαν ξαναανιχνευθεί και ευρετηριαστεί. Η διαδικασία μειώνει έναν προφανή κίνδυνο: να αποδοθεί αποτέλεσμα σε schema που η μηχανή αναζήτησης δεν είχε ακόμη δει.
Η παρακολούθηση των οργανικών SERPs έγινε με Moz Pro σε Google desktop, Google Mobile, Bing και Yahoo. Η πρώτη αναζήτηση είχε γενική τοπική μορφή, όπως «εταιρεία υπηρεσίας στην περιοχή». Η δεύτερη ζητούσε συγκεκριμένες αντικειμενικές πληροφορίες, όπως αν μια εταιρεία εξυπηρετεί μια περιοχή και είναι ανοικτή συγκεκριμένη ημέρα και ώρα.
Η ανάλυση δεν περιορίστηκε στη διαφορά των μέσων θέσεων. Χρησιμοποιήθηκε μονόπλευρο Welch two-sample t-test πάνω στις μεταβολές benchmark προς final, όταν η test group είχε όντως καλύτερη κατεύθυνση από την control group. Η επιλογή αυτή αποφεύγει να παρουσιάζεται μια στατιστικά καθαρή αλλά αρνητική διαφορά ως θετική επίδραση του schema.
Παράλληλα με τη θέση, μετρήθηκε και το Search Visibility του Moz, δηλαδή μια εκτίμηση του πιθανού μεριδίου clicks με βάση τις θέσεις των παρακολουθούμενων keywords. Έτσι η μελέτη ξεχώρισε μια μικρή μεταβολή rank από μια μεταβολή που θα μπορούσε να έχει ορατή εμπορική σημασία.
Για το γενικό query «[service] company in [location]», η control group βελτιώθηκε κατά μέσο όρο στη Google, ενώ η test group έχασε θέσεις. Η ίδια κατεύθυνση εμφανίστηκε στο Google Mobile. Εφόσον η ομάδα με schema δεν ξεπέρασε την ομάδα ελέγχου, δεν υπήρχε λογική βάση για μονόπλευρο τεστ θετικής επίδρασης.
Στο Bing και στο Yahoo η test group είχε καλύτερη σχετική μεταβολή και εκτελέστηκε ο έλεγχος εμπιστοσύνης, αλλά η πρωτογενής μελέτη αναφέρει ότι το αποτέλεσμα παρέμεινε κάτω από το επίπεδο που θα δικαιολογούσε ισχυρό συμπέρασμα. Το ασφαλές εύρημα δεν είναι «το schema δεν έχει ποτέ αξία», αλλά ότι η απλή προσθήκη LocalBusiness markup δεν έδωσε πειστική άμεση βελτίωση rank στο συγκεκριμένο δείγμα.
Για μια επιχείρηση, αυτό σημαίνει ότι το τεχνικό backlog δεν πρέπει να ξεκινά με περίπλοκο schema όταν υπάρχουν βασικότερα προβλήματα indexability, αδύναμο περιεχόμενο, λάθος search intent ή conversion friction. Ένας πρακτικός έλεγχος με δωρεάν SEO εργαλεία μπορεί πρώτα να αποκαλύψει crawl, indexing και on-page προβλήματα που έχουν πιο άμεση προτεραιότητα.
Στη δεύτερη, πολύ ειδική αναζήτηση, το Google Mobile και το Bing έδωσαν υψηλότερες ενδείξεις από το γενικό query, αλλά και πάλι κάτω από το όριο ισχυρής εμπιστοσύνης που χρησιμοποίησε ο συντάκτης. Η Google desktop και το Yahoo δεν έδωσαν θετική σχετική κατεύθυνση για την test group.
Η τεχνική υπόθεση είναι εύλογη: ένα query που ζητά περιοχή εξυπηρέτησης και ωράριο μπορεί να ωφελείται από ένα καθαρό, machine-readable dataset. Όμως η ίδια η μελέτη δεν επιτρέπει να μετατρέψουμε αυτή την υπόθεση σε υπόσχεση traffic. Τέτοιες φράσεις ενδέχεται να έχουν χαμηλό παραδοσιακό search volume και να μοιάζουν περισσότερο με ερώτηση προς σύστημα AI.
Αυτό το σημείο είναι χρήσιμο για AEO, επειδή δείχνει τι πρέπει να μετρηθεί ξεχωριστά: ακρίβεια των ορατών πληροφοριών, κάλυψη των ερωτήσεων χρήστη, valid markup, SERP appearance και παρουσία σε AI surfaces. Η βελτιστοποίηση περιεχομένου για κλασική και AI αναζήτηση δεν μπορεί να βασίζεται σε ένα μόνο τεχνικό σήμα.
Στη μέτρηση Search Visibility, η control group ξεπέρασε κατά μέσο όρο την test group και στις τέσσερις μηχανές. Επομένως δεν εφαρμόστηκε μονόπλευρο τεστ θετικής βελτίωσης για το visibility. Η λεπτομέρεια έχει επιχειρηματική σημασία, επειδή μια μικρή αλλαγή θέσης δεν ισοδυναμεί πάντα με περισσότερα clicks.
Αν ένα keyword παραμένει μακριά από την πρώτη σελίδα, η θεωρητική άνοδος μπορεί να μη δημιουργεί ορατότητα ή επισκέψεις. Η μελέτη, λοιπόν, δεν βρήκε μόνο έλλειψη πειστικής ένδειξης για άμεσο ranking boost· δεν βρήκε και συνολικό πλεονέκτημα Search Visibility για την ομάδα schema στο συγκεκριμένο πείραμα.
Τα structured data μπορούν να κάνουν μια σελίδα επιλέξιμη για υποστηριζόμενες ειδικές εμφανίσεις. Το JobPosting schema είναι χαρακτηριστικό παράδειγμα: μια σωστά σημασμένη αγγελία μπορεί να γίνει επιλέξιμη για την ειδική εμπειρία θέσεων εργασίας της Google. Αντίστοιχα, το Product schema μπορεί να τροφοδοτήσει εμπλουτισμένες εμφανίσεις με τιμή, διαθεσιμότητα, αξιολόγηση ή άλλες κατάλληλες πληροφορίες.
Για LocalBusiness markup, η αξία μπορεί να βρίσκεται στη συνεπή περιγραφή της επιχείρησης, των τοποθεσιών, του ωραρίου και των πραγματικών σχέσεων με άλλες οντότητες. Η Google αναφέρει ότι τα structured data παρέχουν ρητές ενδείξεις για το νόημα μιας σελίδας, αλλά επίσης ότι η έγκυρη υλοποίηση δεν εγγυάται εμφάνιση rich result.
Τι δεν αγοράζει και τι μπορεί να προσφέρει το schema
Το LocalBusiness markup δεν ξεπέρασε την control group στη Google στο ελεγχόμενο SERP test. Δεν διορθώνει αδύναμο περιεχόμενο, προβλήματα indexing, κακή αρχιτεκτονική ή χαμηλή χρησιμότητα της σελίδας.
Όταν είναι πλήρες, ακριβές και ορατό στη σελίδα, μπορεί να υποστηρίξει rich-result eligibility, σαφέστερα entity data και πιο αξιόπιστη τεχνική συντήρηση.
Οι πολιτικές της Google για review snippets βάζουν σαφή όρια. Ένα LocalBusiness ή Organization που ελέγχει τις κριτικές για τον εαυτό του δεν είναι επιλέξιμο για self-serving star review feature, ακόμη κι αν οι κριτικές εμφανίζονται μέσω ενσωματωμένου τρίτου widget. Επίσης, δεν πρέπει να συγκεντρώνονται ratings από άλλα websites ως δικό του aggregateRating.
Για συγκεκριμένο προϊόν ή υπηρεσία, οι κριτικές πρέπει να αφορούν το σωστό αντικείμενο, να προέρχονται από πραγματικούς χρήστες και να είναι άμεσα ορατές στη σημασμένη σελίδα. Το JSON-LD που υπόσχεται περισσότερα από όσα παρουσιάζει το περιεχόμενο δεν είναι βελτιστοποίηση· μπορεί να οδηγήσει σε απώλεια επιλεξιμότητας για rich result ή σε structured-data manual action.
Πριν από κάθε deployment χρειάζεται αντιστοίχιση του markup με το ορατό περιεχόμενο, Rich Results Test ή άλλο κατάλληλο validator, και έλεγχος των ειδικών οδηγιών για τον συγκεκριμένο τύπο. Η πληρότητα δεν σημαίνει προσθήκη όλων των πιθανών properties, αλλά επιλογή λιγότερων, ακριβών και συντηρήσιμων δεδομένων.
Η ίδια έρευνα περιέλαβε ξεχωριστές δοκιμές Google Maps και AI/LLM recommendations με LocalFalcon. Δεν βρήκε θετική επίδραση στο Google Maps ranking ή στο Share of Local Voice. Στα Google AI Mode, AI Overviews, Gemini και Grok τα αποτελέσματα δεν έδωσαν σταθερή ισχυρή ένδειξη και για τα δύο queries.
Για το γενικό query, ο συντάκτης αναφέρει 92,91% confidence ότι το LocalBusiness schema επηρέασε θετικά τη θέση πρότασης στο ChatGPT, με εκτιμώμενη διαφορά 3,33 θέσεων, και 91,51% confidence για βελτίωση περίπου 10 ποσοστιαίων μονάδων στο Share of AI Voice. Για το δεύτερο, ειδικό query, το ίδιο μοτίβο δεν επαναλήφθηκε. Οι τιμές είναι ενδιαφέρον ερευνητικό σήμα μέσα στο συγκεκριμένο δείγμα και στη μέτρηση LocalFalcon, όχι καθολική απόδειξη ότι το schema εξασφαλίζει αναφορά, υψηλότερη θέση ή ακρίβεια σε κάθε LLM.
Για τις AI λειτουργίες της ίδιας της Google, η επίσημη τεκμηρίωση είναι πιο σαφής: δεν απαιτείται ειδικό schema.org markup για εμφάνιση σε AI Overviews ή AI Mode. Ισχύουν τα βασικά SEO προαπαιτούμενα, ενώ τα structured data πρέπει να παραμένουν συνεπή με το ορατό κείμενο της σελίδας.
Για ένα e-commerce ή brand, η υπεύθυνη πρακτική είναι να κρατά συνεπή τα δημόσια δεδομένα: όνομα, canonical URLs, προϊόντα, τιμές και διαθεσιμότητα όπου υποστηρίζονται, καθώς και αληθινές σχέσεις μεταξύ οντοτήτων. Στη συνέχεια χρειάζεται χωριστή μέτρηση για organic rich results και χωριστή παρακολούθηση παρουσίας σε AI surfaces. Δεν πρέπει να βαφτίζουμε τη δεύτερη επιτυχία με βάση την πρώτη.
Ξεκινήστε από τις σελίδες όπου υπάρχει υποστηριζόμενο αποτέλεσμα και σαφές επιχειρηματικό όφελος: προϊόντα, αγγελίες εργασίας, άρθρα, τοπικές επιχειρήσεις ή άλλοι τύποι που ταιριάζουν πραγματικά στο κύριο περιεχόμενο. Καταγράψτε πριν την αλλαγή impressions, clicks, CTR, conversions, rich-result eligibility και errors.
Έξι βήματα για schema implementation που μετριέται
Διευκρινίστε αν θέλετε product snippet, job experience, σαφή LocalBusiness data ή απλώς καθαρό Article markup, και ποιο metric θα δείξει αξία.
Επιλέξτε τον πιο συγκεκριμένο υποστηριζόμενο τύπο και προσθέστε μόνο ιδιότητες που είναι αληθινές, ενημερωμένες και ορατές στον χρήστη.
Αποθηκεύστε Search Console impressions, clicks, CTR, rich-result reports και conversions πριν από την υλοποίηση, σε σελίδες με αρκετά σταθερή ζήτηση.
Χρησιμοποιήστε το κατάλληλο validator, επιβεβαιώστε ότι η σελίδα είναι indexable και διαβάστε τις ειδικές οδηγίες του τύπου πριν από το deployment.
Χρησιμοποιήστε URL Inspection και τα rich-result reports όπου υπάρχουν, ώστε η μέτρηση να μην ξεκινήσει πριν ανιχνευθεί το νέο markup.
Συγκρίνετε το συμφωνημένο metric, κρατήστε ξεχωριστά rankings και rich results, και ενημερώστε άμεσα τιμή, διαθεσιμότητα, ωράριο ή άλλες μεταβαλλόμενες ιδιότητες.
Για LocalBusiness, διατηρήστε ένα ακριβές βασικό graph και συνδέστε το με τις αντίστοιχες σελίδες και επίσημα προφίλ μόνο όπου οι σχέσεις είναι αληθινές. Μην επαναλαμβάνετε markup χωρίς λόγο και μην προσθέτετε ιδιότητες που δεν εμφανίζονται στη σελίδα. Αν η ομάδα ανάπτυξης έχει περιορισμένο χρόνο, δώστε προτεραιότητα σε indexing, περιεχόμενο, ταχύτητα και conversion friction πριν από πειράματα χωρίς συγκεκριμένη υπόθεση.
Σε website ή e-shop με πολλές templates, το schema χρειάζεται ownership και κανόνες συντήρησης. Η ομάδα πρέπει να γνωρίζει ποιο σύστημα παράγει κάθε graph, πώς αποφεύγονται διπλότυπα entities, ποια δεδομένα έρχονται από το CMS ή το ERP και ποιος ελέγχει τις αλλαγές πριν περάσουν στην παραγωγή.
Η συγκεκριμένη δοκιμή δεν βρήκε πειστική απόδειξη ότι το LocalBusiness schema λειτουργεί ως άμεσος μοχλός κατάταξης στη Google. Η control group είχε καλύτερη κατεύθυνση στο βασικό Google query και το συνολικό Search Visibility δεν έδωσε πλεονέκτημα στην ομάδα schema. Τα ευρήματα δεν δικαιολογούν υπόσχεση «βάζουμε schema και ανεβαίνετε».
Η σωστή επένδυση είναι στοχευμένη: χρησιμοποιήστε structured data όταν ενεργοποιεί χρήσιμη επιλεξιμότητα, κάνει τα δεδομένα σαφέστερα ή καλύπτει απαίτηση ενός search feature. Μετρήστε το αποτέλεσμα που αντιστοιχεί στον στόχο και κρατήστε τις υποθέσεις για AI search διακριτές από τα αποδεδειγμένα SERP δεδομένα.
Η απόφαση προτεραιότητας
Υλοποιήστε schema όταν μπορείτε να ονομάσετε τη σελίδα, το υποστηριζόμενο feature, το ακριβές dataset και το metric επιτυχίας.
Αν δεν μπορείτε, διορθώστε πρώτα indexability, search intent, περιεχόμενο, internal linking και conversion friction. Το structured data αποδίδει ως ακριβής τεχνική υποδομή, όχι ως υποκατάστατο μιας ολοκληρωμένης SEO στρατηγικής.
Digital Marketing & SEO από την TWO DOTS
Συνδέστε το schema markup με πραγματικό search feature, καθαρά δεδομένα και μετρήσιμη απόδοση.
Η TWO DOTS ελέγχει indexability, templates, structured data, περιεχόμενο, internal links και Search Console δεδομένα, ώστε κάθε τεχνική αλλαγή να έχει σαφή προτεραιότητα και να αξιολογείται με impressions, clicks, leads ή πωλήσεις.
Συχνές ερωτήσεις
Η μελέτη δεν βρήκε άμεση βελτίωση κατάταξης από LocalBusiness schema στο συγκεκριμένο δείγμα. Αυτό δεν αποτελεί καθολική απόδειξη για κάθε τύπο markup, κλάδο ή search feature.
Για επιλεξιμότητα σε υποστηριζόμενα rich results, σαφέστερη περιγραφή οντοτήτων και συνεπή machine-readable δεδομένα, όταν ο τύπος markup ταιριάζει στο κύριο ορατό περιεχόμενο.
Δοκίμασε LocalBusiness schema σε 29 domains με 36 Google Business Profile locations, πέντε εβδομάδες control και πέντε εβδομάδες test, παύση άλλων SEO αλλαγών και παρακολούθηση πολλών search surfaces.
Υπήρξαν καλύτερες σχετικές μεταβολές σε ορισμένα queries, αλλά όχι σε επίπεδο που η πρωτογενής μελέτη θεώρησε αρκετά ισχυρό, ενώ το Search Visibility δεν επιβεβαίωσε συνολικό πλεονέκτημα.
Τα Product και JobPosting είναι χαρακτηριστικά παραδείγματα όπου το σωστό markup μπορεί να κάνει μια σελίδα επιλέξιμη για εμπλουτισμένη ή ειδική εμπειρία της Google, εφόσον πληρούνται οι οδηγίες.
Δεν πρέπει να συγκεντρώνετε ratings από άλλα sites ως δικό σας aggregateRating. Για LocalBusiness και Organization, οι self-serving κριτικές που ελέγχει η ίδια η οντότητα δεν είναι επιλέξιμες για star review feature.
Όχι με βεβαιότητα. Η μελέτη βρήκε ενδιαφέρουσα θετική ένδειξη για ένα γενικό query στο ChatGPT, αλλά το αποτέλεσμα δεν επαναλήφθηκε σε όλα τα queries ή σε όλες τις AI πλατφόρμες.
Ορίστε πρώτα το feature και το metric, κρατήστε baseline από Search Console και conversions, επιβεβαιώστε ότι η μηχανή αναζήτησης ανίχνευσε το markup και συγκρίνετε rich-result eligibility, impressions, clicks, CTR και επιχειρηματικές ενέργειες.
Πηγές
