Schema.org para IA: tipos, ejemplos e implementación

¿Qué aclara el marcado schema para la búsqueda con IA?

El marcado schema describe las entidades y relaciones representadas en una página. Proporciona a los sistemas de búsqueda un contexto estructurado sobre contenido que ya debería estar claro para un lector humano; no sustituye a un texto de página útil y preciso.

Por ejemplo, una página de artículo podría identificar su titular, autor, fecha de publicación y texto principal como propiedades de artículo. Una página de empresa podría describir la organización y su sitio web oficial. Una página de producto puede usar propiedades de producto relevantes cuando esos detalles están realmente presentes y actualizados. Estos ejemplos son puntos de partida, no instrucciones para añadir todos los campos disponibles.

Una regla práctica es marcar el tema principal de la página y solo los detalles que la página respalde. Si la página dice que una función está disponible en una región específica, los datos estructurados no deben implicar una disponibilidad más amplia. Si el autor no está identificado, no inventes un autor para rellenar un campo.

Schema.org proporciona el vocabulario; la implementación aún debe reflejar la página con precisión. La documentación de datos estructurados de Google explica su propio uso de los datos estructurados, mientras que schema.org documenta tipos y propiedades. Ninguna de las dos fuentes dice que añadir marcado por sí solo garantice la inclusión en una respuesta generada por IA.

¿Qué tipos de schema.org importan más y cuándo?

Elige los tipos según el propósito de la página y la información que un lector pueda verificar en ella. Un conjunto más pequeño de marcado preciso y relevante es más fácil de mantener que un conjunto amplio de tipos añadidos por apariencia.

Estos son ejemplos, no una lista de verificación universal de schema. Un proyecto puede necesitar solo un tipo relevante en una página, y algunas plantillas pueden no justificar datos estructurados en absoluto. No añadas un tipo solo porque aparezca en el código fuente de un competidor o en un generador de marcado.

Para cada campo propuesto, pregúntate: ¿la información es visible, específica y la mantiene alguien responsable? Si la respuesta es no, déjala fuera o resuelve primero la brecha de contenido. Para la planificación técnica que también cubre el acceso de rastreo y llms.txt, consulta AEO técnico: schema, llms.txt, rastreadores.

LLMs.txt vs schema.org: ¿cuál es la diferencia?

Schema.org es un vocabulario para describir entidades y propiedades en datos estructurados; llms.txt es una convención de archivo de texto plano separada destinada a ofrecer a los sistemas de modelos de lenguaje una orientación concisa sobre un sitio. No son intercambiables y uno no reemplaza al otro.

Los datos estructurados pertenecen a la página o información del sitio que describen. Pueden expresar que una página es un artículo o identificar propiedades de una organización, por ejemplo. Un archivo llms.txt, por el contrario, puede apuntar a material seleccionado o explicar la organización de un sitio en texto. No valida schema, no repara contenido de página poco claro ni hace que una página sea elegible para un resultado particular.

Considera usar cualquiera de ellos solo cuando haya un propietario de mantenimiento claro y una necesidad de información concreta. Mantén llms.txt breve, preciso y alineado con la navegación actual del sitio; mantén el schema alineado con los hechos visibles de la página. Evita tratar cualquiera de los formatos como un mecanismo de control de acceso o como una forma de indicar a un sistema de IA que cite una página preferida.

Para una evaluación separada de la convención de archivo de texto, lee llms.txt: qué es y si lo necesitas. Una decisión útil es primero corregir la estructura de página poco clara y las inconsistencias fácticas, y luego decidir si cada formato adicional resuelve un problema definido.

¿Cómo deberías implementar y revisar el marcado schema?

Una implementación sólida comienza con un inventario de páginas y una comparación entre el contenido visible y los campos estructurados propuestos. Esa revisión evita que las plantillas publiquen información desactualizada, no respaldada o no coincidente a escala.

Una secuencia práctica de implementación es:

• Identifica las URLs prioritarias y agrupa por plantilla y propósito.
• Selecciona el conjunto relevante más pequeño de tipos de schema.org para cada grupo.
• Mapea cada propiedad a una fuente visible en la página o en un sistema de contenido aprobado.
• Añade el marcado usando el método soportado por el sitio, comúnmente JSON-LD donde la plataforma lo permita.
• Prueba páginas representativas, inspecciona advertencias y errores, y corrige desajustes antes de una publicación más amplia.
• Registra el propietario y el desencadenante de revisión para cambios en plantillas o contenido fuente.

Para un ejemplo de artículo, el marcado podría describir la página como Article y reflejar el mismo titular y autor que se muestran a los visitantes. Esto es una ilustración de la relación entre contenido y marcado, no un bloque de datos listo para pegar: los campos obligatorios y las características soportadas varían según la implementación y la plataforma de búsqueda.

En MegaSatoshi, la Revisión de Cumplimiento comprueba las propiedades propuestas contra el contenido de la página y los hechos aprobados por el cliente. El Control de Calidad luego verifica plantillas representativas y registra problemas no resueltos antes de la entrega. Para una planificación más amplia en el trabajo de búsqueda con IA, consulta visibilidad en búsqueda con IA y AEO técnico.

¿Qué deberían preparar el cliente y el equipo de implementación?

El trabajo de schema avanza eficientemente cuando el cliente y el equipo de implementación acuerdan hechos fuente, propiedad de la página y responsabilidad de publicación antes de añadir el marcado. Usa esta lista para hacer explícitas esas decisiones.

Nosotros preparamos:

• Un inventario priorizado de páginas y plantillas, con el propósito de cada página anotado.
• Un mapeo de tipos y propiedades de schema candidatos al contenido visible.
• Ejemplos de implementación adecuados al sistema de publicación del sitio.
• Una lista de verificación de validación que cubra desajustes de contenido, comportamiento de plantillas y propiedad de entrega.
• Un Archivo de Gobernanza que registre hechos aprobados, decisiones, problemas abiertos y responsabilidades de revisión.

El cliente proporciona:

• Acceso a las plantillas relevantes del sitio o un contacto técnico que pueda implementar cambios.
• Detalles aprobados de organización, producto, autor y editorial donde corresponda.
• URLs de página actuales y cualquier cambio conocido de plantilla o contenido en curso.
• Un propietario designado que pueda aprobar afirmaciones fácticas y decidir cómo se publican las correcciones.

El Archivo de Gobernanza es útil más allá del lanzamiento: cuando un detalle de producto, registro de autor o estructura de página cambia, el propietario puede rastrear qué propiedades necesitan revisión. Mantén la evidencia cerca de la fuente de verdad en lugar de copiar hechos a una hoja de cálculo separada sin plan de mantenimiento. Para una visión más amplia de cómo el marcado encaja en un programa de visibilidad en IA, consulta optimización para búsqueda con IA.

¿Qué no puede controlar el marcado schema en la búsqueda con IA?

El marcado schema puede describir una página, pero no puede controlar cómo ChatGPT, Perplexity, Google u otro sistema descubre, interpreta, selecciona o cita esa página. Esos sistemas toman sus propias decisiones, y sus interfaces y documentación pueden cambiar.

Por lo tanto, trata el entregable confirmado como orientación de implementación precisa, trabajo de marcado acordado y validación documentada, no como una promesa de una respuesta, cita, posicionamiento o apariencia de búsqueda específica. La guía de Google también distingue los datos estructurados de las funciones de visualización garantizadas; usa su documentación actual al evaluar una función particular de Google.

Antes del lanzamiento, usa esta verificación de calidad:

• ¿Cada hecho marcado aparece en la página o tiene una fuente aprobada y confiable?
• ¿El tipo elegido describe el propósito principal de la página en lugar de un resultado deseado?
• ¿La página renderizada y los datos estructurados coinciden después de la publicación?
• ¿Hay un propietario que revisará el marcado cuando el contenido o las plantillas cambien?

Si el problema principal del sitio es información de entidad faltante o inconsistente, el marcado puede ser solo una parte del trabajo. Revisa el contenido y las señales de entidad junto con la implementación técnica a través de optimización de entidad para IA, y luego prioriza las correcciones que mejoren la página en sí.

Precios

Precios iniciales en USD. Paquetes a medida y descuentos por volumen bajo solicitud. Pago en USDT, USDC, BTC, ETH, SOL, TON o con el token de tu proyecto.

Cómo trabajamos

1. Definir el alcanceComparte el sitio, las páginas prioritarias y las preguntas de negocio que el marcado debería ayudar a aclarar. Identificamos plantillas representativas y acordamos qué está en el alcance.
2. Recopilar hechos aprobadosEl cliente proporciona detalles actuales de organización, producto o editorial y confirma quién puede aprobarlos. Registramos la propiedad de la fuente antes de proponer campos.
3. Mapear tipos al contenidoEmparejamos tipos y propiedades de schema.org candidatos con la información visible en las páginas seleccionadas, excluyendo campos no soportados o redundantes.
4. Revisar y validarLa Revisión de Cumplimiento verifica la alineación fáctica, seguida del Control de Calidad en páginas representativas y detalles de implementación.
5. Entregar gobernanzaProporcionamos los ejemplos acordados, notas de validación y el Archivo de Gobernanza para que el equipo responsable pueda mantener el marcado a medida que las páginas cambien.