El marcado de datos (schema org) y la inteligencia artificial

En la era de las búsquedas con IA, el marcado de datos ha cobrado especial importancia. Al implementar el schema markup en tu sitio web, estás creando un grafo de conocimiento, que es una colección de relaciones entre cosas definidas mediante un vocabulario estandarizado, a partir del cual se puede obtener nuevo conocimiento por medio de inferencia.

Schema markup (schema.org) es el vocabulario estándar utilizado por los motores de búsqueda para entender el contenido de una página. Al aplicar este marcado de datos, es como si implementaras en tu web un conjunto de etiquetas que usas para describir las conexiones entre diferentes partes de la información que has publicado.

Veamos un ejemplo para que se entienda mejor. Si, por ejemplo, dispones de un catálogo de productos en la web, el “Producto” se puede describir con varios atributos que schema.org ofrece, como el nombre, la descripción, la categoría y la imagen del producto.

Este sería el código que se incluiría en la ficha web del producto:

Por lo tanto, hemos definido el “Producto” y ahora vinculamos una “Oferta”, que es otra entidad en en schema.org. Con el marcado de datos especificamos los detalles de la venta del producto, como es el precio, moneda, disponibilidad y vendedor.

Para conectar el producto (“Product”) con la oferta (“Offer”), el proveedor (“Organization”) y las valoraciones (“Review”), simplemente tienes que referenciar la oferta y las valoraciones utilizando los atributos correspondientes dentro del objeto del producto (“offers” y “review”). Además, debes referenciar al proveedor usando la propiedad “seller” dentro del objeto de la oferta. Aquí es donde realmente se construye el grafo de conocimiento, estableciendo una relación entre el producto, la oferta y el proveedor.

Al definir estas relaciones en tu web utilizando Schema Markup, no solo estás ayudando a los motores de búsqueda a entender mejor lo que estás vendiendo, sino que también les permites conectar estos datos con otros datos relevantes, como reseñas de productos, perfiles de vendedores y más. Esto enriquece la información disponible en los resultados de búsqueda, mejora la visibilidad de tu sitio y potencialmente aumenta las conversiones.

Así, el grafo de conocimiento se expande más allá de la página individual, vinculando información a través de todo el sitio y en la web.

¿Y cómo se relaciona esto  con la inteligencia artificial y por qué es importante desarrollar este grafo de conocimiento utilizando el marcado de datos?

Imagina que un grafo de conocimiento es como una gran red de información donde todo está conectado de manera inteligente y organizada, como si fuera un mapa que conecta ciudades, caminos y puntos de interés. Aquí hay tres razones clave por las que estos mapas de información son tan útiles para la inteligencia artificial:

1. Conectar todo: Los grafos de conocimiento ayudan a conectar y organizar información de muchas fuentes y formatos diferentes. Es como tener un traductor universal que entiende y organiza todo lo que tu empresa sabe, no importa en qué idioma o forma se presente. Esto hace mucho más fácil ver el panorama completo y encontrar conexiones o patrones ocultos. Por ejemplo, en un sitio web de comercio electrónico que vende electrodomésticos, como cafeteras, podrías conectar productos con ofertas, reseñas de usuarios y datos del proveedor, creando una red de información detallada sobre cada artículo.
2. Buscar y analizar mejor (análisis semántico): Con estos grafos, buscar información no es simplemente encontrar palabras clave, sino entender y explorar las relaciones entre cosas. Por ejemplo, si tienes un catálogo de cafeteras automáticas con molinillo cerámico, puedes utilizar el grafo de conocimiento para responder preguntas complejas como “¿Qué cafeteras tienen las mejores reseñas en la categoría de electrodomésticos?” o “¿Cuáles productos similares ofrecen otros proveedores a precios competitivos?”. Esto es mucho más poderoso que las búsquedas normales porque puedes hacer preguntas complejas y obtener respuestas precisas que están basadas en las conexiones y relaciones definidas en tu grafo.
3. Impulsar la IA y el aprendizaje automático: Al tener todo organizado y conectado, es mucho más fácil para los programas de inteligencia artificial aprender de esta información y hacer cosas como predecir tendencias, sugerir productos o incluso entender y procesar el lenguaje humano de manera más efectiva. En el contexto de una tienda de electrodomésticos, un sistema de IA podría utilizar el grafo de conocimiento para recomendar automáticamente a los clientes nuevas cafeteras basadas en sus preferencias previas y comportamientos de compra, mejorando la personalización y la satisfacción del cliente.

Los motores de búsqueda aprovechan el marcado de datos y el grafo de conocimiento como fuentes de datos para entrenar sus máquinas e inferir nuevo conocimiento. Al desarrollar el grafo de conocimiento de tu organización, estás preparando los datos publicados en tu web para la IA.

Aquí tienes un ejemplo de cómo en un post de mi web relaciono el post, con la persona y la empresa donde trabajo.