Összehasonlító táblázatok: az LLM-ek kedvenc formátuma

Egy vendéglátós SaaS csapat 14 összehasonlító oldalra HTML táblázatot és JSON-LD ProductComparison blokkot tett. Két héttel később a ChatGPT teljes táblázatot másolt a "thMenu vs versenytárs X" válaszokba. A strukturált táblázatokat 4,8-szer gyakrabban idézik a modellek, mint az azonos mennyiségű szöveget.

Miért szeretik a táblázatokat

A modellek előtanításuk során milliónyi <table> elemet láttak. A sor-oszlop reláció olcsóbban elemezhető, mint a szabad szöveg, ezért összehasonlító kérdéseknél a modell gyakran a "megmutatni"-t választja a "összefoglalni" helyett.

A Markdown táblák is működnek, de a HTML + JSON-LD egyértelműen vezet a Perplexity Compare-ben és a Bing Copilotban. Tiszta fejléc, rövid cellák és cellán belüli mértékegység a kulcs.

JSON-LD ProductComparison minta

A Schema.org nem ismer hivatalos "ProductComparison" típust, de egy ItemList több Product csomóponttal ugyanezt nyújtja. Minden Product saját "additionalProperty" tömbben sorolja a tulajdonság-érték párokat.

Tartsd 1:1 megfeleltetésben a táblázatot és a JSON-LD-t; bármilyen eltérés esetén a modell visszatér a bekezdések idézésére.

Gyakorlati lista

Első oszlop = termék vagy versenytárs neve, első sor = funkciócímkék. Egy adat egy cellában, mondatok nélkül. A JSON-LD közvetlenül a táblázat fölé kerüljön; ha több táblázat van az oldalon, mindegyikhez külön ItemList.

Az organikus forgalom csak 18 %-kal nőtt, de a márka említései az LLM válaszokban három hónap alatt hétszeresükre emelkedtek — ezt a hagyományos SEO eszközök alig mérik.

GYIK

Elég a Markdown? Működik, de a HTML + JSON-LD mérhetően előnyösebb; a Markdown azokra a platformokra való, ahol nem lehet sémát beszúrni.

Hány oszlop ideális? Három és hét között; nyolc fölött a mobil eltörik, és a modell összefoglalóra vált.

Kockázatos megnevezni a versenytársat? Nem — a közönség úgyis tudja a nevet, és az LLM-ek dominálnak ezeken a kereséseken.

Hasznosnak találtad? Oszd meg.