Case: hoe een Nederlandse webshop zijn structured data herzag

Het startpunt: schema dat er wél was, maar niet klopte

De webshop in kwestie — een middelgrote speler in woonaccessoires — had structured data laten implementeren tijdens een sitelancering enkele jaren eerder. Op papier was er dus al Product- en Offer-schema aanwezig. Bij nadere inspectie bleek een groot deel ervan verouderd: prijzen die niet meer overeenkwamen met de zichtbare prijs op de pagina, availability-velden die altijd “InStock” aangaven ongeacht de werkelijke voorraad, en een groot deel van de catalogus zonder GTIN of geldig MPN.

Voor menselijke bezoekers viel dit nauwelijks op, omdat de zichtbare pagina gewoon correct was. Voor een AI-agent die vertrouwt op de machineleesbare laag, was het een ander verhaal: inconsistenties tussen wat de pagina toont en wat het schema beweert, zijn precies het type signaal dat een agent doet twijfelen of afhaken.

Stap 1: prioriteren op omzet, niet op volledigheid

In plaats van te proberen de hele catalogus in één keer te herzien, koos het team ervoor eerst de honderd best verkopende producten volledig op orde te brengen. Voor die selectie werd het Product-schema gekoppeld aan de live voorraad- en prijsdatabase, zodat price en availability altijd realtime kloppen in plaats van handmatig te worden bijgehouden.

Wat er in deze fase concreet gebeurde

• GTIN's aangevuld waar leveranciersdata ze wel bevatte maar de webshop ze nooit had overgenomen.
• Prijs en beschikbaarheid gekoppeld aan het bronsysteem in plaats van los onderhouden in de schema-laag.
• Dubbele en verweesde productpagina's opgeschoond, zodat agents niet meerdere, tegenstrijdige versies van hetzelfde product aantreffen.

De grootste winst kwam niet van nieuwe schema-types toevoegen, maar van bestaande data weer laten kloppen met de werkelijkheid.

Stap 2: MerchantReturnPolicy en reviews toevoegen

Pas nadat de basis klopte, breidde het team uit naar MerchantReturnPolicy-schema — retourtermijn, kosten en methode expliciet gemaakt op categorieniveau — en naar geaggregeerde AggregateRating-data op basis van bestaande reviews. Beide waren voorheen alleen in lopende tekst beschreven, niet in structured data.

Deze volgorde was bewust: retourbeleid en reviews zijn vertrouwenssignalen die pas gewicht in de schaal leggen zodra de onderliggende productdata al betrouwbaar is. Ze eerst toevoegen op een fundament van verouderde prijzen had weinig effect gehad.

Stap 3: validatie inbouwen in het publicatieproces

Om te voorkomen dat de data over tijd weer zou verouderen — het oorspronkelijke probleem — werd schema-validatie opgenomen in het reguliere publicatieproces: elke wijziging aan een productpagina triggert een geautomatiseerde check op verplichte velden en op consistentie tussen zichtbare prijs en price-veld.