Améliorez la façon dont les modèles IA trouvent et citent votre boutique.
Le Score de citabilité mesure la capacité de votre contenu à être cité par les modèles IA.
Exemple concret
Citabilité 31 → 69. Les produits sans spécifications ni FAQ sont rarement cités par ChatGPT ou les AI Overviews de Google.
Après avoir rempli 18 champs de spécifications (dimensions, cannelure, charge admissible), un bloc FAQ par produit et le schéma Product, le score de citabilité est passé de 31 à 69 en moyenne.
Facteurs: longueur, densité factuelle, clarté des entités, métadonnées, structure, différenciation.
Exemple concret
La fiche « Carton simple cannelure 30x20x15 » est passée d'un score de 42 à 78 après avoir ajouté dimensions, grammage et FAQ, améliorant densité factuelle et clarté des entités.
Un score plus élevé signifie que les assistants IA comme ChatGPT peuvent citer le produit avec des faits précis, pas juste le nom de la marque.
Le Simulateur de recherche IA simule comment un modèle IA trouverait votre boutique.
Exemple concret
Simulé sur « meilleur carton pour envoyer un colis fragile », le simulateur a montré que G&F Verpakkingen n'apparaissait pas faute de mention explicite de résistance à l'écrasement dans les fiches.
Après ajout de cette caractéristique, une nouvelle simulation confirme la boutique dans le top des réponses générées.
Le Générateur FAQ crée des FAQ en JSON-LD, poussables vers Shopify.
Exemple concret
La FAQ générée pour les cartons d'expédition inclut « Quelle épaisseur choisir pour un envoi de 5 kg ? », poussée en JSON-LD directement sur la fiche produit.
Ce balisage structuré aide les moteurs et les assistants IA à extraire une réponse exacte sans lire toute la page.
Le fichier llms.txt informe les crawlers IA du contenu disponible.
Exemple concret
Le fichier llms.txt de G&F Verpakkingen liste les 34 collections et les 512 produits avec un résumé d'une ligne chacun, lisible par les crawlers IA.
Cela évite qu'un modèle IA se base sur des informations obsolètes trouvées ailleurs sur le web.
Correction IA en masse pour les items avec scores faibles.
Exemple concret
87 produits sous le score de citabilité de 50 ont été corrigés en un seul run groupé, chacun recevant dimensions manquantes et description enrichie.
Cibler uniquement les scores faibles évite de retoucher les 425 fiches déjà solides.
Audit des données structurées: Product, FAQ, Breadcrumb et Organization schema.
Exemple concret
L'audit a détecté que 60 fiches produit n'avaient pas de schema Product complet (prix ou disponibilité manquants) chez G&F Verpakkingen.
Corriger ce schema permet aux résultats enrichis Google (prix, stock) de s'afficher directement dans les résultats de recherche.
Suivi des tendances: scores sur 90 jours.
Exemple concret
Sur 90 jours, le score de citabilité moyen de G&F Verpakkingen est passé de 51 à 74 après les runs groupés successifs de correction.
Suivre la courbe permet de vérifier que les optimisations tiennent dans le temps, pas seulement au moment de la génération.