El schema markup lleva años siendo una herramienta SEO subestimada. La mayoría de webs lo implementan a medias — un par de tipos básicos y poco más. Pero en el contexto actual, donde los modelos de lenguaje necesitan datos estructurados para citar fuentes con precisión, un schema bien implementado puede ser la diferencia entre aparecer en una respuesta de IA o no existir.
Por qué los LLMs necesitan datos estructurados
Un modelo de lenguaje no navega tu web como un humano. No aprecia tu diseño ni lee entre líneas. Procesa tokens y busca señales que le permitan identificar qué es tu contenido, quién lo publica y qué nivel de confianza merece.
El schema markup proporciona exactamente eso: metadatos legibles por máquina que describen el contenido de forma inequívoca. Cuando un LLM encuentra una página con schema Article que incluye autor, fecha de publicación, organización y fuentes citadas, tiene mucha más información para decidir si esa página merece ser citada que cuando encuentra HTML plano sin contexto.
Los tipos de schema que más importan para GEO y AEO
No todos los tipos de Schema.org tienen el mismo impacto en la visibilidad ante modelos de IA. Estos son los que hemos comprobado que marcan diferencia:
FAQPage
El formato pregunta-respuesta es el que mejor se alinea con cómo funcionan los LLMs. Si tu página responde preguntas frecuentes, FAQPage le dice al modelo exactamente dónde están las preguntas y dónde las respuestas. Sin ambigüedad.
HowTo
Para contenido instructivo paso a paso. Los AI Overviews de Google extraen pasos directamente del schema HowTo, y los LLMs como ChatGPT usan este formato cuando necesitan citar procedimientos.
Article / BlogPosting
El esquema base para cualquier contenido editorial. Lo fundamental: incluir author, datePublished, dateModified y publisher. Sin estos campos, el artículo pierde credibilidad ante los modelos.
Organization / LocalBusiness
Para que los LLMs identifiquen tu empresa como entidad verificable. Incluye nombre, dirección, teléfono, URL, logo y sameAs apuntando a tus perfiles en redes sociales y directorios. Esto alimenta los grafos de conocimiento internos de los modelos.
Service
Si ofreces servicios, este tipo de schema le dice al modelo qué haces, dónde operas y quién eres. Combinado con areaServed, es fundamental para búsquedas locales en motores de respuesta.
BreadcrumbList
Parece menor, pero le da al modelo la estructura jerárquica de tu sitio. Cuando un LLM necesita entender la relación entre páginas, los breadcrumbs estructurados son una señal directa.
Errores comunes que anulan el beneficio
Implementar schema no sirve de nada si se hace mal. Los errores que vemos con más frecuencia:
- Schema genérico copypaste — El mismo bloque JSON-LD en todas las páginas, sin personalizar los campos para cada contenido.
- Campos obligatorios vacíos — Un Article sin
authoro sindatePublishedpierde la mayoría de su valor. - Incoherencia schema-contenido — El schema dice una cosa y el contenido visible dice otra. Los validadores no lo detectan, pero los LLMs sí notan la discrepancia.
- Exceso de tipos innecesarios — Añadir schema que no corresponde al contenido real de la página. Más no es mejor; mejor es mejor.
Cómo verificar tu implementación
El validador de Google (Rich Results Test) te dice si tu schema es técnicamente válido, pero no si es útil para los LLMs. Para una verificación completa:
- Pasa tu URL por el Rich Results Test — corrige errores técnicos.
- Revisa manualmente que cada campo refleje el contenido real de la página.
- Busca tu marca en ChatGPT y Perplexity — ¿citan tu web? ¿La información que muestran coincide con tu schema?
- Comprueba que
sameAsapunta a perfiles activos y verificados.
El schema markup no es magia. Es infraestructura. Como los cimientos de un edificio: nadie los ve, pero sin ellos nada se sostiene. En un mundo donde los modelos de IA son los nuevos intermediarios entre tu contenido y tu audiencia, esa infraestructura es más importante que nunca.
¿Prefieres escuchar el contenido? Genera la narración de audio con un clic.