A weboldal, amit már nem ember olvas
A látogatók egy része program. Nem néz, hanem letölt — és amit letölt, az gyakran nem ugyanaz, mint amit a böngésző mutat.
Ez a darab nem arról szól, hogy miért érdemes gépi olvasásra felkészülni — arról az AI-láthatóságról szóló cikk beszél. Ez arról szól, hogy mit lát valójában a gép, és ez hogyan ellenőrizhető.
A legfontosabb különbség
A böngésző letölti a HTML-t, lefuttatja a szkripteket, és megjeleníti az eredményt. Sok gépi olvasó viszont megáll az első lépésnél: letölti a HTML-t, és azt dolgozza fel.
Ha a tartalom csak futás közben áll össze — a kiszolgáló egy üres vázat küld, és a szöveget a szkript teszi bele —, akkor az ilyen olvasó számára a lap üres. Nem hibás, nem lassú: üres.
- 01 kiszolgáló
- 02 elküldött HTML
- 03 böngésző futtat
- 04 a látogató látja
- 05 a program ezt kapja
ami csak a jobb oldalon jön létre, · az a bal oldali olvasó számára nem létezik
Az ellenőrzés egyetlen paranccsal
Nem kell hozzá eszköz. Töltsd le a lapot úgy, ahogy egy program teszi —
curl paranccsal, vagy a böngészőben a forrás
megtekintése menüponttal, ami szintén az elküldött
HTML-t mutatja, nem a futás utáni állapotot.
Aztán keresd meg benne azt, amit fontosnak tartasz: a szolgáltatások listáját, a nyitvatartást, az árakat, a címet. Amit ott nem találsz meg, az nincs ott — legalábbis annak, aki nem futtat szkriptet.
A leggyakoribb, amit ez kiszúr: a legördülő elemekbe rejtett tartalom, ha azt szkript tölti be kattintásra; a képre írt szöveg; és a „még N elem betöltése” mögötti rész.
Szemantika: nem stílus kérdése
A gépi olvasó nem lát elrendezést. Nem tudja, hogy egy szöveg nagyobb, és ezért fontosabb — csak azt, hogy milyen elemben van. Egy vastagított, nagyobb bekezdés a szemnek címsor, a programnak bekezdés.
Ugyanez a lista, a táblázat és az idézet esetében. Ha egy felsorolás bekezdésekből áll gondolatjelekkel, azt az ember listának látja, a gép nem. Ez a HTML legrégebbi tanácsa, és a gépi olvasás korában több haszna van, mint valaha.
Strukturált adat: mit ér és mit nem
A strukturált adat nem varázslat, és nem is pótol semmit. Egy dolgot csinál: kétértelműség nélkül megnevezi az összefüggéseket.
Egy dátum a szövegben lehet közzététel, esemény vagy lejárat. Egy név lehet szerző, ügyfél vagy említett harmadik fél. A szövegből ez következtetéssel derül ki — a strukturált adatban ki van mondva.
Amit viszont nem tesz: nem javítja meg a hiányzó tartalmat. Ha a lapon nincs leírva, mit csinálsz, akkor attól, hogy a strukturált adatban szolgáltatásnak nevezed, még nem lesz mit idézni. A séma a meglévő jelentését rögzíti.
Ebből következik egy szabály, amit gépre is bíztam: a strukturált adatban szereplő szövegnek szó szerint egyeznie kell a láthatóval. Ha a kettő elválik, az nemcsak szabálysértés — a karbantartás során észrevétlenül csúszik szét. Erről szól az ellenőrző szkriptről írt darab.
Az önmagában megálló bekezdés
Van egy szerkesztési következménye is annak, hogy a szöveget kiemelve olvassák. A gépi olvasó ritkán idéz egész fejezetet — egy-két bekezdést emel ki, a környezete nélkül.
Ezért éri meg úgy írni, hogy minden bekezdés önmagában is értelmes maradjon. Ne „ahogy fentebb írtam”, hanem a megnevezett dolog. Ne „ez”, hanem az, amire mutat. Ez az embernek sem rossz: attól, hogy egy szöveg kevesebb visszautalást használ, olvashatóbb lesz.
Amit nem lehet elrejteni
Végül egy tisztázás, mert gyakran kérdés. Vannak szabványos jelzések arra, hogy egy olvasó mit ne használjon — de ezek kérések, nem korlátok, és csak az együttműködő felekre érvényesek.
Ami nyilvánosan letölthető, azzal reálisan azzal kell számolni, hogy elolvassák. A kérdés tehát az, mit érdemes egyáltalán kitenni.
Kérdések a témáról
Mit lát egy olyan olvasó, ami nem futtat JavaScriptet?
Pontosan azt, amit a kiszolgáló elküld: a nyers HTML-t. Ha a tartalom csak a böngészőben, futás közben áll össze, akkor annak a helyén üresség van. Ez a legfontosabb különbség aközött, amit egy látogató lát, és amit egy program kap meg.
Hogyan lehet ezt egyszerűen ellenőrizni?
A lap letöltésével és a nyers válasz megnézésével — például curl paranccsal, vagy a böngészőben a forrás megtekintésével, ami szintén a küldött HTML-t mutatja, nem a futás utáni állapotot. Amit ott nem találsz meg, azt egy JavaScriptet nem futtató olvasó sem találja meg.
Mire jó a strukturált adat, ha a szöveg amúgy is ott van?
Arra, hogy az összefüggések kétértelműség nélkül kiolvashatók legyenek. Egy dátum a szövegben lehet közzététel, esemény vagy lejárat; a strukturált adatban meg van nevezve, melyik. Nem a tartalmat pótolja, hanem a jelentését rögzíti.
Elrejthető-e a tartalom a gépi olvasók elől?
Részben, és csak együttműködő olvasóknál. Vannak szabványos jelzések a hozzáférés korlátozására, de ezek kérések, nem korlátok. Ami nyilvánosan letölthető, azzal reálisan azzal kell számolni, hogy elolvassák — a kérdés inkább az, mit érdemes egyáltalán nyilvánosan kitenni.