Bạn có bao giờ thắc mắc có bao nhiêu trang web đang sử dụng một loại dữ liệu cấu trúc cụ thể? Giờ đây, câu trả lời đã được làm rõ.
Đội ngũ phát triển Schema.org vừa chính thức cung cấp số liệu thống kê tổng hợp về mức độ sử dụng các thuật ngữ trên toàn bộ mạng lưới website công khai. Cập nhật mới này sẽ hiển thị chính xác số lượng tên miền đang áp dụng một schema hoặc một thành phần dữ liệu cấu trúc cụ thể.
Đại diện Schema.org tuyên bố, tổ chức này rất vui mừng được chia sẻ một tập dữ liệu mới, cung cấp số liệu thống kê tổng hợp về mức độ sử dụng các thuật ngữ Schema.org trên các trang web công khai. Tập dữ liệu này được cập nhật hàng tháng, thống kê theo cấp độ tên miền và được phân loại theo các nhóm mức độ phổ biến. Phương pháp tiếp cận này giúp loại bỏ các biến động nhiễu hàng ngày, đồng thời làm nổi bật các xu hướng áp dụng thực tế có giá trị dành cho các nhà nghiên cứu và đơn vị phát triển công cụ.
Hình ảnh trực quan về tính năng mới:
Ảnh chụp màn hình của hai trang thuộc Schema.org, bao gồm author schema và event schema, hiển thị số liệu thống kê sử dụng ngay phía trên:
Cơ chế vận hành và cấu trúc tập dữ liệu thống kê từ Schema.org
Mức độ phổ biến của các thuật ngữ Schema.org được đo lường dựa trên cơ sở hạ tầng quét dữ liệu web công khai của Google. Quy trình này hoạt động dựa trên một số nguyên tắc cốt lõi về thu thập và xử lý dữ liệu.
Trước hết, dữ liệu được tổng hợp ở cấp độ tên miền, ví dụ như tên miền gốc dạng tổng thể, chứ không tính theo từng trang riêng lẻ. Điều này có nghĩa là nếu một website sử dụng cùng một thuật ngữ dữ liệu cấu trúc trên một trăm trang khác nhau, hệ thống vẫn chỉ ghi nhận cấu trúc đó xuất hiện trên một tên miền duy nhất. Quy tắc này giúp loại bỏ tình trạng sai lệch số liệu do các website có quy mô lớn hoặc các trang thương mại điện tử sở hữu hàng triệu trang sản phẩm tự động tạo mã định dạng cấu trúc hàng loạt.
Thay vì hiển thị các con số thô chính xác, yếu tố vốn thay đổi liên tục hàng ngày và dễ tạo ra các biến động nhiễu không cần thiết, các trang web được phân loại và nhóm vào các khoảng phạm vi nhất định, gọi là các nhóm mức độ phổ biến, chẳng hạn như nhóm từ mười nghìn đến một trăm nghìn tên miền. Phương pháp xử lý này giúp duy trì tính ổn định lâu dài cho dữ liệu thống kê, đồng thời bảo vệ quyền riêng tư cho các hệ thống website.
Đối với giới chuyên gia phân tích dữ liệu, các tệp dữ liệu thô hiện được lưu trữ trực tuyến và cung cấp công khai thông qua kho lưu trữ của dự án dữ liệu thống kê công khai từ Google trên nền tảng GitHub. Định dạng dữ liệu được cung cấp dưới hai dạng phổ biến là JSON và CSV với cấu trúc thông tin đồng nhất, đi kèm một tệp tóm tắt định dạng JSON hiển thị biểu đồ phân phối của các nhóm dữ liệu tổng hợp. Toàn bộ các tài liệu này được cập nhật định kỳ hàng tháng.
Trong cấu trúc của tập dữ liệu, người dùng cần lưu ý các trường thông tin cơ bản bao gồm:
-
Loại thuật ngữ: Phân loại bản chất của thuật ngữ dữ liệu cấu trúc, thông thường sẽ được chia thành kiểu thực thể, ví dụ như kiểu người hoặc kiểu sự kiện, hoặc thuộc tính của thực thể đó, ví dụ như giá cả hoặc số điện thoại.
-
Định danh tài nguyên thống nhất (URI): Đường dẫn định danh chính thức của thuật ngữ theo tiêu chuẩn quốc tế, ví dụ như đường dẫn trỏ trực tiếp đến thực thể người trên hệ thống Schema.org.
-
Nhóm số lượng tên miền: Khoảng ước tính số lượng tên miền duy nhất đang áp dụng thuật ngữ đó trên thực tế, ví dụ như nhóm từ một trăm nghìn đến một triệu tên miền.
Hình ảnh trực quan về kho lưu trữ mã nguồn và dữ liệu trên GitHub:
Ảnh chụp màn hình giao diện lưu trữ dự án trên GitHub:
Tác động của dữ liệu thống kê Schema đến chiến lược SEO thực thể
Việc Schema.org phối hợp cùng Google để công khai tập dữ liệu này không đơn thuần là một bản cập nhật kỹ thuật, mà là một bước ngoặt quan trọng đối với cộng đồng làm tối ưu hóa công cụ tìm kiếm, đặc biệt là những người đang theo đuổi trường phái SEO ngữ nghĩa (Semantic SEO) và xây dựng thẩm quyền chủ đề (Topical Authority).
Định hình lại tư duy lựa chọn thực thể trong SEO ngữ nghĩa
Trước khi cập nhật này xuất hiện, việc triển khai dữ liệu cấu trúc phần lớn dựa trên tài liệu lý thuyết và các suy đoán mang tính kinh nghiệm về những gì Google có thể hiểu. Người làm nghề thường lúng túng khi đứng trước hàng trăm thuộc tính khác nhau trong một kiểu dữ liệu phức tạp. Việc biết được chính xác một thuộc tính hay một kiểu thực thể nằm trong nhóm phổ biến nào giúp các nhà chiến lược nội dung xác định được đâu là những tiêu chuẩn cốt lõi mà công cụ tìm kiếm đang đặc biệt quan tâm và thu thập dữ liệu hiệu quả nhất.
Nếu một thuộc tính cụ thể có số lượng tên miền sử dụng nằm ở nhóm rất cao, điều đó chứng tỏ Google đã xây dựng được một mô hình hiểu biết rất vững chắc về thuộc tính đó trong sơ đồ tri thức (Knowledge Graph). Ngược lại, việc áp dụng các thuộc tính có tỷ lệ sử dụng quá thấp có thể không mang lại hiệu quả xếp hạng ngay lập tức, nhưng lại là cơ hội để các website đi đầu tạo ra sự khác biệt và tối ưu hóa tính độc bản cho dữ liệu của mình.
Ứng dụng trong việc nghiên cứu đối thủ và xu hướng ngành độc giả
Tập dữ liệu cập nhật hàng tháng từ GitHub mở ra một hướng đi mới cho công tác nghiên cứu thị trường. Bằng cách theo dõi sự dịch chuyển của các tên miền giữa các nhóm mức độ phổ biến qua từng tháng, giới phân tích có thể phát hiện ra những xu hướng công nghệ mới đang âm thầm diễn ra trên quy mô toàn cầu.
Ví dụ, sự gia tăng đột biến của các nhóm tên miền sử dụng các cấu trúc liên quan đến đánh giá sản phẩm, hồ sơ tác giả, hay các thực thể tổ chức sẽ phản ánh trực tiếp các yêu cầu khắt khe hơn từ thuật toán tìm kiếm của Google về các tiêu chí như độ tin cậy và tính chuyên gia. Đây là cơ sở dữ liệu quan trọng để các doanh nghiệp dự đoán các hướng đi tiếp theo của các bản cập nhật cốt lõi từ công cụ tìm kiếm, từ đó chủ động nâng cấp cấu trúc website trước khi lưu lượng truy cập bị ảnh hưởng.
Tối ưu hóa hiệu suất quét dữ liệu cho hệ thống lớn
Một trong những thách thức lớn nhất của các website quy mô lớn là quản lý ngân sách quét dữ liệu (Crawl Budget). Việc lạm dụng quá nhiều tầng dữ liệu cấu trúc lồng nhau không có trọng tâm thường khiến các bot tìm kiếm mất nhiều thời gian xử lý mã nguồn nhưng không đem lại giá trị hiển thị cao trên trang kết quả.
Dựa vào các nhóm phân phối tần suất của Schema.org, các kỹ sư tối ưu hóa mã nguồn (Technical SEO) có thể tiến hành tinh lọc, loại bỏ các thuộc tính rườm rà, ít phổ biến và tập trung tài nguyên để tối ưu hóa các thẻ cấu trúc cốt lõi. Cách tiếp cận dựa trên số liệu thực tế này giúp cấu trúc trang trở nên thanh thoát hơn, tăng tốc độ xử lý của công cụ tìm kiếm và đảm bảo các thông tin quan trọng nhất của doanh nghiệp luôn được lập chỉ mục một cách chính xác.
Tóm lại, bước đi này từ Schema.org đang từng bước minh bạch hóa cách thức mạng internet đang cấu trúc hóa thông tin, giúp giới làm nghề dịch chuyển từ việc triển khai kỹ thuật theo bản năng sang một chiến lược quản trị dữ liệu dựa trên số liệu thực tế vững chắc.
Tài liệu tham khảo:
Search engine land: https://searchengineland.com/schema-org-now-shows-you-how-many-sites-are-using-each-schema-type-479843
