Resumen
Esta auditoría valida el marcado schema.org de una página y señala lo que dificulta que los LLM la citen, desde tipos Article o FAQPage ausentes hasta propiedades incompletas. El marcado solo ayuda si es válido y completo: un bloque schema con un error de sintaxis se ignora, así que corrija primero los errores críticos.
¿Quiere ir más lejos? Pregunte a
Los datos estructurados son una de las señales más claras que puede enviar a un modelo de IA sobre lo que contiene su página, quién la creó y qué preguntas responde. Cuando el marcado schema.org está correctamente implementado, los LLM pueden extraer autor, fecha de publicación, precio de producto, respuestas FAQ y relaciones entre entidades sin tener que inferirlas a partir de prosa no estructurada. Cuando está ausente, malformado o usa tipos que los modelos de IA no priorizan, la página se vuelve mucho más difícil de citar con confianza. La herramienta anterior analiza los datos estructurados presentes en cualquier URL que proporcione, los valida contra las especificaciones schema.org y señala los problemas con mayor probabilidad de reducir su rendimiento GEO.
¿Qué tipos de schema importan más para el GEO?
La herramienta anterior verifica los siguientes tipos de schema y su impacto GEO:
- Article y NewsArticle: señalizan que la página es un contenido sustancial con un autor y una fecha de publicación. Solo estos dos campos aumentan significativamente la probabilidad de que un LLM trate la página como una fuente citable en lugar de un documento web anónimo.
- FAQPage: permite a los LLM extraer pares pregunta-respuesta directamente del marcado sin analizar la página circundante. Las páginas con schema FAQPage aparecen consistentemente en citas de respuestas IA para consultas informativas.
- Product y Offer: permiten a los asistentes de compras IA y a las funciones de comparación de precios extraer datos de producto estructurados. El schema Product ausente o incompleto es una de las principales razones por las que las páginas de e-commerce rinden por debajo de lo esperado en la búsqueda impulsada por IA.
- Organization y Person: establecen la identidad de entidad. Los LLM los usan para resolver a qué empresa o individuo pertenece una página, mejorando la precisión de las citas de marca y reduciendo la confusión con entidades de nombres similares.
- HowTo e ItemList: permiten a los modelos IA presentar instrucciones paso a paso o listas clasificadas directamente en sus respuestas, aumentando la probabilidad de que su contenido aparezca para consultas procedimentales.
Cómo interpretar y actuar sobre los resultados de la auditoría
La herramienta anterior agrupa los hallazgos en tres niveles de gravedad. Aquí se explica cómo responder a cada uno:
- Errores críticos: sintaxis JSON-LD malformada, propiedades requeridas incorrectas o declaraciones de tipo conflictivas. Corríjalos de inmediato. Un bloque schema con un error de sintaxis es ignorado silenciosamente por los motores de búsqueda y los LLM.
- Tipos de alto valor ausentes: la página se beneficiaría de schemas adicionales que no están presentes actualmente. Para páginas informativas, agregue Article con autor y fecha. Para páginas de producto, agregue Product con nombre, descripción y Offer. Para contenido de instrucciones, envuelva los pasos en HowTo.
- Propiedades incompletas: el tipo de schema está presente pero los campos clave están vacíos o son genéricos. Agregue valores específicos para cada propiedad recomendada, especialmente datePublished, dateModified, author y description.
Un punto de referencia sobre datos estructurados y citas IA
Las páginas con schema Article y FAQPage completos son considerablemente más propensas a ser citadas en AI Overviews y respuestas de ChatGPT que páginas equivalentes que dependen de prosa no estructurada. Dado que los AI Overviews ahora aparecen en aproximadamente el 31% de las consultas de Google, y que las páginas en posición 1 detrás de un AI Overview pueden perder hasta el 58% de los clics esperados (Ahrefs, 2025), ser citado dentro de la respuesta IA es cada vez más valioso que mantener el posicionamiento orgánico inmediatamente debajo.
Para el monitoreo continuo de su cobertura de schema y rendimiento de citas IA en ChatGPT, Perplexity y Gemini, Sorank rastrea automáticamente su visibilidad GEO.
