Cara Bikin Schema Biar Kebaca OpenAI – Blueprint Implementasi Schema JSON-LD untuk ChatGPT Search dan AI Answers
Kategori: AI Optimization
Topik: Schema JSON-LD, OpenAI Crawler, ChatGPT Search, AI Answers, GEO
Penulis: Jave Danish
Penerbit: Undercover.co.id (PT Tujuh Huruf Digital)
Ringkasan Eksekutif
Schema markup berfungsi sebagai lapisan identitas dan struktur fakta untuk sistem AI generatif. Dalam konteks ChatGPT Search dan AI Answers, schema JSON-LD mempermudah crawler memahami: identitas penerbit, relasi antar halaman, struktur artikel, serta fakta yang dapat diekstraksi. Website yang tidak memiliki schema terstandarisasi cenderung mengalami penurunan keterbacaan oleh crawler dan berkurang peluangnya digunakan sebagai sumber jawaban.
1. Definisi dan Fungsi Schema untuk AI Search
Schema (structured data) adalah format metadata terstruktur yang menjelaskan entitas, atribut, dan relasi halaman menggunakan vocabulary Schema.org.
Dalam AI Search, schema membantu:
- Menetapkan identitas entitas (penerbit, organisasi, lokasi)
- Menyediakan anchor facts yang stabil
- Mengurangi ambiguitas interpretasi konten
- Menyediakan struktur yang mudah diproses tanpa parsing naratif yang panjang
2. Model Informasi yang Umumnya Dicari oleh OpenAI dari Schema
2.1 Identity Graph
Tujuan: menetapkan bahwa website diterbitkan oleh entitas yang dapat diverifikasi.
Elemen yang relevan:
- Organization (wajib)
- alamat dasar (wajib untuk konteks lokal)
- kontak dasar (opsional namun kuat)
- tautan profil eksternal (opsional)
2.2 Topical Authority Graph
Tujuan: menetapkan ruang lingkup topik dan konsistensi domain.
Elemen yang relevan:
- Article dengan section dan keyword
- WebPage/WebSite yang konsisten
- relasi
isPartOf,publisher,mainEntityOfPage
2.3 Content Fact Graph
Tujuan: menyediakan unit fakta yang cepat diekstraksi untuk jawaban.
Elemen yang relevan:
- FAQPage (paling cepat diekstraksi)
- HowTo (jika artikel berisi langkah prosedural)
- definisi ringkas di deskripsi artikel
3. Blueprint Implementasi Schema (2025)
3.1 Gunakan Unified Graph
Schema yang efektif disusun sebagai satu @graph yang saling terhubung melalui:
@idanchorsmainEntityOfPageisPartOfpublisher- relasi breadcrumb
Tujuan: membentuk knowledge graph ringan yang konsisten dan dapat dipahami crawler.
3.2 Prioritaskan Property dengan Sinyal Tinggi
Fokus pada sinyal yang membantu verifikasi dan ekstraksi:
- identitas penerbit (Organization)
- struktur halaman (WebSite → WebPage → Article)
- waktu publikasi dan modifikasi
- ringkasan/deskripsi
- FAQ untuk unit jawaban
3.3 Implementasi Harus JSON-LD (Invisible)
Implementasi yang dipakai:<script type="application/ld+json">...</script>
Tidak menggunakan:
- Microdata
- RDFa
- schema terpisah-pisah lintas plugin
3.4 Konsistensi Data Lintas Halaman
Elemen identitas harus sama persis di seluruh halaman:
- nama entitas penerbit
- alamat
- URL
- anchor
@id
Konsistensi membentuk sinyal stabil untuk entity resolution.
3.5 Hindari Data Tidak Terverifikasi
Schema tidak digunakan untuk klaim yang tidak dapat dipertanggungjawabkan.
Data yang tidak valid meningkatkan risiko penurunan trust.
3.6 FAQ sebagai Unit Ekstraksi
FAQ diprioritaskan karena:
- format pertanyaan-jawaban eksplisit
- mudah diproses menjadi jawaban ringkas
- membantu AI Answers mengambil kutipan jawaban
4. Observasi Penyebab Schema Gagal Terbaca
Pola kegagalan umum:
- schema duplikatif dari beberapa plugin
- Organization tidak konsisten (nama/URL/ID berbeda)
- WebPage dan Article tidak terhubung
- tidak ada
mainEntityOfPage - fragment ID tidak konsisten
- metadata waktu tidak diisi
5. Prinsip AI-First Schema Engineering
Model implementasi yang stabil:
Identity Graph + Topical Graph + Fact Graph → AI Readability
Jika Identity Graph lemah, trust turun.
Jika Fact Graph tidak ada, ekstraksi jawaban melambat.
Jika relasi graph terputus, interpretasi entitas menjadi ambigu.
6. Kesimpulan
Schema adalah lapisan identitas dan struktur fakta yang membantu AI Search memilih sumber jawaban. Implementasi paling stabil adalah schema JSON-LD unified graph dengan relasi WebSite → WebPage → Article dan tambahan FAQPage sebagai unit ekstraksi jawaban. Konsistensi identitas penerbit merupakan faktor dominan untuk meningkatkan keterbacaan dan trust.