Product-schema-voorbeeld voor Shopify-apparel

Apparel-productpagina’s op Shopify worden door AI-shoppingengines geciteerd op basis van hoe precies de JSON-LD het variantenlandschap beschrijft. Een koper die op ChatGPT, Perplexity of Gemini vraagt naar ‘linnen shirt dat echt op maat valt in medium’ heeft een AI nodig die herkent dat de specifieke variant bestaat, op voorraad is, een prijs heeft en duidelijk onderscheiden is van de L- en XL-zustervarianten. Generiek Product-schema zonder variantdetails dwingt de AI tot raden; ProductGroup met hasVariant geeft het de data om met vertrouwen te citeren.

Dit voorbeeld levert twee kopieerklare JSON-LD-blokken: een ProductGroup voor de variantenmatrix en een BreadcrumbList voor categoriecontext. Beide zijn gekalibreerd om Google Rich Results Test schoon te passeren en om de zichtbare pagina-inhoud te spiegelen (de regel die AI-engines in de praktijk daadwerkelijk handhaven).

Wanneer Product vs ProductGroup gebruiken#

Shopify’s standaard Liquid-templates emitteren Product ongeacht het aantal varianten. De upgrade naar ProductGroup voor elke apparel-store met meerdere maten is een eenmalige theme-edit (of een Shopify-app die het automatisch doet); de AI-shoppingcitatie-lift is de moeite waard.

ProductGroup JSON-LD (apparel met varianten)#

Plak in een productpagina-template en vervang de placeholder-waarden. Het voorbeeld toont een 2-variantenstubdeel; in productie heb je één hasVariant-entry per echte SKU.

{
  "@context": "https://schema.org",
  "@type": "ProductGroup",
  "name": "Linen Relaxed Shirt",
  "description": "A breathable linen shirt in three colors, sizes XS–XL. 100% European linen, pre-washed for softness.",
  "brand": {
    "@type": "Brand",
    "name": "Example Apparel"
  },
  "productGroupID": "linen-shirt-001",
  "variesBy": ["https://schema.org/size", "https://schema.org/color"],
  "hasVariant": [
    {
      "@type": "Product",
      "sku": "LINEN-SHIRT-WHITE-M",
      "name": "Linen Relaxed Shirt — White / M",
      "color": "White",
      "size": "M",
      "material": "Linen",
      "image": "https://example.com/products/linen-shirt-white.jpg",
      "offers": {
        "@type": "Offer",
        "url": "https://example.com/products/linen-shirt?variant=white-m",
        "priceCurrency": "USD",
        "price": "79.00",
        "availability": "https://schema.org/InStock",
        "itemCondition": "https://schema.org/NewCondition"
      }
    },
    {
      "@type": "Product",
      "sku": "LINEN-SHIRT-BLACK-S",
      "name": "Linen Relaxed Shirt — Black / S",
      "color": "Black",
      "size": "S",
      "material": "Linen",
      "image": "https://example.com/products/linen-shirt-black.jpg",
      "offers": {
        "@type": "Offer",
        "url": "https://example.com/products/linen-shirt?variant=black-s",
        "priceCurrency": "USD",
        "price": "79.00",
        "availability": "https://schema.org/InStock",
        "itemCondition": "https://schema.org/NewCondition"
      }
    }
  ]
}

BreadcrumbList JSON-LD#

Combineer de ProductGroup met een BreadcrumbList zodat AI-engines de categoriehiërarchie begrijpen waarin je product leeft. De breadcrumb-URLs moeten exact overeenkomen met de zichtbare breadcrumb van de pagina.

{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "Home",
      "item": "https://example.com/"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "Shirts",
      "item": "https://example.com/collections/shirts"
    },
    {
      "@type": "ListItem",
      "position": 3,
      "name": "Linen Relaxed Shirt",
      "item": "https://example.com/products/linen-shirt"
    }
  ]
}

Veelgemaakte fouten (op frequentie)#

1. Varianten markeren die niet zichtbaar of selecteerbaar zijn op de pagina. Schema moet zichtbare realiteit weerspiegelen. Als je productpagina alleen S / M / L toont maar de JSON-LD XS tot XXL declareert, zullen AI-engines uiteindelijk een 404-variant proberen citeren en de store downweighten.

2. AggregateRating gebruiken zonder reviewwidget. Toon de reviews zichtbaar (Shopify Reviews-app) of laat het schema-veld weg. Niet verzinnen.

3. Inconsistentie van currency, prijs of beschikbaarheid tussen schema en zichtbare productpagina. Koper ziet $79 maar schema declareert 89.00 — AI-engines pakken het schema-nummer, citeren het, koper voelt zich bedrogen. Erger: Google flagt het schema als onbetrouwbaar.

4. Dezelfde sku hergebruiken over varianten. Shopify genereert unieke SKUs maar merchants overschrijven ze vaak. Dubbele SKUs in hasVariant laten AI-engines varianten onjuist samenvoegen.

5. ProductGroup en Product zo mengen dat variantspecifieke namen verloren gaan. Als je beide voor hetzelfde item uitzendt, zorg dat de Product-instantie de ouder is (geen variantdetails) en ProductGroup.hasVariant de varianten bevat. Niet Product voor elke variant buiten de groep emitteren.

6. Medische of niet-ondersteunde claims toevoegen aan apparel- beschrijvingen. ‘Houdings-corrigerend’ / ‘verbetert de circulatie’ / ‘antibacteriële stof voorkomt huidziekten’ — dit zijn gereguleerde claims in de meeste markten en triggeren AI-downweighting zelfs als juridisch OK. Blijf bij pasvorm- en materiaalbeschrijvingen.

7. Schema-URLs naar niet-canonieke variant-URLs laten wijzen. Als de pagina één canonieke product-URL gebruikt (bv. /products/linen-shirt) en varianten via query-param worden geselecteerd (?variant=white-m), moet hasVariant[].offers.url nog steeds wijzen naar de variant- specifieke URL — daar landen kopers (en AI-agenten).

Hoe te verifiëren#

1. Plak de gedeployde product-URL in

   Google Rich Results Test

   . De Product- en BreadcrumbList-items moeten valideren.
2. Loop de validatiechecklist hierboven veld voor veld door.
3. Open de pagina in een incognitovenster en controleer dat zichtbaar product H1, prijs, beschikbaarheid en breadcrumb allemaal overeenkomen met wat het schema declareert.
4. Voer de Schema-generator opnieuw uit als je de productstructuur verandert (nieuwe kleur, verwijderde maat) en deploy opnieuw.

JSON-LD is één signaal in de AI-shoppingstack. Combineer met het fashion llms.txt-sjabloon voor de content-map-kant, en verifieer met de Robots-analyzer dat GPTBot de productpagina kan bereiken.