Ett veganskt café med 8 bord i Bornova (Izmir) ligger på tredje plats i ChatGPT-frågan "var vegansk brunch i Izmir" — inte tack vare sociala medier, utan för att thMenu i bakgrunden publicerar en kombinerad schema markup. Så slår du ihop Restaurant, Menu och Review i ett JSON-LD-block.
Varför ett block, tre schemas?
När Restaurant, Menu och Review står i separata script-taggar läser LLM:er som ChatGPT och Perplexity ofta bara den första. Lösningen: en enda @graph-array med tre noder kopplade via @id.
Då plockar LLM:en adressen, tre brunchrätter, veganflaggan och 4,7-stjärniga betyget i en svep. I separata block överlever oftast bara Restaurant.
JSON-LD-skelett
thMenus auto-mall följer denna ordning:
- Restaurant-nod: name, address, servesCuisine, priceRange, image, aggregateRating, hasMenu.
- Menu-nod: hasMenuSection med MenuItem (name, description, offers.price, suitableForDiet).
- Review-nod: itemReviewed pekar på Restaurant-ID, 3-5 färska recensioner.
Validering för AI och klassisk SEO
Kolla tre platser: Google Rich Results Test, Schema.org Validator och själva ChatGPT — fråga AI:n om din restaurang och se hur data landar i svaret.
thMenu räknar aggregate rating endast från senaste 90 dagarnas feedback; äldre eller flaggade exkluderas. Då håller du dig inom Googles review-spam-policy.
FAQ
När syns schema-uppdateringar i AI-sök? Google 1-3 veckor, ChatGPT/Perplexity 7-21 dagar.
Riskerar jag straff för falskt betyg? Nej, om betyget kommer från äkta feedback och reviewCount stämmer.
Måste jag lista varje rätt? Nej — topp 20-30 räcker.
Var detta hjälpsamt? Dela det.
Relaterade artiklar
Vad är en QR-meny? Komplett guide för restauranger
En QR-meny ger gästerna omedelbar tillgång till din meny via smarttelefon — utan…
Byta från pappersmeny till digital QR-meny: steg för steg
Vill du införa QR-menyer men vet inte var du ska börja? Den här guiden täcker fo…
Geo-riktade QR-menyer: olika språk efter besökarens IP
Hur ett 180-sitsigt all-inclusive-resort i Antalya dirigerar samma QR till turki…