With over 20 years of experience, we transform your digital presence. We specialize in website and E-Shop development, SEO and Digital Marketing, ERP software and smart automation that take your business to the next level.
Address:
154 Egnatia Street, Thessaloniki 546 36
Phone:
+30 231 231 4095
E-mail:
hello@twodots.gr
Ready for the next step?;
Το Open Knowledge Format της Google δείχνει γιατί τα e-commerce brands χρειάζονται καθαρά product data, structured data και περιεχόμενο που μπορούν να κατανοήσουν AI agents.
Το Open Knowledge Format της Google, όπως παρουσιάστηκε από το Semrush, δείχνει μια αλλαγή που αφορά άμεσα το e-commerce: το περιεχόμενο δεν αρκεί να είναι ευανάγνωστο για ανθρώπους και crawlers. Πρέπει να μπορεί να μετατραπεί σε καθαρή, αξιόπιστη και επαναχρησιμοποιήσιμη γνώση για AI agents που συγκρίνουν επιλογές, απαντούν σε ερωτήσεις και βοηθούν τον χρήστη να πάρει απόφαση αγοράς.
Για ένα ηλεκτρονικό κατάστημα, το νέο πεδίο ανταγωνισμού δεν είναι μόνο το ranking. Είναι αν τα προϊόντα, οι πολιτικές, τα reviews, τα feeds και το brand knowledge είναι αρκετά καθαρά ώστε ένας AI agent να τα καταλάβει και να τα εμπιστευθεί.
Η συζήτηση γύρω από το Open Knowledge Format συνδέεται με μια ευρύτερη μετατόπιση στο web. Οι μηχανές αναζήτησης, τα συστήματα τεχνητής νοημοσύνης και οι βοηθοί αγοράς προσπαθούν να κατανοήσουν οντότητες, σχέσεις, αξιοπιστία και εμπορικό context. Μέχρι σήμερα, πολλές επιχειρήσεις αντιμετώπιζαν το SEO ως συνδυασμό keywords, άρθρων, backlinks, ταχύτητας και βασικού schema markup. Αυτά παραμένουν σημαντικά, αλλά δεν αρκούν όταν το ενδιάμεσο επίπεδο ανάμεσα στον χρήστη και το site γίνεται ένας AI agent.
Σε ένα e-commerce σενάριο, ο χρήστης μπορεί να ζητήσει από έναν agent να βρει ένα προϊόν με συγκεκριμένα χαρακτηριστικά, τιμή, διαθεσιμότητα, αποστολή, εγγύηση και πολιτική επιστροφής. Αν το κατάστημα διαθέτει πλήρες product data, συνεπές feed, σωστό schema, καθαρές πολιτικές και πραγματικές αξιολογήσεις, ο agent έχει περισσότερα σήματα για να το συμπεριλάβει στη σύγκριση. Αν η ίδια πληροφορία εμφανίζεται διαφορετικά στη σελίδα προϊόντος, στο Merchant Center, στο feed και στο checkout, τότε η εμπιστοσύνη μειώνεται.
Το ζητούμενο δεν είναι να κυνηγήσει μια επιχείρηση κάθε νέα τεχνική ανακοίνωση της Google. Είναι να οργανώσει τη γνώση της με τρόπο που αντέχει σε διαφορετικά περιβάλλοντα: οργανική αναζήτηση, AI Overviews, marketplaces, social commerce, comparison engines και conversational commerce. Ένα καθαρό e-shop δεν βοηθά μόνο την Google. Βοηθά την ομάδα πωλήσεων, την εξυπηρέτηση, το performance marketing, την ανάλυση δεδομένων και τελικά τον πελάτη.
Το Open Knowledge Format αξίζει να διαβαστεί ως σήμα ωρίμανσης. Η πληροφορία γίνεται υποδομή. Οι τίτλοι προϊόντων, τα attributes, οι κατηγορίες, οι οδηγοί αγοράς, οι πολιτικές και τα FAQ δεν είναι απλώς περιεχόμενο για να γεμίσει μια σελίδα. Είναι δομικά στοιχεία που επιτρέπουν σε συστήματα να καταλάβουν τι πουλάτε, σε ποιον ταιριάζει, με ποιους όρους παραδίδεται και γιατί το brand σας είναι αξιόπιστο.
Από απλή σελίδα προϊόντος σε γνώση που αξιοποιείται από AI agents
Η τιμή, το stock, τα χαρακτηριστικά και οι πολιτικές υπάρχουν σε διαφορετικά σημεία, αλλά δεν συμφωνούν πάντα μεταξύ τους. Ο χρήστης ίσως τα βρει, όμως ένας agent δυσκολεύεται να τα επαληθεύσει.
Το CMS, το product feed, το schema markup, οι πολιτικές και το περιεχόμενο κατηγορίας δίνουν την ίδια εικόνα. Έτσι ο agent έχει καθαρό context για σύγκριση και πρόταση.
Το παραδοσιακό SEO είχε ως βασικό στόχο την εμφάνιση σε σελίδα αποτελεσμάτων και την απόκτηση click. Με την άνοδο των AI Overviews, των conversational interfaces και των AI agents, το ταξίδι γίνεται λιγότερο γραμμικό. Ο χρήστης μπορεί να μη δει δέκα αποτελέσματα. Μπορεί να λάβει σύνοψη, προτεινόμενη λίστα, απάντηση με κριτήρια ή ένα επόμενο βήμα που δημιουργήθηκε από σύστημα AI. Αυτό δεν σημαίνει ότι το SEO τελειώνει. Σημαίνει ότι μετακινείται από τη βελτιστοποίηση σελίδων στη βελτιστοποίηση γνώσης.
Η αλλαγή είναι πρακτική. Οι AI agents δεν αξιολογούν μόνο αν μια σελίδα περιέχει τη σωστή λέξη-κλειδί. Χρειάζονται σήματα ακρίβειας, συνέπειας, ενημέρωσης και αξιοπιστίας. Θέλουν να ξέρουν αν το προϊόν είναι διαθέσιμο, αν η τιμή ισχύει, αν οι αξιολογήσεις είναι πραγματικές, αν το brand έχει σαφείς όρους, αν το περιεχόμενο εξηγεί τις επιλογές και αν το structured data συμφωνεί με όσα βλέπει ο χρήστης.
Τα δεδομένα της McKinsey δείχνουν γιατί αυτή η αλλαγή δεν είναι θεωρητική. Η χρήση AI από οργανισμούς ανέβηκε από 55% το 2023 σε 72% το 2024 και 78% το 2025. Όσο περισσότερες επιχειρησιακές λειτουργίες χρησιμοποιούν AI, τόσο πιο συχνά η αναζήτηση, η εξυπηρέτηση, το marketing και οι πωλήσεις θα περνούν μέσα από αυτοματοποιημένα συστήματα. Για e-commerce brands, αυτό σημαίνει ότι η ποιότητα των δεδομένων γίνεται παράγοντας ορατότητας.
Adoption of AI by organisations
Πηγή: McKinsey, The State of AI 2023-2025
Η αύξηση της AI υιοθέτησης επηρεάζει και την πλευρά του ανταγωνισμού. Αν δύο e-shops πουλούν παρόμοιο προϊόν, ο agent θα αναζητήσει σαφή τεκμήρια για το ποιο είναι ασφαλέστερη επιλογή. Η καλύτερη τιμή δεν αρκεί όταν η διαθεσιμότητα είναι ασαφής, η επιστροφή προϊόντος δεν εξηγείται, οι προδιαγραφές είναι ελλιπείς ή οι αξιολογήσεις δεν συνδέονται με συγκεκριμένα προϊόντα.
Για αυτό το technical SEO δεν πρέπει να περιορίζεται σε crawl errors και ταχύτητα. Πρέπει να περιλαμβάνει data architecture, schema coverage, feed quality, entity consistency, internal linking και περιεχόμενο που απαντά σε πραγματικά αγοραστικά ερωτήματα. Η δουλειά γίνεται πιο διεπιστημονική: SEO, development, ERP, περιεχόμενο, εξυπηρέτηση πελατών και performance marketing πρέπει να μοιράζονται την ίδια βάση δεδομένων και την ίδια γλώσσα.
Οι περισσότερες ώριμες e-commerce ομάδες γνωρίζουν ήδη τη σημασία του structured data. Product, Offer, AggregateRating, Review, BreadcrumbList, Organization και FAQPage μπορούν να βοηθήσουν τη Google να κατανοήσει καλύτερα τις σελίδες. Το Open Knowledge Format δεν ακυρώνει αυτή την πρακτική. Την κάνει πιο σημαντική, επειδή το ζητούμενο δεν είναι μόνο ένα rich result, αλλά μια πληροφορία που μπορεί να χρησιμοποιηθεί μέσα σε σύγκριση, συνομιλία ή αυτοματοποιημένη αγοραστική διαδρομή.
Το machine-readable commerce ξεκινά από απλά σημεία. Η σελίδα προϊόντος πρέπει να συμφωνεί με το feed. Η διαθεσιμότητα πρέπει να είναι ίδια στο structured data και στο checkout. Οι παραλλαγές προϊόντων πρέπει να έχουν σωστά attributes και όχι ελεύθερο κείμενο που αλλάζει από προϊόν σε προϊόν. Οι κατηγορίες πρέπει να έχουν λογική ιεραρχία. Τα φίλτρα πρέπει να αντιστοιχούν σε πραγματικά χαρακτηριστικά και όχι σε ασύνδετες ετικέτες που δημιουργήθηκαν πρόχειρα.
Εξίσου σημαντικές είναι οι πολιτικές. Αποστολές, χρόνοι παράδοσης, επιστροφές, εγγυήσεις, τρόποι πληρωμής, after-sales υποστήριξη και στοιχεία επικοινωνίας πρέπει να είναι καθαρά και ενημερωμένα. Στο conversational commerce, ο χρήστης δεν ρωτά μόνο «ποιο προϊόν είναι καλύτερο;». Ρωτά «έρχεται μέχρι Παρασκευή;», «μπορώ να το επιστρέψω;», «έχει εγγύηση;», «ταιριάζει στη χρήση μου;». Αν ο agent δεν μπορεί να βρει αξιόπιστη απάντηση, είναι πιθανό να προτείνει άλλο brand.
Η κλίμακα του online κοινού κάνει αυτή την υποδομή ακόμη πιο κρίσιμη. Τα ετήσια reports της DataReportal δείχνουν αύξηση των παγκόσμιων χρηστών internet από 4,66 δισ. το 2021 σε 5,56 δισ. το 2025. Όσο μεγαλώνει το ψηφιακό κοινό, τόσο περισσότερα συστήματα παρεμβάλλονται ανάμεσα στον χρήστη και την πληροφορία: search, social platforms, marketplaces, recommendation engines και πλέον AI agents.
Παγκόσμιοι χρήστες internet
Πηγή: DataReportal, Digital Reports 2021-2025
Το συμπέρασμα είναι ότι η πληροφορία του e-shop πρέπει να είναι έτοιμη να ταξιδέψει. Όχι μόνο σε HTML σελίδες, αλλά σε feeds, schema, snippets, απαντήσεις, συγκρίσεις και APIs. Όταν η ίδια γνώση παραμένει καθαρή σε όλα τα επίπεδα, το brand έχει καλύτερη πιθανότητα να εμφανιστεί σωστά όπου κι αν γίνει η αναζήτηση.
Η προετοιμασία δεν ξεκινά από κάποιο εντυπωσιακό AI εργαλείο. Ξεκινά από audit. Πριν μια επιχείρηση αναρωτηθεί πώς θα εμφανιστεί σε AI-driven περιβάλλοντα, πρέπει να ξέρει αν τα βασικά της δεδομένα είναι σωστά. Πόσα προϊόντα έχουν πλήρη attributes; Πόσα έχουν μοναδικό SKU; Πόσα έχουν GTIN όπου υπάρχει; Πόσα έχουν ελλιπείς περιγραφές; Υπάρχουν διπλότυπες κατηγορίες; Συμφωνούν οι τιμές σε site, ERP, feed και checkout;
Πλάνο προετοιμασίας για AI-readable e-commerce
Ελέγξτε SKU, τίτλους, περιγραφές, brands, GTIN, τιμές, διαθεσιμότητα, εικόνες, παραλλαγές και attributes. Προτεραιότητα έχουν τα προϊόντα και οι κατηγορίες με τη μεγαλύτερη εμπορική αξία.
Το Product schema, το Merchant Center feed και η ορατή σελίδα πρέπει να λένε το ίδιο πράγμα. Ασυνέπειες σε τιμή, stock ή πολιτικές μειώνουν την εμπιστοσύνη.
Δημιουργήστε οδηγούς αγοράς, συγκρίσεις, FAQ και περιεχόμενο κατηγορίας που εξηγεί ποια επιλογή ταιριάζει σε ποια ανάγκη, όχι μόνο κείμενα γύρω από keywords.
Αποστολές, επιστροφές, εγγυήσεις, τρόποι πληρωμής και after-sales πρέπει να είναι εύκολα προσβάσιμα, πρόσφατα και ξεκάθαρα για άνθρωπο και μηχανή.
Παρακολουθήστε structured data errors, ποσοστό προϊόντων με πλήρη attributes, feed disapprovals, indexability, rich result coverage και οργανική απόδοση ανά κατηγορία.
Αν το e-shop έχει χιλιάδες προϊόντα, η λύση δεν είναι να προσπαθήσει να διορθώσει τα πάντα ταυτόχρονα. Ξεκινήστε από το 20% των προϊόντων που φέρνει το μεγαλύτερο revenue ή από τις κατηγορίες όπου ο ανταγωνισμός είναι πιο έντονος. Εκεί η διαφορά σε data quality, schema και περιεχόμενο μπορεί να φανεί πιο γρήγορα.
Στη συνέχεια, χρειάζεται πειθαρχία στη δημιουργία νέων προϊόντων. Κάθε νέο προϊόν πρέπει να εισάγεται με πλήρες set πεδίων, όχι να διορθώνεται εκ των υστέρων. Αυτό απαιτεί template για τίτλους, κανόνες για attributes, συμφωνημένη δομή κατηγοριών και σαφή ευθύνη ανάμεσα σε εμπορική ομάδα, αποθήκη, marketing και development.
Αν το e-shop σας έχει περιορισμένο budget, δώστε πρώτα προτεραιότητα σε clean product data, schema consistency και περιεχόμενο που απαντά σε ερωτήσεις αγοράς. Αυτά είναι η βάση πάνω στην οποία μπορούν αργότερα να δουλέψουν AI tools, automations και πιο σύνθετα analytics.
Η προετοιμασία για AI agents δεν πρέπει να μείνει σε γενικές διακηρύξεις. Χρειάζεται μετρήσιμη εικόνα. Ένα e-commerce brand μπορεί να ξεκινήσει με απλούς δείκτες: ποσοστό προϊόντων με πλήρη attributes, αριθμός structured data errors, ποσοστό προϊόντων με σωστό GTIN όπου απαιτείται, feed disapproval rate, indexed category pages, impressions σε οργανική αναζήτηση και performance ανά landing page.
Σε δεύτερο επίπεδο, αξίζει να συνδεθούν SEO και εμπορικά KPIs. Για παράδειγμα, μια κατηγορία με πλήρες περιεχόμενο, καθαρά φίλτρα και σωστό schema πρέπει να παρακολουθείται ως προς organic clicks, conversion rate, μέση αξία παραγγελίας, assisted revenue και επιστροφές. Αν οι χρήστες βρίσκουν καλύτερες απαντήσεις πριν αγοράσουν, μπορεί να βελτιωθεί όχι μόνο η ορατότητα αλλά και η ποιότητα της αγοράς.
Ποιοι δείκτες δείχνουν data readiness
Ενδεικτικό πλαίσιο ελέγχου για e-commerce ομάδες
| Πεδίο | Τι ελέγχετε | Γιατί αφορά AI agents |
|---|---|---|
| Product data | Πλήρη attributes, SKU, GTIN, brand, παραλλαγές | Ο agent χρειάζεται συγκρίσιμα χαρακτηριστικά για να ταιριάξει προϊόν με ανάγκη. |
| Schema markup | Product, Offer, AggregateRating, BreadcrumbList, Organization | Η δομημένη σήμανση δίνει machine-readable context για προϊόν, τιμή και αξιοπιστία. |
| Πολιτικές | Αποστολές, επιστροφές, εγγύηση, πληρωμές, υποστήριξη | Οι αποφάσεις αγοράς επηρεάζονται από όρους που πρέπει να είναι εύκολα επαληθεύσιμοι. |
| Content | Οδηγοί αγοράς, συγκρίσεις, FAQ, σελίδες κατηγορίας | Το χρήσιμο context βοηθά τον agent να καταλάβει πότε μια επιλογή είναι κατάλληλη. |
Η μέτρηση πρέπει να οδηγεί σε backlog. Αν τα περισσότερα errors αφορούν ελλιπή availability, φτιάξτε πρώτα τη ροή ενημέρωσης stock. Αν τα product attributes είναι χαοτικά, ορίστε taxonomies και mapping. Αν οι σελίδες κατηγορίας δεν απαντούν σε ερωτήσεις αγοράς, επενδύστε σε περιεχόμενο που βοηθά σύγκριση και επιλογή. Αν το feed έχει απορρίψεις, λύστε τη σύνδεση με ERP ή WooCommerce πριν προσθέσετε νέα campaigns.
Εδώ φαίνεται και η σύνδεση με automation. Όταν τα δεδομένα είναι καθαρά, μπορείτε να αυτοματοποιήσετε ειδοποιήσεις για αλλαγές stock, enrichment ελλιπών attributes, alerts για schema errors, αναφορές feed quality και προτάσεις internal linking. Αν τα δεδομένα είναι ακατάστατα, η αυτοματοποίηση απλώς πολλαπλασιάζει το πρόβλημα.
TWO DOTS για e-commerce SEO
Η TWO DOTS μπορεί να ελέγξει product data, structured data, τεχνικό SEO, WooCommerce δομή και περιεχόμενο κατηγοριών, ώστε το site να γίνει πιο καθαρό για χρήστες, μηχανές αναζήτησης και AI-driven περιβάλλοντα.
Το Open Knowledge Format δεν πρέπει να αντιμετωπιστεί ως μεμονωμένη ανακοίνωση. Είναι μέρος μιας μεγαλύτερης κατεύθυνσης: το web γίνεται πιο δομημένο, πιο συνομιλιακό και πιο εξαρτημένο από συστήματα που κατανοούν γνώση. Για ένα e-commerce brand, αυτό σημαίνει ότι το περιεχόμενο, τα δεδομένα και η τεχνική υποδομή πρέπει να δουλεύουν μαζί.
Η ευκαιρία για μικρομεσαίες επιχειρήσεις είναι σημαντική. Δεν χρειάζεται απαραίτητα το μεγαλύτερο budget για να χτιστεί πλεονέκτημα. Χρειάζεται καλύτερη πειθαρχία. Πολλά μεγάλα καταστήματα έχουν legacy συστήματα, ασυνέπειες σε feeds, διπλότυπα descriptions και αργές διαδικασίες ενημέρωσης. Ένα πιο ευέλικτο e-shop μπορεί να κινηθεί γρηγορότερα, να καθαρίσει τα δεδομένα του και να δημιουργήσει περιεχόμενο που βοηθά πραγματικές αποφάσεις αγοράς.
Η σωστή προσέγγιση δεν είναι πανικός, ούτε άκριτη υιοθέτηση κάθε AI trend. Είναι μεθοδική προετοιμασία: καθαρά product data, ισχυρό structured data, τεκμηριωμένες πολιτικές, περιεχόμενο με χρησιμότητα, συνεπές brand knowledge και συνεχής μέτρηση. Με αυτή τη βάση, οι AI agents δεν είναι απειλή. Είναι νέο κανάλι όπου τα πιο οργανωμένα e-commerce brands μπορούν να γίνουν πιο κατανοητά και πιο επιλέξιμα.
Αυτό είναι και το σημείο όπου το SEO γίνεται πιο στρατηγικό. Δεν αφορά μόνο τι γράφεται σε μια σελίδα, αλλά πώς οργανώνεται η πληροφορία πίσω από τη σελίδα. Το e-shop που μπορεί να απαντήσει καθαρά σε ερωτήσεις προϊόντος, εμπιστοσύνης, διαθεσιμότητας και εξυπηρέτησης έχει καλύτερη βάση για το μέλλον της αναζήτησης.
Sources
Είναι μια κατεύθυνση προς πιο ανοιχτή, δομημένη και επαναχρησιμοποιήσιμη γνώση. Για e-commerce σημαίνει ότι προϊόντα, πολιτικές, feeds, schema και περιεχόμενο πρέπει να δίνουν καθαρή εικόνα σε μηχανές αναζήτησης και AI agents.
Μετακινούν το SEO από την απλή κατάταξη σελίδων προς την αξιοπιστία της γνώσης. Οι agents χρειάζονται συνεπή δεδομένα, structured data, σαφείς πολιτικές και περιεχόμενο που απαντά σε πραγματικές ερωτήσεις αγοράς.
Προτεραιότητα έχουν SKU, τίτλοι, brands, GTIN όπου υπάρχει, τιμές, stock, παραλλαγές, βασικά attributes, εικόνες και κατηγοριοποίηση. Αυτά είναι τα δεδομένα που χρησιμοποιούνται πιο συχνά σε σύγκριση και επιλογή προϊόντος.
Όχι. Το schema είναι σημαντικό, αλλά πρέπει να συμφωνεί με την ορατή σελίδα, το feed, το checkout και τις πραγματικές πολιτικές της επιχείρησης. Αν τα δεδομένα διαφέρουν μεταξύ τους, το structured data χάνει αξία.
Μπορεί να ξεκινήσει από τις εμπορικά σημαντικότερες κατηγορίες και προϊόντα. Ένα στοχευμένο audit σε product data, schema, feed και περιεχόμενο αγοράς συνήθως δίνει πιο γρήγορη αξία από μια μαζική, ασαφή αναδιοργάνωση.
Χρήσιμα KPIs είναι structured data errors, feed disapprovals, ποσοστό προϊόντων με πλήρη attributes, organic impressions ανά κατηγορία, rich result coverage, conversion rate ανά landing page και ποιότητα internal linking.
