Tekst na stronie internetowej jest pisany dla człowieka. Człowiek czyta „iPhone 15 Pro, 256 GB, kolor tytanowy, cena 4 999 zł, dostępny” i rozumie od razu co to jest, ile kosztuje i czy może to kupić. Rozumie dlatego że ma kontekst, doświadczenie i zdolność wnioskowania z niejednoznacznych sygnałów.
Maszyna czyta to samo i widzi ciąg znaków. Może zgadnąć że „4 999 zł” to cena — bo cyfry, bo „zł”. Ale może też pomylić to z numerem seryjnym, numerem katalogowym albo rozmiarówką. Może nie wiedzieć czy produkt jest dostępny czy to tylko historyczna wzmianka. Może nie odróżnić nazwy produktu od nazwy kategorii.
Dane strukturalne rozwiązują ten problem. Nie piszą treści dla maszyny zamiast dla człowieka — mówią maszynie co znaczy treść która już jest napisana dla człowieka.
Czym są dane strukturalne
Dane strukturalne to ustandaryzowany sposób opisywania treści strony w formacie zrozumiałym dla maszyn — używany przez wyszukiwarki do rich snippets i przez agentów AI do rozumienia kontekstu strony.
Słowo „ustandaryzowany” jest tu kluczowe. Nie chodzi o dowolne metadane — chodzi o wspólny słownik który rozumieją Google, Bing, ChatGPT, Perplexity i każdy agent AI który przychodzi na stronę. Ten słownik to schema.org — zbiór typów i właściwości opisujących co może znaleźć się na stronie: produkty, artykuły, organizacje, przepisy, wydarzenia, definicje pojęć i setki innych kategorii.
Format w którym dane strukturalne są najczęściej zapisywane to JSON-LD — blok kodu osadzony w nagłówku strony, niewidoczny dla człowieka, w pełni czytelny dla maszyny.
Co agent widzi bez danych strukturalnych — i z nimi
Bez danych strukturalnych agent który trafia na stronę produktową widzi tekst. Musi samodzielnie wywnioskować co jest nazwą, co ceną, co dostępnością, co opisem a co opinią klienta. Wnioskuje dobrze — ale wnioskuje. Przy tysiącu produktów albo tysiącu stron robi to tysiąc razy, z tysiącem możliwości błędu.
Z danymi strukturalnymi agent widzi gotowe odpowiedzi zanim przeczyta tekst. Wie że to Product. Wie że name to „iPhone 15 Pro 256GB”. Wie że offers.price to 4999, offers.priceCurrency to PLN, offers.availability to InStock. Nie musi wnioskować. Dane mówią wprost.
Agent wierzy danym strukturalnym bardziej niż treści. To zasada którą warto zapamiętać. Jeśli tekst na stronie mówi jedno a dane strukturalne mówią drugie — agent pójdzie za danymi. Rozbieżność między tym co widzi człowiek a tym co mówią dane to jeden z najkosztowniejszych błędów w optymalizacji pod agenty.
Dane strukturalne w erze agentów — nowe typy
Przez lata dane strukturalne były głównie narzędziem SEO. Dodajesz schema.org Product, dostajesz gwiazdki ocen w Google. Dodajesz schema.org Article, masz szansę na rich snippet. Cel był jeden: lepiej wyglądać w wynikach wyszukiwania.
W erze Agentic Web cel się rozszerza. Agent który szuka produktu dla użytkownika nie przegląda wyników Google — on odpytuje strony bezpośrednio albo przetwarza dane które ktoś wcześniej pobrał. Dane strukturalne przestają być sygnałem dla wyszukiwarki, a stają się interfejsem komunikacji między stroną a agentem.
Pojawiają się nowe typy które wcześniej nie miały praktycznego zastosowania. DefinedTerm — oznaczanie definicji pojęć, tak żeby agent wiedział że ta strona jest autorytatywną definicją konkretnego terminu, nie artykułem który go wzmiankuje. SpecialAnnouncement dla aktualnych komunikatów. Nowe właściwości w schema.org dla produktów cyfrowych, subskrypcji, dostępności przez API.
Słownik który oznacza każde hasło jako DefinedTerm z właściwym termem, definicją i powiązaniami — daje agentom precyzyjny dostęp do wiedzy bez konieczności interpretowania treści artykułu.
Praktyczna hierarchia ważności
Nie wszystkie dane strukturalne są równie ważne. Dla różnych typów stron priorytety są różne.
Sklep internetowy bez danych strukturalnych dla produktów — Product, offers, availability, price — jest niewidoczny dla agentów które realizują zakupy przez Instant Checkout czy Copilot Checkout. Protokoły agentic commerce zakładają dostęp do ustrukturyzowanych danych produktowych. Bez nich strona po prostu nie uczestniczy w tej infrastrukturze.
Blog i serwis contentowy bez Article i Author — traci sygnały autorytetu i świeżości które agenty AI wykorzystują przy ocenie wiarygodności źródła. Agenty cytujące źródła w odpowiedziach wolą te które mają jasno zadeklarowanego autora, datę publikacji i temat.
Strona firmowa bez Organization i LocalBusiness — nie daje agentom podstawowych faktów o firmie w formacie który można natychmiast wykorzystać przy odpowiadaniu na pytania użytkowników.
Dane strukturalne to nie jest jednorazowe zadanie do odhaczenia. To warstwa która powinna rosnąć razem z treścią strony — każdy nowy typ treści zasługuje na właściwe oznaczenie.