Schema Markup approfondi : combiner Restaurant + Menu + Review

Un café vegan de 8 tables à Bornova (Izmir) ressort 3ᵉ sur la requête ChatGPT "où prendre un brunch vegan à Izmir" — pas grâce aux réseaux, mais parce que thMenu publie en arrière-plan un schema markup combiné. Voici comment fusionner Restaurant, Menu et Review en un seul bloc JSON-LD.

Pourquoi un bloc, trois schemas ?

Quand Restaurant, Menu et Review sont dans des balises script séparées, les LLM comme ChatGPT et Perplexity ne lisent souvent que le premier. Notre solution : un tableau @graph unique avec trois nœuds reliés par @id.

Le LLM récupère ainsi l'adresse, trois plats brunch, le drapeau vegan et la note agrégée de 4,7 en une passe. En blocs séparés, seul le Restaurant survit généralement.

Le squelette JSON-LD

Le template auto-généré par thMenu suit cet ordre :

• Nœud Restaurant : name, address, servesCuisine, priceRange, image, aggregateRating et hasMenu.
• Nœud Menu : hasMenuSection contenant des MenuItem (name, description, offers.price, suitableForDiet).
• Nœud Review : itemReviewed pointant vers l'ID Restaurant, 3-5 avis récents.

Validation IA et SEO classique

Vérifie en trois endroits : Google Rich Results Test, Schema.org Validator et ChatGPT lui-même — interroge l'IA sur ton restaurant pour voir les données apparaître dans la réponse.

thMenu calcule l'aggregate rating uniquement à partir des avis des 90 derniers jours, excluant les avis anciens ou signalés. Ainsi tu restes conforme aux règles Google review-spam.

FAQ

Quand les mises à jour apparaissent-elles dans l'IA ? 1-3 semaines pour Google, 7-21 jours pour ChatGPT/Perplexity.

Risque-je une pénalité pour fausse note ? Non, tant que la note est réelle et que reviewCount est honnête.

Faut-il lister tous les plats ? Non — 20-30 plats phares suffisent.

Cet article vous a été utile ? Partagez-le.