Schema.org para búsqueda con IA: qué tipos elegir y cómo implementarlos

¿Cómo ayuda Schema.org al GEO y qué esperar de él?

Schema.org describe el contenido de la página de forma legible por máquina: por ejemplo, indica si se trata de un artículo, un autor o una organización. Para GEO, es una forma de reducir la ambigüedad de entidades y relaciones, no un método independiente para comprar presencia en las respuestas de IA.

Primero, determina qué problema resuelve cada página específica. Un artículo responde a una pregunta y tiene autor; una página de proyecto describe una organización o producto; una FAQ contiene preguntas y respuestas visibles. Solo después elige el marcado. Si describes el material como producto o servicio sin el contenido correspondiente, crearás una contradicción, no un contexto útil.

Orden práctico para cada página importante:

• identifica el objeto principal y sus propiedades confirmadas en la página;
• verifica que el nombre, la descripción y la autoría coincidan entre el texto y los datos estructurados;
• vincula la página con los perfiles de la organización o del autor, si realmente existen;
• elimina los campos que no puedas confirmar con el contenido del sitio.

Schema.org es útil como parte de la claridad técnica junto con texto de calidad y navegación accesible. Para una visión general, compáralo con AEO técnico: schema, llms.txt y rastreadores y la guía sobre visibilidad en la búsqueda con IA.

¿Qué tipos de Schema.org son importantes para el sitio de un proyecto?

Elige los tipos de Schema.org según el propósito de la página, no por la popularidad del marcado. Para la mayoría de los sitios de contenido, basta con describir la organización, la página web y el material; las entidades adicionales solo son necesarias cuando corresponden exactamente a la información publicada.

No es un conjunto obligatorio universal: por ejemplo, Article no es adecuado para una página de descripción de producto solo porque tenga mucho texto. No agregues propiedades solo para llenar campos; cada valor debe tener una fuente en el sitio. Para el autor, indica el nombre real o la organización, y usa el enlace al perfil solo si existe la página correspondiente.

Compara cada entidad con el diccionario oficial de Schema.org. Si el sitio tiene varios tipos de páginas, crea una matriz: plantilla de página, tipo adecuado, campos del contenido y responsable de la actualización. Esto ayuda a detectar discrepancias antes de publicar y evita propagar marcado erróneo en las plantillas.

Ejemplo de Schema.org para Perplexity: marcado de artículo

El ejemplo de Schema.org para Perplexity debe reflejar con precisión el artículo publicado, su autor y su editor. El JSON-LD a continuación muestra la estructura básica de Article; reemplaza las direcciones y valores con los datos reales de tu sitio y no agregues propiedades sin confirmación.

JSON-LD: { "@context": "https://schema.org", "@type": "Article", "headline": "Título del material", "url": "https://example.com/blog/material", "author": { "@type": "Person", "name": "Nombre del autor", "url": "https://example.com/team/author" }, "publisher": { "@type": "Organization", "name": "Nombre del proyecto", "url": "https://example.com/" }, "mainEntityOfPage": "https://example.com/blog/material" }

Esto es una plantilla, no una señal que por sí misma determine la citación. Para una página real, verifica que el título coincida con el H1 visible, que la URL se abra, que el nombre del autor aparezca en el material y que el editor coincida con la información de la organización. No insertes direcciones de demostración ni datos ficticios en el código publicado.

Si el artículo se actualiza, organiza la actualización del marcado junto con el contenido, no como una edición manual separada en un solo lugar. Son importantes la coherencia entre HTML y JSON-LD, las direcciones canónicas estables y los enlaces internos claros al autor y al editor. Este enfoque hace que las relaciones entre entidades sean más claras para los sistemas que analizan páginas.

¿Cómo agregar Schema.org para AEO sin errores?

Para agregar Schema.org para AEO, primero compara los campos con el contenido visible, luego implementa el JSON-LD en la plantilla o en la página específica y verifica el resultado. El marcado debe describir lo que el usuario puede leer, no reemplazar ni ampliar los hechos.

Secuencia de trabajo:

• Elige un grupo de páginas y define la plantilla de datos común.
• Compara títulos, autor, organización, URL y otros valores utilizados con el contenido.
• Agrega el JSON-LD en el CMS o en el código de la plantilla para que se muestre solo en las páginas adecuadas.
• Verifica la sintaxis y la conformidad con el diccionario de Schema.org; luego revisa la página en el navegador y compara los datos con el marcado.
• Repite la verificación después de cambios en la plantilla, la URL o el proceso de publicación.

Para AEO, no solo importa la validez formal. Si el CMS publica una versión del título y el marcado contiene otra, la descripción automática se vuelve poco fiable. Define de dónde obtiene el sistema cada campo: por ejemplo, el nombre del autor desde el perfil, el título desde el H1 y el editor desde la configuración del proyecto.

Puedes comenzar la implementación con un conjunto limitado de URL clave y luego extender la plantilla probada a páginas similares. Conserva las páginas de prueba y una lista de verificación para el editor. Alinea los cambios técnicos con el plan de optimización del sitio para la búsqueda con IA y de contenido para respuestas de IA, para que la estructura respalde las preguntas reales de la audiencia.

¿Cómo configurar llms.txt y vale la pena agregarlo?

llms.txt es un archivo de texto en la raíz del sitio, concebido como un mapa breve de materiales útiles para los modelos de lenguaje. Se puede usar como navegación adicional hacia páginas importantes, pero no reemplaza la estructura habitual del sitio, el contenido abierto ni Schema.org.

Para empezar, elige las páginas que realmente ayudan a entender el proyecto: descripción del producto, documentación, guías importantes e información de contacto. Crea un archivo Markdown compacto con el nombre del proyecto, una descripción breve y neutral y enlaces a esos materiales. Indica URL reales, verifica la accesibilidad de cada página y elimina secciones obsoletas. No incluyas información confidencial ni uses el archivo como lugar para promesas que no están en las propias páginas.

Publica el archivo en la raíz del dominio y verifica que se abra sin iniciar sesión y que conduzca a direcciones actualizadas. Luego, define el propietario y el proceso de actualización: el archivo debe cambiar junto con la estructura del sitio, no quedar olvidado después del lanzamiento. Los detalles sobre el propósito y las limitaciones se recogen en la guía llms.txt: qué es y si lo necesitas; la especificación se puede consultar en llmstxt.org.

Si hay pocos recursos para el mantenimiento, primero corrige la navegación, la accesibilidad de las páginas clave y la precisión de los hechos. llms.txt tiene sentido como un índice adicional simple cuando realmente facilita la orientación en un gran conjunto de materiales.

¿Cómo elige Perplexity las fuentes y en qué se diferencia de ChatGPT?

Para la visibilidad en Perplexity, es importante que la página útil sea accesible y ofrezca una respuesta clara; el mecanismo exacto de selección y clasificación de fuentes no debe deducirse solo de la presencia de Schema.org. El marcado ayuda a describir la estructura de la página, pero el contenido y su idoneidad para la pregunta concreta siguen siendo una tarea aparte.

Perplexity y ChatGPT son productos diferentes con sus propios métodos para generar respuestas y mostrar fuentes. Por lo tanto, la consulta «ChatGPT vs Perplexity: qué es mejor para SEO» no se puede reducir a un único ganador: compáralos como superficies de búsqueda distintas. Registra los temas y la redacción de las preguntas, verifica qué páginas del proyecto aparecen en las respuestas y anota las URL de las fuentes mencionadas. Luego evalúa si tu material responde a la pregunta y confirma afirmaciones específicas.

Para optimizar para Perplexity, prepara una página donde:

• la respuesta a la pregunta principal esté al principio y se desarrolle después;
• los términos y nombres clave se usen de manera coherente;
• los hechos se puedan verificar en el propio material o mediante enlaces a fuentes primarias;
• la fecha, la autoría y la pertenencia del proyecto sean claras para el lector.

Compara las observaciones sobre los mismos temas y repite la verificación periódicamente, sin interpretar una aparición puntual como visibilidad estable. El marcado es una capa de trabajo, no un sustituto del contenido útil ni de un sitio técnicamente accesible. Consulta también la guía sobre cómo aparecer en las respuestas de Perplexity y el análisis general de promoción del sitio en la búsqueda con IA.

¿Cómo verificar el marcado y entender sus limitaciones?

La verificación del marcado no es solo buscar errores de sintaxis, sino también comparar los valores con lo publicado para el lector. Antes de publicar, compara el JSON-LD con el HTML y asegúrate de que cada enlace conduzca a la página de la entidad correspondiente.

Lista de verificación útil:

• la página tiene un tipo principal claro y adecuado a su propósito;
• el título, el autor, el editor y la dirección no difieren del contenido visible;
• el marcado no contiene propiedades no confirmadas ni datos de relleno;
• las mismas entidades usan nombres y direcciones coherentes;
• después de publicar o cambiar la plantilla, se vuelven a verificar las URL afectadas.

Corrige los errores de sintaxis antes de publicar y las discrepancias semánticas junto con el editor o el responsable del producto. Si un campo está desactualizado, averigua la fuente de datos y corrígelo allí donde se genera; de lo contrario, la incoherencia reaparecerá en otras páginas. Ten en cuenta también que algunas funciones de los motores de búsqueda pueden tener requisitos propios sobre tipos y propiedades del marcado.

Ni Schema.org ni llms.txt obligan a Perplexity o ChatGPT a rastrear la página, elegirla como fuente o incluirla en una respuesta. El acceso al sitio, las reglas de la plataforma concreta y su selección cambiante de fuentes están fuera del control del propietario del marcado; no se puede prometer citación. Planifica el trabajo según resultados controlables: código correcto, coherencia con el contenido, páginas accesibles y actualización regular.

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. Crea un mapa de páginasIdentifica las plantillas principales: artículos, páginas de organización, materiales de producto y FAQ. Para cada una, define su propósito y los campos visibles.
2. Selecciona tipos y propiedadesAsigna solo los tipos de Schema.org que correspondan al contenido. Anota la fuente de cada campo y el responsable de su precisión.
3. Implementa y verifica el JSON-LDAgrega el marcado en la plantilla o en páginas específicas. Compara sintaxis, direcciones y valores con el HTML publicado.
4. Decide si necesitas llms.txtSi el proyecto tiene un conjunto útil de materiales, crea un mapa breve de enlaces y define el proceso de actualización.
5. Observa la visibilidadVerifica las respuestas de IA sobre los temas elegidos y guarda las fuentes encontradas. Usa las observaciones para mejorar los materiales, no como promesa de resultado.