Schema Markup (o datos estructurados) es un vocabulario estandarizado de etiquetas HTML que permite a los motores de búsqueda y a los modelos de IA entender el contenido de una página de forma precisa y sin ambigüedades.
Sin schema, Google tiene que 'adivinar' si un número en una página es un precio, una fecha, una calificación o un teléfono. Con schema, ese número está etiquetado explícitamente. Eso mejora la indexación, activa los rich snippets en los resultados de búsqueda y — lo que cada vez importa más — aumenta la citabilidad del contenido por parte de los LLMs.
¿Qué es el Schema Markup y de dónde viene?
Schema Markup es un conjunto de etiquetas estandarizadas definidas en Schema.org — un proyecto colaborativo iniciado en 2011 por Google, Bing, Yahoo y Yandex. El objetivo fue crear un lenguaje común para describir entidades en la web (personas, organizaciones, productos, artículos, eventos, etc.) de forma que cualquier motor de búsqueda pudiera entenderlo.
El formato recomendado para implementar schema es JSON-LD (JavaScript Object Notation for Linked Data) — un bloque de código en el `<head>` de la página que describe el contenido sin mezclarse con el HTML visible.
Schema no es opcional en 2026. Google lo usa para decidir qué páginas son elegibles para rich snippets (estrellas de valoración, precios, FAQs en los resultados) y como señal de estructuración de contenido para sus modelos de IA generativa.
Cómo usan Google y los LLMs el Schema Markup
Google usa el schema de dos formas principales: para activar rich snippets en los resultados (estrellas, precios, FAQs desplegables, duración de recetas) y para construir el grafo de conocimiento (Knowledge Graph) que conecta entidades entre sí.
Los LLMs usan los datos estructurados de una forma diferente pero complementaria: cuando un sistema RAG recupera páginas para responder una consulta, el schema facilita la extracción de información específica. Una página con FAQPage schema tiene sus preguntas y respuestas listas para ser extraídas directamente — sin necesidad de que el modelo analice el texto completo.
Tipos de schema más importantes para SEO en 2026
| Schema Type | Rich Snippet activado | Dónde implementar |
|---|---|---|
| Organization | Panel de conocimiento, logo en resultados | Homepage |
| Article / BlogPosting | Fecha y autor en resultados | Todos los artículos |
| Product | Precio, disponibilidad, valoraciones | Páginas de producto |
| LocalBusiness | Horarios, dirección, valoraciones en mapa | Negocios con sede física |
| Review / AggregateRating | Estrellas de valoración | Páginas con reseñas |
| BreadcrumbList | Breadcrumbs visibles en resultado de búsqueda | Todas las páginas internas |
| Event | Fecha, lugar y precio del evento | Páginas de eventos |
| VideoObject | Thumbnail del video en resultados | Páginas con video principal |
Schema para GEO: los 5 tipos más citables por LLMs
Para maximizar la citabilidad en motores de IA, algunos tipos de schema son especialmente relevantes:
- 1FAQPage — Marca las preguntas y respuestas como formato Q&A estructurado. Es el tipo de schema más citado por LLMs porque proporciona unidades de información autocontenidas (pregunta + respuesta completa).
- 2HowTo — Estructura una serie de pasos para completar una tarea. Altamente citable para consultas 'cómo hacer X' que son frecuentes en LLMs.
- 3Article con author (Person) — Combina la autoría verificable con el contenido del artículo. Google y los LLMs priorizan contenido con autor identificado para señales E-E-A-T.
- 4Organization — Define la entidad de la empresa con nombre, descripción, URL y sector. Es la base del Entity Building para GEO — sin esto, los LLMs no tienen una definición clara de la marca.
- 5DefinedTerm / Glossary — Para páginas que definen conceptos del sector. Los LLMs usan estas definiciones directamente cuando responden '¿qué es X?'.
Cómo implementar Schema Markup con JSON-LD
El método recomendado por Google para implementar schema es JSON-LD — un bloque de JavaScript en el `<head>` de la página. No modifica el contenido visible ni requiere cambios en el HTML del body.
<!-- Schema FAQPage — va en el <head> -->
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "¿Qué es el Schema Markup?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Schema Markup es un vocabulario de datos estructurados que permite a los motores de búsqueda y LLMs entender el contenido de una página de forma precisa."
}
}
]
}
</script>
<!-- Schema Organization — homepage -->
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "RankAgile",
"url": "https://rankagile.com",
"logo": "https://rankagile.com/logo.svg",
"description": "Agencia SEO internacional especializada en GEO y SEO técnico.",
"sameAs": [
"https://linkedin.com/company/rankagile",
"https://www.wikidata.org/wiki/Q..."
]
}
</script>Cómo implementar schema en React / Next.js
En aplicaciones React (como este sitio), el schema se puede inyectar en el `<head>` de dos formas: usando un `useEffect` que crea un `<script type='application/ld+json'>` dinámicamente, o usando `next/head` en Next.js para páginas estáticas.
RankAgile inyecta el schema Article + FAQPage + BreadcrumbList automáticamente en cada artículo del blog a través del componente BlogPost.jsx — sin necesidad de configuración manual por artículo.
Cómo validar el schema implementado
Implementar schema con errores es peor que no implementarlo — puede generar alertas en Search Console y confundir a los modelos de IA. Siempre validar con estas herramientas antes de publicar:
- Rich Results Test (search.google.com/test/rich-results) — herramienta oficial de Google que muestra si el schema activa rich snippets y detecta errores
- Schema Markup Validator (validator.schema.org) — validación técnica del JSON-LD contra el vocabulario oficial de Schema.org
- Google Search Console → Sección 'Mejoras' — muestra errores de schema detectados en todas las páginas indexadas del sitio
- Screaming Frog — puede crawlear el sitio y exportar todos los schemas implementados para revisión masiva
Errores frecuentes de implementación de schema
Los errores de schema que RankAgile detecta con mayor frecuencia en auditorías:
- 1JSON-LD mal formado — una coma o llave mal puesta hace que todo el schema sea ignorado. Siempre validar con el Rich Results Test.
- 2Schema Organization ausente en la homepage — la página más importante del sitio sin definición de entidad.
- 3FAQPage sin completar el campo 'acceptedAnswer' — Google requiere respuesta para activar el rich snippet.
- 4Article sin campo 'datePublished' — necesario para mostrar la fecha en los resultados.
- 5Schema duplicado — el mismo tipo de schema implementado dos veces en la misma página genera confusión.
- 6Usar Microdata en vez de JSON-LD — aunque válido, es más difícil de mantener. JSON-LD es el formato recomendado.
Preguntas frecuentes
¿Qué es el Schema Markup?
Schema Markup (datos estructurados) es un vocabulario de etiquetas estandarizado definido en Schema.org que permite describir el contenido de una página web de forma que los motores de búsqueda y los modelos de IA puedan entenderlo con precisión. El formato más común es JSON-LD, un bloque de código en el <head> de la página. Se usa para activar rich snippets en Google y para mejorar la citabilidad en LLMs.
¿El Schema Markup es un factor de ranking directo?
Google oficialmente dice que el schema no es un factor de ranking directo. Sin embargo, el schema sí es requisito para activar rich snippets (estrellas, precios, FAQs) que aumentan el CTR, y es una señal que influye en la elegibilidad para AI Overviews. El efecto indirecto sobre el posicionamiento es significativo en términos de CTR y visibilidad.
¿Qué schema markup es el más importante para un blog?
Para un blog o sitio de contenido, los tipos más importantes son: Article (con author, datePublished y dateModified), FAQPage para secciones de preguntas frecuentes, BreadcrumbList para la navegación, y Organization en la homepage. Para artículos de blog que quieren citabilidad en LLMs, el FAQPage es el tipo de schema con mayor impacto.
¿El schema markup ayuda a aparecer en ChatGPT y otros LLMs?
Sí, especialmente el FAQPage y el HowTo. Los LLMs que usan sistemas RAG (Perplexity, Gemini, ChatGPT con browsing) recuperan páginas y extraen fragmentos para responder consultas. El schema facilita esa extracción: una FAQPage tiene la estructura pregunta-respuesta perfecta para que un LLM la use directamente sin analizar el texto completo. También el Organization schema ayuda a definir la entidad de la marca en el grafo de conocimiento.