AEO y Schema.org: qué tipos de marcado influyen realmente en la visibilidad en IA

Introducción
La optimización para motores de respuesta (AEO) se centra en lograr que su contenido responda directamente a las preguntas, ya sea en asistentes de voz, en fragmentos destacados o en la nueva oleada de resultados de búsqueda generados por IA. En la era de la búsqueda basada en grandes modelos de lenguaje (LLM) (las AI Overviews de Google, Bing Chat/Copilot, ChatGPT, etc.), los datos estructurados (el marcado de Schema.org) se han convertido en una herramienta fundamental. ¿Por qué? Porque las máquinas premian la información que pueden analizar, verificar y atribuir. Añadir marcado de Schema.org convierte sus páginas en entidades legibles por máquinas, lo que mejora su elegibilidad para ser citadas en respuestas de IA y aumenta su visibilidad en la búsqueda. En resumen, los datos estructurados tienden un puente entre su contenido y los «motores de respuesta» que cada vez dominan más los resultados de búsqueda.

Pero ¿qué tipos de Schema.org influyen realmente en su visibilidad dentro de los resultados impulsados por IA? A continuación desglosaremos los tipos de marcado de alto impacto —FAQPage, HowTo, Product, About (AboutPage), Person, WebPage, QAPage y ClaimReview— y cómo cada uno puede potenciar su presencia en la búsqueda basada en LLM. Abordaremos los fundamentos conceptuales de la AEO en un contexto de IA, un análisis técnico en profundidad sobre la implementación de estos marcados, una guía paso a paso, ejemplos reales, el impacto en SEO/LLM, los errores habituales y una lista de comprobación práctica a modo de resumen.

Fundamentos conceptuales: la AEO en la era de la búsqueda con IA

¿Qué es la AEO? La optimización para motores de respuesta es una evolución del SEO orientada a conseguir que su contenido aparezca directamente en las respuestas: piense en fragmentos destacados, paneles de conocimiento, respuestas de asistentes de voz y, ahora, respuestas generadas por IA. El SEO tradicional consistía en posicionarse alto entre «diez enlaces azules», pero la AEO consiste en proporcionar la respuesta exacta o las unidades de información que los motores de búsqueda (o motores de respuesta) puedan ofrecer de forma inmediata. Con los chatbots de IA y la búsqueda generativa, este concepto se potencia al máximo: el propio motor de búsqueda sintetiza respuestas a partir de múltiples fuentes. Su objetivo es ser una de esas fuentes, citada y de confianza.

Cómo funciona la búsqueda basada en LLM: La búsqueda con IA generativa (como la Search Generative Experience de Google y el chat de IA de Bing) no se limita a recuperar páginas; construye respuestas comprendiendo entidades y hechos de toda la web. Las AI Overviews de Google, por ejemplo, emplean un proceso de «grounding» o generación aumentada por recuperación: la IA extrae información del índice de búsqueda (y del grafo de conocimiento) para responder a la consulta, a menudo con citas. Estos sistemas leen el contenido web de forma semántica, no solo mediante palabras clave. Buscan conocimiento claro: ¿quién interviene? ¿cuál es el tema? ¿cuál es la respuesta? Aquí es donde brillan los datos estructurados. Schema.org proporciona etiquetas semánticas para su contenido; en la práctica le dice a la IA: «Este texto es una pregunta y aquí está la respuesta», o «Esta página trata de un Product con estas especificaciones», o «Esta persona es la autora con estas credenciales».

Piense en Schema como un ángulo de ataque para la AEO en la IA: aporta a la IA un contexto inequívoco. Los motores generativos «conectan entidades, hechos y relaciones», y los datos estructurados etiquetan explícitamente esas relaciones. Por ejemplo, en lugar de que una IA adivine que un bloque de texto es una pregunta y respuesta, un marcado FAQPage se lo indica. En lugar de analizar una lista de pasos y confiar en deducir que es una guía práctica, el esquema HowTo dice «esto es un proceso paso a paso». En lugar de deducir quién es «la Dra. Jane Smith», el esquema Person puede vincular a la Dra. Smith con su organización y sus perfiles sociales, ofreciendo una entidad clara.

El marcado de Schema.org en pocas palabras: Schema.org es un vocabulario estandarizado (lanzado en 2011 por Google, Microsoft, Yahoo y Yandex) para estructurar datos en los sitios web. Define cientos de «tipos» (como FAQPage, Product, Person, etc.) y propiedades (como name, description, price, author). Normalmente implementamos el esquema mediante scripts JSON-LD dentro del HTML. Esto no cambia lo que ven los usuarios, pero sí cambia cómo interpretan las máquinas su página. Es, en esencia, una capa de significado sobre su contenido.

Es importante destacar que los datos estructurados por sí solos no son un factor de posicionamiento: no impulsan mágicamente su página al puesto número 1. Google ha afirmado de forma reiterada que no influirán directamente en la posición de posicionamiento principal. Sin embargo, sí influyen en cómo se muestra su contenido y en si es elegible para funciones especiales. En el SEO clásico, eso significaba fragmentos enriquecidos (estrellas, desplegables de FAQ, etc.) que, a su vez, mejoran la tasa de clics hasta en un 30 % de media.. En la AEO y la búsqueda con IA, significa que su contenido resulta mucho más comprensible para la IA y, por tanto, es más probable que sea seleccionado, resumido o citado en una respuesta. Dicho de otro modo, los datos estructurados respaldan la visibilidad de forma indirecta al facilitar que la IA confíe en su contenido y lo utilice..

Las propias directrices de Search Central de Google para los resultados de IA insisten en ceñirse a las prácticas recomendadas de SEO —incluidos los datos estructurados— en lugar de perseguir algún «truco de IA». En abril de 2025, John Mueller, de Google, reafirmó que no se requiere ninguna optimización especial para las funciones de IA más allá de un buen SEO, pero que «Google sigue recomendando el uso de datos estructurados en un mundo de búsqueda con IA», centrándose en los elementos visibles en los resultados de búsqueda. Por muy potentes que sean los LLM, ofrecerles una entrada limpia y estructurada supone una «clara ventaja». El equipo de Bing coincide: Fabrice Canel, de Microsoft, confirmó en 2025 que el marcado de esquema ayuda a Copilot, el sistema basado en LLM de Bing, a comprender su contenido; en efecto, la IA de Bing sí utiliza sus datos estructurados al generar respuestas.

Entidades y grafos de conocimiento: Otro concepto de la AEO es el grafo de conocimiento: la red de entidades (personas, lugares, cosas) y hechos que recopilan los motores de búsqueda. El marcado de Schema.org alimenta directamente estos grafos de conocimiento. Al utilizar Organization, Person, Product, las propiedades About/mentions, etc., le está diciendo en la práctica a Google/Bing: «Esta página trata de X (una entidad), estos son los detalles clave y así se relaciona X con otras entidades». Con el tiempo, esto puede ayudar a establecer su marca, sus autores y los temas de su contenido dentro de la base de conocimiento de los motores de búsqueda. Cuando los motores de búsqueda con IA construyen una respuesta, se apoyan en estas capas de conocimiento para garantizar la exactitud. Si las entidades de su sitio están bien definidas (por ejemplo, su autor es reconocido como experto, su marca es conocida por un tema), la IA puede mostrarse más inclinada a recurrir a su contenido.

En resumen, Schema.org es un cimiento técnico para la AEO en la era de la IA. No sustituye al contenido de calidad (aún necesita responder a las preguntas con claridad en texto legible para humanos), pero actúa como un multiplicador: aclara el «quién/qué/cuándo» a la máquina. A continuación, profundicemos en los tipos de esquema concretos y en los detalles técnicos para emplearlos en favor de la visibilidad ante la IA.

Análisis técnico en profundidad: tipos clave de esquema y cómo funcionan para la IA

Desglosemos cada tipo relevante de Schema.org: qué es, cómo implementarlo y cómo influye en la visibilidad en la búsqueda impulsada por IA. También abordaremos ejemplos de código en formato JSON-LD. El foco estará en los tipos que ha mencionado (FAQPage, HowTo, Product, About, Person, WebPage, QAPage, ClaimReview) más algunos estrechamente relacionados (Organization, Article) que conforman la «columna vertebral» de los datos estructurados de muchos sitios.

FAQPage: pares de pregunta y respuesta

Qué es: el esquema FAQPage es para páginas que enumeran preguntas frecuentes y sus respuestas. Esto resulta directamente útil para los motores de respuesta, porque presenta los pares de pregunta y respuesta de forma estructurada. Google Search utiliza el marcado FAQPage para crear resultados enriquecidos de FAQ desplegables bajo su listado (aunque, como veremos, recientemente han limitado esta función). Para la IA, una FAQ es oro puro: es básicamente una pequeña base de conocimiento en su página, y a los LLM les encanta el formato de pregunta y respuesta por razones obvias.

Cómo ayuda a la IA: al marcar una pregunta y una respuesta, hace que sea trivial para una AI Overview citar su contenido. La documentación de esquema de Google llegó a afirmar que los resultados enriquecidos de FAQ permiten mostrar «respuestas directas». En la práctica, si un usuario formula una pregunta que coincide con una de sus FAQ, una IA generativa podría extraer directamente su par de pregunta y respuesta. He visto a Bing Chat hacer exactamente esto: citar literalmente la respuesta de una FAQ de un sitio para una pregunta coincidente. El esquema de FAQ, en esencia, le grita al motor: «Si alguien pregunta esto, tenemos la respuesta aquí mismo».

Implementación: envuelve cada pregunta/respuesta en JSON-LD de este modo:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
     "@type": "Question",
     "name": "How long does shipping take?",
     "acceptedAnswer": {
        "@type": "Answer",
        "text": "Shipping typically takes 3-5 business days within the continental U.S."
     }
  },
  {
     "@type": "Question",
     "name": "Can I return a product if I'm not satisfied?",
     "acceptedAnswer": {
       "@type": "Answer",
       "text": "Yes. We offer a 30-day return policy on all items. Just ensure the product is in original condition."
     }
  }
  /* ... more Q&A pairs ... */ ]
}
</script>

Cada Question necesita un name (el texto de la pregunta) y un acceptedAnswer con un objeto Answer que contenga el text de la respuesta. En la práctica, solo debe marcar contenido que esté realmente visible en la página (no introduzca preguntas y respuestas ocultas solo por el esquema). Las directrices de Google son estrictas al respecto: los datos estructurados deben coincidir con el contenido visible.

Los cambios recientes de Google: en agosto de 2023, Google redujo drásticamente los resultados enriquecidos de FAQ. Anunciaron que los resultados enriquecidos de FAQPage «solo se mostrarán para sitios web gubernamentales y de salud reconocidos y con autoridad. Para todos los demás sitios, este resultado enriquecido ya no se mostrará de forma habitual». En términos sencillos, su marcado FAQPage ya no garantiza un elegante acordeón en las SERP de Google a menos que su sitio tenga gran autoridad en unas pocas categorías. Sin embargo, esto no significa que el esquema de FAQ sea inútil. El marcado sigue siendo válido y Google incluso afirma que no es necesario eliminarlo. Más importante aún para nuestro tema: la búsqueda con IA todavía puede aprovechar esas preguntas y respuestas estructuradas. Los expertos del sector recomiendan seguir utilizando el esquema de FAQ para la optimización con IA. The Structured Data Company lo expresa con claridad: aunque FAQPage ya no se admita para resultados enriquecidos en la mayoría de los sitios, «todavía puede resultar extremadamente útil para la IA». A un motor de respuesta generativo no le importa si Google Search mostró un acordeón o no; lo que le importa es que usted tenga una pregunta y una respuesta claras que pueda comprender. Por tanto, para la AEO, siga marcando las FAQ allí donde tenga contenido genuino de pregunta y respuesta.

HowTo: procedimientos paso a paso

Qué es: el esquema HowTo se utiliza para contenido instructivo que consta de una serie de pasos, por ejemplo, «Cómo cambiar un neumático pinchado» o «Cómo hornear un pastel». Descompone un proceso en una lista ordenada de pasos y puede incluir propiedades para herramientas, materiales, duración de cada paso, etc. Históricamente, Google ha mostrado fragmentos enriquecidos de HowTo con carruseles o listas paso a paso, incluyendo imágenes de cada paso, principalmente en los resultados móviles.

Cómo ayuda a la IA: el conocimiento procedimental se consulta con frecuencia en la búsqueda («¿cómo hago…?»). A los sistemas de IA les encanta disponer de pasos estructurados que puedan presentar o resumir. Un artículo de guía práctica marcado correctamente puede ser sintetizado por un LLM en una respuesta concisa en forma de lista de pasos. Por ejemplo, la SGE de Google podría generar un resumen que diga «Estos son los 5 pasos para hacer X» y, si su página proporcionó una secuencia de pasos claramente marcada, la IA puede tomarlos y reordenarlos con facilidad. Bing también puede enumerar pasos en sus respuestas. En esencia, el esquema HowTo ofrece a la máquina una receta de acciones ya elaborada, en la que puede confiar más que en un bloque de texto.

Implementación: un HowTo en JSON-LD define el HowTo general y un array de HowToStep (o HowToSection si se agrupan). Fragmento de ejemplo:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "How to Change a Flat Tire",
  "description": "Step-by-step guide to change a car tire safely.",
  "step": [
     {
       "@type": "HowToStep",
       "position": 1,
       "name": "Loosen the lug nuts",
       "text": "Use a wrench to loosen the lug nuts on the flat tire. Don't remove them completely yet."
     },
     {
       "@type": "HowToStep",
       "position": 2,
       "name": "Raise the car",
       "text": "Use a jack to lift the car until the flat tire is off the ground."
     }
     /* ... additional steps ... */
  ]
}
</script>

También puede especificar elementos como totalTime, tool (p. ej., «llave inglesa»), supply (consumibles necesarios), etc., que añaden más contexto.

Actualización del soporte de Google: al mismo tiempo que recortó las FAQ, Google también restringió los resultados enriquecidos de HowTo. Desde agosto de 2023, «los resultados enriquecidos de HowTo solo se mostrarán para usuarios de escritorio, y no para usuarios de dispositivos móviles». Esto es importante porque antes los fragmentos de HowTo aparecían principalmente en móvil. Google, en esencia, dejó de mostrar los resultados enriquecidos de HowTo en móvil, lo que significa que la mayoría de los usuarios no verán el fragmento visual paso a paso. Por ahora lo mantienen en los resultados de búsqueda de escritorio. Y, con la indexación «mobile-first» de Google, eso implica que debe tener el marcado en la versión móvil de su página para obtener siquiera el fragmento de escritorio. Es un matiz, pero la conclusión es la siguiente: el valor SEO clásico del marcado HowTo ha disminuido.

Sin embargo, para la IA y la voz, sostendría que el marcado HowTo sigue siendo muy útil. Si un asistente de voz o una IA necesita guiar a un usuario a través de un proceso, los pasos estructurados ayudan a garantizar que no se omita nada. The Structured Data Company señala sin rodeos: Google ya no admite los resultados enriquecidos de HowTo (en la mayoría de los casos), pero sigue siendo útil marcarlo para la IA. He visto a Google Assistant y a Alexa (voz) emplear instrucciones paso a paso de la web; presumiblemente favorecen las guías prácticas bien estructuradas. Y los chatbots de IA podrían incluso enumerar los pasos de su contenido HowTo directamente en las respuestas. Así que no abandone el esquema HowTo si produce guías prácticas. Puede que hoy no le proporcione un fragmento elegante en la SERP de Google, pero alimenta a la máquina en otros contextos.

QAPage: contenido de preguntas y respuestas de la comunidad

Qué es: el esquema QAPage es similar a FAQPage, pero para una única pregunta con múltiples respuestas, como en un foro o un sitio de preguntas y respuestas (por ejemplo, Stack Exchange, páginas al estilo de Quora, foros de soporte de productos). La estructura del esquema envuelve una pregunta (la consulta principal formulada por un usuario) y varias respuestas (réplicas de usuarios o una solución aceptada). Google solía usar el marcado QAPage para mejorar los resultados de los foros con un fragmento enriquecido que mostraba la pregunta y la mejor respuesta.

Cómo ayuda a la IA: muchas consultas de cola larga (especialmente las de resolución de problemas o preguntas de nicho) se responden en páginas comunitarias de preguntas y respuestas. Al marcarlas, ayuda a la IA a identificar: esta página contiene una pregunta concreta y un conjunto de respuestas (posiblemente con una respuesta aceptada). Un LLM puede aprovechar esto para citar la respuesta aceptada o incluso sintetizar una respuesta combinada a partir de varias contribuciones. Además, si su plataforma cuenta con votos de usuarios o respuestas aceptadas, puede indicarlo, lo que le señala a la IA qué respuesta se considera la mejor.

Implementación: la estructura es QAPage conteniendo una Question principal (con propiedades como name, text, dateAsked, author) y un array de Answer. Una de esas respuestas puede marcarse como acceptedAnswer en la Question si es la mejor respuesta oficial. Por ejemplo:

{
  "@context": "https://schema.org",
  "@type": "QAPage",
  "mainEntity": {
    "@type": "Question",
    "name": "How do I fix a leaky faucet?",
    "text": "My kitchen faucet is leaking from the base. How can I fix it?",
    "answerCount": 2,
    "dateCreated": "2023-07-10T12:00:00Z",
    "author": { "@type": "Person", "name": "User123" },
    "acceptedAnswer": {
       "@type": "Answer",
       "text": "You likely need to replace the O-ring. Shut off the water, disassemble the faucet to reach the O-ring at the base, and replace it. That stopped the leak in my case.",
       "dateCreated": "2023-07-10T13:00:00Z",
       "upvoteCount": 5,
       "url": "https://example.com/forum/thread123#answer456",
       "author": { "@type": "Person", "name": "HandyAndy" }
    },
    "suggestedAnswer": [{
       "@type": "Answer",
       "text": "Another possibility is the cartridge. Try replacing the faucet cartridge if the O-ring doesn't help.",
       "dateCreated": "2023-07-11T09:30:00Z",
       "upvoteCount": 2,
       "author": { "@type": "Person", "name": "PlumberPro" }
    }]
  }
}

En este ejemplo, la pregunta tiene dos respuestas, una aceptada (con 5 votos a favor) y otra sugerencia adicional. La IA puede ver con claridad cuál es la pregunta y qué respuesta considera correcta la comunidad. Eso es muy potente para los motores de respuesta: es conocimiento estructurado procedente de usuarios reales.

Soporte actual: Google fomentó durante un tiempo el marcado QAPage. Incluso tiene (o tuvo) una función en Search Console para errores de resultados enriquecidos de QAPage. No hay indicios de que Google haya retirado QAPage de los resultados enriquecidos; los recortes de 2023 mencionaron explícitamente solo FAQ y HowTo. Así que, si gestiona un foro o un sitio de preguntas y respuestas, utilice sin duda el esquema QAPage. Puede generar un fragmento enriquecido (pregunta + un extracto de la mejor respuesta) en Google Search y, igual de importante, alimenta bien el contenido para la IA de Bing/Google. The Structured Data Co. señala que QAPage es útil para «consultas específicas de cola larga» en las que un hilo de foro podría responder a la pregunta. Esas son exactamente el tipo de consultas que la gente plantea a los chatbots.

Una advertencia: si en realidad no tiene una página de preguntas y respuestas (con múltiples respuestas), no use indebidamente QAPage. Algunos intentaron marcar una única FAQ como QAPage; eso no es correcto. Use FAQPage para varias preguntas y respuestas en una misma página, y QAPage para una pregunta con varias respuestas en una misma página.

Product (y Offer/Review): información detallada de producto

Qué es: el esquema Product (a menudo combinado con Offer y el esquema AggregateRating/Review) se utiliza en páginas de comercio electrónico o de producto. Etiqueta información como el nombre del producto, la descripción, la imagen, la marca, el precio, la disponibilidad y las reseñas/valoraciones. Google lo emplea para mostrar resultados enriquecidos de productos —incluidas las valoraciones con estrellas, el precio y el estado de existencias— tanto en la búsqueda web como en la búsqueda de imágenes.

Cómo ayuda a la IA: el esquema de Product garantiza que una IA pueda extraer atributos factuales sobre un producto con facilidad: precio, características, dimensiones, etc. Piense en lo que un usuario podría preguntarle a una IA: «¿Cuánto cuesta el iPhone 15?» o «¿El producto X tiene la característica Y?». Si su página está marcada, la IA no tiene que rebuscar entre párrafos para encontrar el precio o una especificación: el JSON-LD lo detalla con claridad. Esto puede influir en que su sitio sea elegido como fuente de una respuesta. Además, ser explícito con los datos del producto podría permitir que la IA compare productos o incluya el suyo en una recomendación conversacional con mayor confianza. En Bing, si un usuario pregunta por un producto, el chat de Bing puede mostrar un fragmento con el precio de una fuente; está claro que el esquema de producto puede alimentar eso.

Implementación: el marcado de Product puede ser complejo porque a menudo implica tipos anidados. Un ejemplo simplificado:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "@id": "https://example.com/product/12345",
  "name": "UltraWidget 3000",
  "image": "https://example.com/images/ultrawidget.jpg",
  "description": "The UltraWidget 3000 is an all-in-one gadget that makes your life easier.",
  "sku": "UW3000",
  "brand": { "@type": "Brand", "name": "Widgets Inc." },
  "offers": {
     "@type": "Offer",
     "priceCurrency": "USD",
     "price": "99.99",
     "availability": "https://schema.org/InStock",
     "url": "https://example.com/product/12345#buy"
  },
  "aggregateRating": {
     "@type": "AggregateRating",
     "ratingValue": "4.5",
     "reviewCount": "37"
  }
}
</script>

Aquí definimos el producto y anidamos una Offer (con precio y existencias) y un aggregateRating (4,5 estrellas a partir de 37 reseñas). Si tiene reseñas individuales, también puede incluir un tipo Review con author, date, rating, reviewBody, etc.

Beneficios en la búsqueda: en el SEO tradicional, este marcado puede proporcionarle fragmentos enriquecidos (estrellas junto a su resultado, precio, etc.), que mejoran enormemente la tasa de clics en los resultados de comercio electrónico. Google sigue admitiendo plenamente los resultados enriquecidos de producto; de hecho, es uno de los tipos de fragmento enriquecido que se muestran con más frecuencia. Por tanto, hay un valor SEO inmediato. Para la IA, es probablemente aún más crucial. Imagine un asistente de compras con IA: favorecerá las fuentes en las que pueda analizar con confianza los detalles del producto. El equipo de Bing de Microsoft ha afirmado explícitamente que Bing «se apoya en gran medida en el esquema para identificar contenido estructurado» y recomienda centrarse en product, recipe, etc., para el descubrimiento por IA. Si es un minorista en línea, contar con un esquema de Product completo significa que una IA podría responder a preguntas de usuarios como «¿Cuál es el precio de [su producto]?» con sus datos. Incluso podría reducir las alucinaciones (es menos probable que la IA se invente un precio si ve uno claramente etiquetado).

Una nota: asegúrese de mantener los datos del producto actualizados. Un error habitual es el esquema obsoleto (por ejemplo, el precio cambió pero el JSON-LD aún tiene el precio antiguo). Esto no solo puede confundir a los usuarios, sino que «erosiona la confianza de las máquinas», como señalan los expertos. Si el índice de Google o un futuro agente de IA detectan información contradictoria (la página dice 99 $, el esquema dice 89 $), no confiará tanto en su página. Por eso es esencial actualizar el esquema como parte de sus actualizaciones de precios/catálogo.

Person (y Organization): entidades para autores, expertos y marcas

Qué es: el esquema Person se utiliza para marcar información sobre individuos, normalmente autores, miembros del equipo o páginas de biografía. El esquema Organization representa a una empresa u organización (y, estrechamente relacionados, WebSite y WebPage pueden vincularse con la presencia de la organización). También existe un tipo específico AboutPage para una página «Sobre nosotros» y ContactPage para la información de contacto. Todos ellos forman parte de la construcción del grafo de conocimiento de su sitio.

Cómo ayuda a la IA: puede que no respondan directamente a la consulta de un usuario, pero establecen confianza y contexto. En SEO y AEO hablamos mucho de E-E-A-T (experiencia, pericia, autoridad y fiabilidad). Marcar a sus autores y su organización ofrece a los motores de búsqueda un conocimiento explícito de quién está detrás del contenido. La documentación de Google indica que los datos estructurados ayudan a los sistemas a comprender lo que hay en una página, lo que puede dar lugar a funciones especialeswritesonic.com. En el caso de la IA, creemos (y algunas evidencias lo sugieren) que se favorecen las entidades conocidas. Por ejemplo, si un LLM sabe que «la Dra. Jane Smith» (a partir de su marcado Person) es una cardióloga de renombre que escribió su artículo de salud, podría dar más peso a su contenido al responder a una pregunta médica que a una página anónima. Como mínimo, el esquema Person y Organization refuerza las señales de credibilidad de su contenido. El marco de SEO para IA de SingleGrain enumera Organization y Person como «tipos de alto impacto»: Organization «establece su entidad de marca; respalda la confianza (logotipo, enlaces SameAs)» y Person «conecta a autores/expertos con los temas; refuerza las señales de E-E-A-T».

Además, el marcado de organización con enlaces sameAs (a Wikipedia, LinkedIn, etc.) elimina la ambigüedad sobre el nombre de su marca. Si su empresa se llama «Acme», la IA puede saber, a partir del marcado Organization y las referencias sameAs, de qué Acme se trata (la que tiene su sitio web y perfiles sociales concretos). Esto puede ayudar a la IA a diferenciar fuentes y evitar confundir entidades con nombres similares.

Implementación (Person y Org): hay varias formas de implementarlo:

• En cada página de artículo, podría incluir una propiedad Author que apunte a una entidad Person (que puede definirse en línea o referenciarse mediante un enlace @id a un JSON-LD de Person definido en otro lugar).
• Podría tener una página de autor dedicada con un esquema Person que detalle a ese autor.
• Para Organization, normalmente colocaría el JSON-LD en el pie o el encabezado de su sitio, o específicamente en la página «Sobre nosotros» y quizá en la página de inicio, indicando el nombre de su organización, el logotipo, sameAs, etc.

Un fragmento sencillo de Person (para un autor) podría tener este aspecto:

{
  "@context": "https://schema.org",
  "@type": "Person",
  "@id": "https://example.com/#person-jane-smith",
  "name": "Dr. Jane Smith",
  "description": "Cardiologist and health writer with 20 years of experience.",
  "affiliation": {
    "@type": "Organization",
    "name": "Heart Health Institute"
  },
  "sameAs": [
    "https://www.linkedin.com/in/janesmith",
    "https://scholar.google.com/citations?user=abcdef" 
  ]
}

Y un fragmento de Organization:

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "@id": "https://example.com/#organization",
  "name": "Acme Corp",
  "url": "https://example.com",
  "logo": "https://example.com/logo.png",
  "foundingDate": "2010-05-01",
  "sameAs": [
    "https://www.linkedin.com/company/acme",
    "https://en.wikipedia.org/wiki/Acme_Corp"
  ]
}

Asignamos a la Organization un @id (para poder referenciarla desde Person u otros lugares), un nombre, una URL, posiblemente una fecha de fundación y, fundamentalmente, algunos enlaces sameAs a perfiles con autoridad. La Person enlaza con la Organization mediante affiliation o worksFor, y con sus propios perfiles sociales mediante sameAs.

WebPage/AboutPage: también puede usar el tipo WebPage para especificar metadatos a nivel de página. Por ejemplo, en su página «Sobre nosotros» podría tener:

{
 "@context": "https://schema.org",
 "@type": "AboutPage",
 "mainEntity": { "@id": "https://example.com/#organization" }
}

Esto le dice a Google que esta página es una AboutPage cuya entidad principal es su Organization (referenciamos el @id de la organización). De forma similar, una entrada de blog podría usar el marcado Article y vincular al autor mediante author: { "@id": "...#person-jane-smith" }.

Aunque el marcado WebPage o Article por sí solo no genere un resultado enriquecido visual, sigue ayudando a los motores de búsqueda a estructurar su comprensión. John Mueller, de Google, ha advertido de que no hay que excederse con esquemas irrelevantes («hinchazón de esquema»), sino centrarse en lo que realmente describe el contenido. En nuestro contexto, marcar a los autores y las organizaciones suele merecer mucho la pena: «aclara el “quién” detrás del contenido», lo que puede influir en la confianza.

El ángulo del panel de conocimiento: un marcado correcto de Person/Organization puede incluso contribuir a obtener paneles de conocimiento. Por ejemplo, si su director ejecutivo o su autor obtiene un panel de conocimiento (quizá mediante Schema más una página de Wikipedia), cualquier sistema de IA que use el grafo de conocimiento reconocerá con mayor facilidad la pericia de esa persona. The Structured Data Co. menciona que usar ProfilePage (un tipo de WebPage) y el esquema Person para su equipo puede ayudar a conseguir paneles de conocimiento personales, y que «una empresa repleta de entidades de persona reconocidas tiene mucha más autoridad que una que no las tenga». Dicho de otro modo, demostrar que el contenido de su sitio procede de personas reales e identificadas y de una organización consolidada puede impulsar indirectamente cómo percibe la IA su autoridad.

ClaimReview: verificación de hechos y señales de credibilidad

Qué es: el esquema ClaimReview se utiliza en artículos de verificación de hechos en los que se evalúa una afirmación realizada por otros (por ejemplo, una verificación de noticias o un artículo que desmonta mitos). Resume la afirmación, quién la hizo, el veredicto (verdadero/falso/mixto, etc.) y una revisión de esa afirmación. Google ha mostrado fragmentos enriquecidos de «verificación de hechos» mediante este marcado (con una etiqueta como «Verificación de hechos: falso» en los resultados de búsqueda).

Cómo ayuda a la IA: en la era de la desinformación, el contenido verificado es extremadamente valioso. Si produce contenido que desmiente afirmaciones falsas, el marcado ClaimReview puede destacar su página como una fuente con autoridad que distingue la verdad de la falsedad. Para la IA, que es famosa por «alucinar» información falsa, citar a un verificador de hechos es una excelente manera de aumentar la fiabilidad de la respuesta. Una IA podría usar el marcado ClaimReview para encontrar directamente la conclusión de una verificación. Por ejemplo, si alguien pregunta «¿XYZ es verdadero o falso?», la IA podría buscar datos de ClaimReview sobre esa afirmación. También es una estrategia de AEO defensiva: si hay un dato falso circulando en su nicho, su página de verificación marcada con ClaimReview podría ser la respuesta de referencia que ofrezca la IA (con la atribución adecuada). Esto no solo le da visibilidad, sino que le posiciona como una autoridad de confianza.

Implementación: ClaimReview se implementa normalmente en una página que es un artículo o una entrada dedicada a la verificación de hechos. El JSON-LD incluirá la afirmación revisada, quién la dijo, la valoración del veredicto y un resumen. Por ejemplo:

{
 "@context": "https://schema.org",
 "@type": "ClaimReview",
 "url": "https://example.com/fact-checks/earth-flat",
 "author": {
   "@type": "Organization",
   "name": "FactCheck Daily"
 },
 "claimReviewed": "The world is flat",
 "claimResult": {
   "@type": "ClaimResult",
   "text": "False",
   "ratingValue": 0,
   "typicalAgeRange": "16-"  // (just an example property; not required)
 },
 "itemReviewed": {
   "@type": "Claim",
   "author": { "@type": "Person", "name": "John Doe" },
   "datePublished": "2024-06-20",
   "appearance": { "@type": "CreativeWork", "headline": "Twitter post by John Doe" }
 },
 "reviewRating": {
   "@type": "Rating",
   "ratingValue": 1,
   "bestRating": 1,
   "worstRating": 0,
   "alternateName": "False"
 },
 "description": "A widely circulated claim that the Earth is flat has been rated false by experts."
}

Esto es algo complejo: en esencia, decimos que la afirmación «The world is flat» fue revisada y considerada falsa por FactCheck Daily. Las directrices de Google tienen ejemplos detallados para ClaimReview.

Cambios en el soporte de Google: Google solía destacar ClaimReview en la búsqueda (con una etiqueta de «verificación de hechos» y un resumen) para los sitios de noticias. Sin embargo, a mediados de 2025 Google anunció que está eliminando gradualmente el soporte de ClaimReview en los resultados de Google Search. Afirmaron que «no se usa habitualmente» y que retirarlo simplifica los resultados. Desde septiembre de 2025, Search Console dejó de informar sobre ClaimReview, y es uno de los tipos de datos estructurados que se están retirando de los resultados enriquecidos. Importante: Google sí señaló que el marcado seguirá siendo compatible en el Fact Check Explorer dedicadol (una herramienta de Google News para periodistas). Pero para la búsqueda normal, lo están restando importancia.

Entonces, ¿significa eso que no debería molestarse? No necesariamente, en lo que respecta a la AEO. Igual que con FAQ/HowTo, el esquema sigue siendo comprendido por Google; simplemente no le darán ese bonito recuadro de fragmento enriquecido. The Structured Data Co. señala que ClaimReview «ya no es compatible con Google para los resultados enriquecidos y se está eliminando gradualmente, pero todavía puede resultar útil para la IA». Si gestiona un sitio de verificación de hechos o publica de vez en cuando desmentidos de mitos, siga marcándolos. Podría ser un factor diferenciador en los resultados de IA: imagine una respuesta de IA que diga «Según FactCheck Daily, esta afirmación es falsa». ¿No querría ser esa fuente citada? Es una gran exposición de marca y está ayudando a combatir la desinformación, algo que probablemente favorezcan las plataformas.

WebPage (y Article): marcado general de página y tipos de contenido

Agruparé WebPage y Article (o BlogPosting) juntos, ya que son más generales.

• WebPage: el esquema puede usarse en cualquier página para definir metadatos como name, description, y tiene subtipos (FAQPage, AboutPage, QAPage, ProfilePage, etc. son técnicamente todos clases de WebPage). También tiene propiedades como primaryImageOfPage o breadcrumb que pueden ser útiles. En la práctica, a menudo se ve WebPage usado para vincular una AboutPage o ContactPage con una Organization, o para identificar una página como una ProfilePage de una Person.
• Article/BlogPosting: el esquema se usa en artículos de noticias o entradas de blog. Esto es en realidad muy importante: las directrices de Google fomentan marcar su contenido de noticias y de blog con Article porque permite funciones como Noticias destacadas o, simplemente, ayuda a Google a comprender el titular, la fecha de publicación, el autor, etc. El marcado Article incluye elementos como headline, datePublished, author, publisher, image, articleBody (o una descripción). En cuanto a la AEO, el esquema Article en sí mismo no convierte algo en una «respuesta», pero proporciona el contexto en torno a su contenido, lo que puede ayudar a la IA.

Por qué ayudan a la IA: puede pensar en el marcado Article/WebPage como el andamiaje que sostiene las piezas más específicas de Q&A/HowTo/Product. Por ejemplo, una página HowTo también podría ser un Article (tiene un autor, una fecha, etc.). Al marcarla como un Article con un tema about, le está diciendo a la IA de qué trata el contenido de forma concisa. El artículo de SingleGrain señaló que el esquema Article/BlogPosting define el contenido principal y elementos como about e incluso citas. En efecto, puede usar la propiedad about para vincular su artículo con un concepto (Thing) o entidad. Por ejemplo, si tengo un artículo sobre las vacunas contra la COVID-19, podría hacer "about": {"@type": "MedicalCondition", "name": "COVID-19"} o enlazar a una entrada de Wikidata. Esto conecta explícitamente su contenido con una entidad conocida, lo que ayuda a la IA a contextualizarlo. (Es un uso avanzado, pero merece la pena mencionarlo.)

WebPage también puede usarse para marcar una ruta de migas de pan (BreadcrumbList), que Google suele mostrar en los resultados de búsqueda. Aunque las migas de pan no son una «respuesta», sí muestran contexto en los resultados y pueden ser utilizadas por la búsqueda (y quizá por la IA) para comprender la estructura del sitio.

En pocas palabras, el esquema Article y WebPage probablemente no consiga que le citen directamente en una respuesta de IA, pero forma parte de la salud de los datos estructurados de su sitio. «Definen el tipo de contenido y los metadatos», que alimentan el grafo de conocimiento. La guía de Google sobre la búsqueda con IA (mayo de 2025) incluía el consejo «Asegúrese de que los datos estructurados coinciden con el contenido visible» como una de las principales formas de tener éxito en los resultados de IA, lo que implica que debería seguir usando datos estructurados en sus páginas para ayudar a Google a comprenderlas. También insisten en centrarse en los tipos de esquema compatibles (es decir, los que tienen funciones de búsqueda), lo que incluye, sin duda, Article, las migas de pan, etc.

ClaimReview, FAQ, HowTo: recapitulación del soporte en la búsqueda frente a la utilidad para la IA

Conviene resumir los cambios recientes en la búsqueda para algunos de estos tipos a fin de evitar confusiones:

• FAQPage: Google Search: ahora solo muestra resultados enriquecidos para un conjunto limitado de sitios (gubernamentales/de salud). IA: sigue siendo valioso; manténgalo para contenido directo de preguntas y respuestas.
• HowTo: Google Search: resultados enriquecidos solo en escritorio (retirados en móvil). IA: sigue siendo valioso para el contenido paso a paso.
• QAPage: Google Search: aún compatible (fragmento enriquecido para una pregunta con una vista previa de respuesta). IA: estupendo para respuestas de cola larga, úselo.
• Product: Google Search: admite resultados enriquecidos (precio, reseñas). IA: muy útil para consultas de compra y factuales (Bing lo usa explícitamente).
• Person/Organization: Google Search: sin resultado enriquecido directo (más allá de la posible influencia en el panel de conocimiento), pero recomendado para el E-A-T. IA: ayuda indirectamente a establecer autoridad y contexto.
• ClaimReview: Google Search: retirando gradualmente los resultados enriquecidos (para finales de 2025). IA: úselo en contenido de verificación de hechos para ser visto como una fuente con autoridad.
• Article/WebPage: Google Search: Article ayuda con las noticias (elegibilidad para Noticias destacadas, etc.), WebPage se usa para las migas de pan y la comprensión. IA: fundamental para la comprensión del contenido, pero no es un formato de «respuesta» directo.

Dicho de forma sucinta, los tipos de esquema que más influyen directamente en la visibilidad ante la IA son los que estructuran los datos en forma de pregunta y respuesta o de manera fácilmente extraíble (FAQ, HowTo, QAPage, especificaciones de Product), así como los que definen sus entidades (Person, Organization y páginas de enlace como About/Profile), que contribuyen a que su contenido sea percibido como fiable y relevante en el espacio de conocimiento de una IA.

Ahora que hemos cubierto el qué y el porqué, pongámonos manos a la obra para implementar esto en un sitio web.

Guía de implementación paso a paso para el marcado de esquema (orientada a la AEO)

Implementar datos estructurados para la AEO/IA no es una tarea puntual: es un proceso continuo de plantillas, integración con su CMS y comprobación de la coherencia. A continuación encontrará una guía paso a paso para desplegar el marcado de forma eficaz:

1. Inventaríe su contenido e identifique oportunidades: comience auditando los tipos de contenido de su sitio y los lugares donde pueden aplicarse datos estructurados. Examine sus páginas de mayor valor y determine en qué formato están:

• ¿Tiene secciones de FAQ en algunas páginas o una página de FAQ dedicada? Márquelas con FAQPage.
• ¿Publica guías prácticas o tutoriales? Planifique añadirles marcado HowTo.
• ¿Hay páginas de producto o servicio? Prepare el esquema Product (con Offer, Review si procede).
• ¿Gestiona una sección de foro o de preguntas y respuestas? Implemente QAPage en esas páginas de hilo.
• ¿Quiénes son los autores y expertos de su sitio? Asegúrese de que exista marcado Person para ellos (a menudo mediante el marcado de las entradas de blog o las páginas de perfil de autor), y un marcado Organization para su sitio/marca a nivel global.
• Señale también elementos como páginas de recetas, páginas de eventos, etc., si los tiene; estos tienen sus propios tipos de esquema que también pueden ser beneficiosos para la IA (por ejemplo, el esquema Recipe responde con facilidad a las preguntas sobre ingredientes). Pero cíñase a los pertinentes; no es necesario forzar un tipo donde no corresponde.

Priorice las páginas que reciben tráfico significativo o que son cruciales para su negocio. Como sugiere SingleGrain, «Comience por las plantillas de alto tráfico y alta intención donde las citas de IA puedan influir en la conversión». Por ejemplo, si tiene una entrada de blog destacada que genera clientes potenciales, asegúrese de que esté marcada con Article (y FAQ si puede añadir una sección de preguntas y respuestas) para que esté lista para la IA.

2. Elija el tipo de esquema adecuado para cada plantilla de página: asigne cada tipo de contenido al esquema más apropiado:

• Entradas de blog, noticias, artículos → use Article o BlogPosting (con titular, fecha y autor adecuados).
• Secciones de FAQ → FAQPage (con pares de pregunta/respuesta).
• Guías/tutoriales → HowTo (con pasos).
• Páginas de producto → Product (más Offer, AggregateRating si hay reseñas).
• Página de preguntas y respuestas de foro → QAPage (con Question/Answer).
• Página «Sobre nosotros» → AboutPage (que es un tipo de WebPage, vinculado a Organization).
• Páginas de biografía de autor → ProfilePage (tipo WebPage) más una entidad Person.
• Página de inicio o todo el sitio → Organization (posiblemente vinculada mediante una entidad WebSite para los enlaces de sitio en la búsqueda).
• Si tiene contenido específico como un artículo médico, también podría usar un esquema específico (MedicalWebPage, etc.), pero eso es avanzado. En general, prefiera el esquema que coincida de forma más específica con el propósito del contenido. El consejo de Google: «Céntrese en el tipo más específico aplicable a su contenido». Eso produce la mejora más relevante en las funciones de búsqueda.

Cree una hoja de cálculo si es necesario: enumere las plantillas de página y qué esquema aplicar. Esto garantiza que cubra el sitio de forma exhaustiva en lugar de hacerlo a trozos.

3. Implemente JSON-LD en su CMS o base de código: una vez que sepa qué va en cada sitio, añada el marcado JSON-LD al HTML de esas páginas. Lo ideal es generarlo de forma dinámica a partir de los datos de su CMS:

• Si está en WordPress, complementos como Yoast, RankMath o Schema Pro pueden ayudar con los esquemas habituales (Yoast genera Article y Breadcrumb de forma predeterminada, y tiene bloques para FAQ y HowTo). Para cosas más complejas, podría usar código personalizado o un complemento como SchemaApp.
• Para un CMS personalizado o empresarial: trabaje con los desarrolladores para generar JSON-LD en las plantillas de página. Por ejemplo, en una plataforma de comercio electrónico, la plantilla de producto puede programarse para incluir un <script> con esquema que extraiga el nombre del producto, el precio, etc., de los campos de la base de datos.
• Use identificadores persistentes (@id) para entidades clave como Organization y Person. Esto le permite referirse al mismo fragmento de JSON-LD en distintas páginas. Por ejemplo, vio en nuestros ejemplos @id: "https://example.com/#organization". Puede colocar el marcado completo de Organization en su página de inicio o en un archivo de configuración y, en todas las demás páginas, simplemente hacer "publisher": {"@id": "https://example.com/#organization"} en lugar de repetir todos los detalles. Esto hace que los datos sean coherentes y más fáciles de mantener.
• Use también enlaces sameAs con generosidad para Person/Organization a fin de conectar con identificadores externos (redes sociales, Wikidata, etc.). Esta desambiguación es fundamental para el reconocimiento de entidades.
• Evite los microdatos en el HTML del contenido si es posible; JSON-LD es más limpio y no corre el riesgo de estropear su texto visible. JSON-LD puede ir en <head> o <body>; a Google no le importa, siempre que esté en el HTML. Solo asegúrese de que no se elimine ni se retrase.

Si no puede modificar el backend con facilidad, otro truco: podría usar Google Tag Manager para inyectar scripts JSON-LD. Pero tenga cuidado: Tag Manager se activa mediante JS y, aunque Google Search puede leer JSON-LD insertado mediante JS, algunos rastreadores de IA que no ejecutan JS podrían pasarlo por alto. Para una máxima compatibilidad (como señaló Writesonic, muchos rastreadores de IA solo ven el HTML inicial), es mejor tener el JSON-LD en la respuesta HTML en bruto.

4. Valide y pruebe el marcado: pase sus páginas por la prueba de resultados enriquecidos de Google o el validador de marcado de Schema.org. Estas herramientas le indicarán si su JSON-LD es analizable y si faltan campos obligatorios. Corrija los errores (por ejemplo, olvidó el envoltorio mainEntity de la FAQ, o un Product no tiene precio). Compruebe también las advertencias; por ejemplo, Google podría avisar si a una imagen le falta el width/`height, o si faltan ciertos campos recomendados. Conviene rellenar tantos campos como tengan sentido (sin mentir solo por rellenarlos).

En Google Search Console, una vez desplegado, revise los informes de Mejoras (bajo Aspecto en la búsqueda) para tipos como FAQ, HowTo, Products, etc. Esto mostrará cuántas páginas tienen marcado válido o errores. GSC marcará las páginas con errores para que pueda depurarlas. Tenga en cuenta que, a medida que Google retira algunos esquemas, esos informes concretos podrían desaparecer (Google ya anunció la eliminación de los tipos retirados de GSC para finales de 2025). Pero puede usar GSC mientras esté disponible.

Además, puede probar cómo aparece su contenido en contextos de IA:

• Si tiene acceso al experimento de la SGE de Google, intente activar una AI Overview con una pregunta que su contenido responda y compruebe si le citan.
• Use Bing Chat o Perplexity AI para consultar algo que cubra su página y compruebe si se hace referencia a su sitio. Es una prueba anecdótica, pero puede aportar información. Si suele ver citados a competidores y a usted no, plantéese si su contenido está mejor estructurado o responde de forma más directa a la pregunta.

5. Supervise y mida el impacto: tanto las métricas de SEO tradicional como las nuevas métricas de IA importan:

• En Google Search Console, haga un seguimiento de las impresiones y los clics de las páginas con resultados enriquecidos frente a las que no los tienen. Si los resultados enriquecidos de FAQ aún se muestran para usted, podría observar un cambio en la tasa de clics.
• Observe los «Otras preguntas de los usuarios» y los fragmentos destacados en la búsqueda normal: el esquema no es directamente necesario para estos, pero si tiene esquema de FAQ, probablemente también tendrá texto de preguntas y respuestas bien formateado, lo que puede situarle en los recuadros de «Otras preguntas de los usuarios».
• Supervise cualquier tráfico procedente de Bing Chat (actualmente más difícil de cuantificar). Es posible que Bing Webmaster Tools aún no separe explícitamente los clics de chat de los de búsqueda, pero esté atento a las referencias totales de Bing si implementa cambios de esquema.
• Algunas herramientas de terceros y rastreadores de posiciones están empezando a supervisar los resultados de búsqueda con IA. Por ejemplo, herramientas como Semrush o Rank Ranger han comenzado a informar si le citan en la SGE. Si dispone de ellas, úselas para obtener datos de referencia y posteriores a la implementación.
• Si es posible, realice una prueba antes/después: SingleGrain sugiere comparar las páginas con esquema frente a páginas de control durante un periodo de 4 a 8 semanas. Si tiene un subconjunto de páginas a las que añadió esquema y un conjunto similar al que aún no, observe cómo rinden en lo orgánico y en cualquier función de IA. Esto puede ayudar a argumentar ante las partes interesadas que el esfuerzo merece la pena.

6. Manténgase actualizado e itere: el panorama del esquema/SEO no es estático:

• Esté atento al blog de Google Search Central para anuncios (como los cambios de FAQ/HowTo). Cuando Google «retira» un esquema, a menudo significa que no mostrará un resultado especial, pero aún podría conservar valor para el grafo de conocimiento/la IA. Use el criterio: por ejemplo, no eliminamos el marcado de nuestras FAQ solo porque Google recortara los fragmentos de FAQ. Pero si algo se queda realmente obsoleto (p. ej., Speakable estaba pensado para que los asistentes de voz leyeran en alto un texto concreto; si eso nunca cuajó para su caso de uso, quizá no lo priorice).
• Actualizaciones habituales: Google retiró recientemente un buen número de esquemas poco usados, como los requisitos de formación de JobPosting, los datos estructurados específicos de cursos, etc. Aunque no están directamente ligados a nuestro foco, esto indica que debería auditar su esquema de vez en cuando: elimine o actualice todo lo marcado como obsoleto en la documentación de Google y añada los nuevos compatibles. Por ejemplo, Google introdujo soporte para el marcado de Pros and Cons para las reseñas de productos en 2022; si tiene contenido de reseñas, podría incorporarlo para ir por delante.
• A medida que la búsqueda con IA evoluciona (por ejemplo, el próximo Gemini de Google podría integrarse con la búsqueda de forma distinta), podrían surgir nuevas oportunidades de datos estructurados. Por ejemplo, Google podría empezar a admitir algún tipo de marcado de «vector embedding» (especulativo) o metadatos adicionales para la cita por IA. Esté preparado para adaptarse.
• Internamente, mantenga la coherencia de su grafo de conocimiento. Si reorganiza su sitio o cambia de autores, actualice el esquema en consecuencia. Por ejemplo, si la biografía de un autor cambia u obtiene una nueva credencial digna de mención en el marcado Person, actualícela; estos detalles podrían influir en la percepción del E-E-A-T.

7. Aproveche herramientas y servicios si es necesario: implementar esquema a escala puede ser un reto, especialmente en sitios grandes. Existen herramientas especializadas (p. ej., SchemaApp, WordLift) y agencias centradas en el marcado de esquema. Si tiene miles de páginas y un equipo pequeño, una herramienta de gestión de esquema puede automatizar gran parte de esto (pero evalúelas con cuidado: no querrá marcado basura autogenerado). La clave es la coherencia. El esquema debe desplegarse en toda la plantilla, no solo en una o dos páginas.. Un error es programar a mano unas pocas páginas y parar ahí, lo que conduce a una cobertura irregular. Es mejor desplegarlo de forma sistemática mediante su CMS o un enfoque de scripting para que cada página pertinente quede marcada y siga estándolo.

Siguiendo estos pasos, integrará el esquema en profundidad en su sitio en lugar de tratarlo como una ocurrencia tardía. Esto sienta las bases para los beneficios de AEO a largo plazo, ya que su sitio, en esencia, habla el mismo idioma que los sistemas de IA.

A continuación, exploremos algunos casos reales y consideraciones y, después, los errores habituales que conviene evitar.

Perspectiva del mundo real: herramientas, casos prácticos y perspectivas del sector

Implementar esquema para la visibilidad ante la IA no es teórico: muchas organizaciones lo están haciendo y obtienen resultados tangibles. Comentemos algunas herramientas que pueden ayudar, además de unos cuantos ejemplos reales y datos:

Herramientas y plataformas para datos estructurados:

• Google Search Console: su primera parada para supervisar la salud de los datos estructurados. Mostrará errores en el marcado y (por ahora) recuentos de impresiones de resultados enriquecidos como FAQ, HowTo, Products. También incluye mejoras como las migas de pan o el marcado del cuadro de búsqueda de sitios. Aunque GSC no le informa explícitamente sobre las apariciones en AI Overviews, sigue siendo el mejor panel para su presencia orgánica y puede reflejar indirectamente el impacto de la IA (ya que las AI Overviews a menudo coinciden con altas posiciones orgánicas).
• Bing Webmaster Tools: el equivalente de Bing tiene una sección de SEO y Schema donde informa de los datos estructurados detectados. Bing también ofrece una API IndexNow (que Fabrice Canel mencionó como útil para que los LLM obtengan contenido fresco con rapidez). Si gestiona un sitio de contenidos, considere usar IndexNow para avisar a Bing (y a otros motores) cuando actualice páginas; complementa al esquema al garantizar que su nuevo contenido (con esquema fresco) se indexe con prontitud.
• Herramientas de prueba de marcado de esquema: además de la prueba de resultados enriquecidos de Google, está el validador genérico de Schema.org, útil para tipos para los que Google no tiene resultados enriquecidos (como Organization o Person; Google no los «premia» con un fragmento, pero igualmente puede validarlos). Otro es el validador de datos estructurados de Yandex, que a veces detecta problemas distintos.
• Software de rastreo SEO: herramientas como Screaming Frog y Sitebulb pueden extraer JSON-LD de sus páginas a escala. Por ejemplo, Screaming Frog tiene una función de extracción personalizada: puede extraer todo el contenido de <script type="application/ld+json">. Esto le ayuda a verificar el despliegue (p. ej., ¿se ha desplegado el nuevo esquema en todas las páginas? ¿hay varios JSON-LD en conflicto en una página?). Sitebulb incluso tiene algunas funciones integradas de auditoría de datos estructurados. Con ellas, podría crear un informe interno de cuántas páginas tienen cada tipo de esquema y detectar anomalías (como páginas sin marcado o con errores).
• Sistemas de gestión de contenidos y complementos: como ya se mencionó, los usuarios de WordPress disponen de varios complementos que simplifican el esquema. Yoast SEO genera automáticamente esquema de Article, Breadcrumb, Organization y Person (para el autor) en un formato de grafo anidado; si rellena la información del grafo de conocimiento de su sitio en Yoast (nombre de la organización, logotipo, etc.), se encarga de muchos aspectos básicos. RankMath va más allá al permitir añadir fácilmente bloques de FAQ/HowTo en el contenido. Si no está en WordPress, muchos CMS modernos tienen algún soporte de esquema o, al menos, formas sencillas de añadir bloques de HTML. Shopify, por ejemplo, genera el esquema de Product de forma predeterminada en las páginas de producto. Magento y BigCommerce tienen extensiones para fragmentos enriquecidos. Aprovéchelas para no reinventar la rueda.
• Herramientas de grafo de conocimiento y entidades: herramientas como Kalicube Pro o Authoritas se centran en la presencia de su marca en el grafo de conocimiento. Puede que no cambien directamente su esquema, pero le ayudan a rastrear si Google reconoce sus entidades de Organization o Person. Esto puede validar que su esquema más otras señales (como una página de Wikipedia) están funcionando. Si ve que sus personas/marca obtienen paneles de conocimiento o aparecen listados como «entidades» en los índices internos de Google (a veces puede saberlo mediante la API del Grafo de conocimiento de Google o «Otras personas también buscan»), es señal de que sus esfuerzos de datos estructurados y SEO son sólidos.
• Herramientas analíticas para la búsqueda con IA: esto es muy nuevo, pero algunas plataformas de SEO están lanzando funciones para rastrear la búsqueda con IA. Por ejemplo, Rank Ranger tiene un informe beta de «rendimiento en la SGE». Asimismo, Semrush y Moz han estado analizando con qué frecuencia se cita el contenido en las respuestas de IA. Esté atento a estos avances, porque medir la visibilidad ante la IA es el próximo reto: no se trata solo de clics, sino de las menciones de marca en las respuestas, que son lo que importa.

Casos prácticos del sector y datos:

• Un informe de Statista citado en el artículo de SingleGrain señaló que las herramientas de marketing impulsadas por IA (que incluyen cosas como usar el esquema para la legibilidad por máquinas) están en auge: se proyectan 47 000 millones de dólares en ingresos para 2025. Esto indica que las empresas invierten con fuerza en hacer que el contenido sea apto para las máquinas. Subraya de forma indirecta que los datos estructurados —como capa legible por máquinas— forman parte de una megatendencia en el marketing.
• SingleGrain hizo referencia a un caso en el que una empresa combinó mejoras de SEO técnico (incluidas las Core Web Vitals) con esquema y observó un «aumento del 75 % en las AI Overviews y un incremento del 100 % en [Google] Gemini». «AI Overviews» probablemente se refiere a la frecuencia con que su contenido aparecía en las instantáneas de la SGE de Google. Un aumento del 75 % es enorme, aunque probablemente parta de una base baja. Demuestra que optimizar su sitio técnicamente (rápido, limpio, estructurado) puede impulsar de forma significativa su presencia en los resultados generativos. El «incremento del 100 % en Gemini» es intrigante: posiblemente signifique que, al hacer pruebas con el modelo Gemini de Google (o con una métrica de Google Analytics para el tráfico de IA), duplicaron algo. En cualquier caso, indica que hay empresas reales midiendo y obteniendo ganancias de estos esfuerzos.
• Otro ejemplo: Kelly Sheppard (de structureddata.co.uk) mostró una captura de pantalla de una AI Overview en la que su empresa era citada como «el principal experto en marcado de datos estructurados» para la consulta «¿quién es el mejor experto en datos estructurados?». Eso no ocurrió por casualidad: es el resultado de alinear el contenido y el esquema para que la IA eligiera su sitio como respuesta con autoridad. En ese caso, probablemente contar con esquema de Organization y Person (más, por supuesto, una reputación real) ayudó a la IA a desambiguar y citar con confianza su marca.
• Hay un dato notable: «más del 72 % de los sitios web que aparecen en la primera página de Google usan marcado de esquema». Esto se mencionó en un artículo de Writesonic y se atribuyó a una fuente. Sugiere una correlación según la cual los sitios de mejor rendimiento tienden a implementar esquema. La correlación no implica causalidad (también podrían tener simplemente mejor SEO en general), pero encaja con la idea de que el esquema forma parte ya de un conjunto de herramientas SEO de primer nivel. Si la mayor parte de la primera página tiene datos estructurados, entonces, para competir a ese nivel, probablemente usted también debería tenerlos, o de lo contrario estará dejando una piedra de optimización sin remover.
• Fabrice Canel (Microsoft), en el SMX Munich, insistió en usar la API IndexNow para enviar actualizaciones de contenido en aras de la frescura para la IA. ¿Por qué mencionar esto en un contexto de esquema? Porque dijo que «las IA generativas valoran el contenido fresco, como comprobación de referencia de sus datos de entrenamiento». Significa que, cuando actualiza algo (por ejemplo, cambia el precio de un producto o publica una nueva FAQ), usar IndexNow (o, en el mundo de Google, la indexación instantánea mediante API si la tuvieran, o simplemente un rastreo rápido mediante sitemaps) garantiza que los modelos de IA obtengan lo más reciente. Sus datos estructurados, combinados con una indexación rápida, pueden incorporar información fresca a las respuestas de IA, evitando escenarios como que una IA cite un precio antiguo.
• Mozilla (Firefox) y otros han investigado las búsquedas «sin clic»: se informa de que hasta cerca del 50 % de las búsquedas terminan sin un clic, a menudo debido a respuestas directas o, ahora, a resultados de IA. Estar presente en esas respuestas es el nuevo objetivo. Aunque nadie publica «mi tráfico procedente de Bing Chat aumentó un X %», los informes anecdóticos en foros sugieren que, si es uno de los pocos sitios con autoridad en un nicho, Bing Chat puede convertirse en una fuente de referencia significativa. Por ejemplo, un foro de nicho observó que «las citas de Bing Chat trajeron un repunte notable de referencias para consultas muy específicas» (fuente: un hilo de Reddit de algún profesional de SEO que comentaba esto). La clave es que esas referencias no se producirían si el contenido no estuviera lo suficientemente estructurado/legible para que Bing lo eligiera.
• Por otro lado, algunos sitios de noticias informaron de caídas de tráfico debidas a la SGE porque los usuarios obtienen respuestas sin hacer clic. Si depende de consultas genéricas para el tráfico, debe adaptarse. Una adaptación es asegurarse de que, si la IA va a usar su información de todos modos, al menos le atribuyan el mérito. El esquema ayuda con el mérito porque facilita la atribución correcta. Google ha indicado que intenta atribuir las fuentes en las AI Overviews. Si su contenido es claramente segmentable (como una FAQ diferenciada, una lista de pasos o un dato único con su nombre), tiene más probabilidades de ser la fuente citada que si su contenido está enterrado en prosa en una página genérica.

Plataformas periféricas y consideraciones:

• La búsqueda con IA no es solo Google y Bing. Perplexity.ai, Neeva (ya cerrado), You.com y otros también leen el esquema. Si prueba Perplexity, a menudo resume una respuesta y muestra fuentes; muchas veces cita directamente datos estructurados como FAQ o información del grafo de conocimiento en la respuesta. Tener esquema hace más probable que estos motores específicos de IA muestren su contenido. Incluso se habla de complementos de OpenAI o de herramientas que pueden usar datos de Schema.org de los sitios web para responder preguntas (el modo de navegación de OpenAI podría, hipotéticamente, leer JSON-LD, aunque no está claro si lo hace actualmente).
• Estrategia de contenidos empresarial: si gestiona un sitio grande o varios sitios, podría plantearse una política de gobernanza del esquema. Por ejemplo, exigir que toda nueva sección de FAQ que añadan los redactores de contenido use el bloque/componente FAQPage para que quede marcada automáticamente. O, al lanzar una nueva línea de productos, añadir tareas de datos estructurados a la lista de comprobación del despliegue. Esto institucionaliza las prácticas de AEO.
• SEO local y esquema: no es directamente nuestro tema, pero conviene anotarlo: si su negocio tiene presencia local, usar el esquema LocalBusiness (que extiende Organization) puede ayudar a aparecer en respuestas basadas en mapas o de asistentes como «Encuentra un [tipo de negocio] cerca de mí». Los Servicios locales y los asistentes de Google sí usan datos estructurados (como el horario comercial, etc.). Así que piense en sentido amplio: la AEO no consiste solo en artículos web, también puede consistir en ser la respuesta a consultas del tipo «¿Dónde puedo…?». Marque su nombre, dirección y teléfono (NAP) con PostalAddress dentro de Organization, o use el tipo LocalBusiness con coordenadas geográficas, etc. Los asistentes de voz suelen recurrir a esta información.
• Búsqueda por voz y Speakable: otro tipo de esquema que no está en su lista pero es tangencial es Speakable, que permite a los editores de noticias destacar el texto que puede leer en alto Google Assistant. Aunque su uso es limitado (solo sitios de noticias, y Google Home, etc.), muestra la dirección: indicar con claridad qué parte del texto es una respuesta para los dispositivos de voz. A medida que la IA avanza hacia lo multimodal (voz + visual), esté atento a si este marcado se amplía.

Información competitiva: si sus competidores tardan en implementar esquema, esto puede ser una ventaja competitiva. A la inversa, si ellos lo tienen y usted no, es probable que se esté quedando atrás. Haga un análisis rápido de la competencia: use la prueba de resultados enriquecidos en sus páginas para ver qué hacen. Podría descubrir, por ejemplo, que los 3 principales sitios de su nicho tienen marcado FAQPage en sus páginas clave. Esa es una señal de que Google (o Bing) las está aprovechando para respuestas rápidas, y usted debería igualar o superar ese esfuerzo.

En resumen, el uso real del esquema para la AEO se está convirtiendo en una práctica estándar entre los equipos de SEO avanzados. Las herramientas para implementarlo y medirlo están evolucionando, y los primeros casos prácticos muestran mejoras significativas tanto en las métricas de SEO clásico (tasa de clics, tráfico) como en las métricas de la era de la IA (presencia de citas, visibilidad de marca en las respuestas) cuando el esquema se hace bien.

Impacto en el SEO, la AEO y la visibilidad ante los LLM

Consolidemos cómo se traducen exactamente estos esfuerzos de marcado de esquema en resultados en tres áreas: el SEO tradicional, la optimización para motores de respuesta (fragmentos destacados/voz) y la visibilidad en la búsqueda con IA basada en LLM.

• Impacto en el SEO tradicional (posiciones y tasa de clics): como se ha dicho, añadir esquema no proporciona un impulso directo de posicionamiento en el algoritmo de Google. Su posición en la SERP sigue determinándose principalmente por la calidad del contenido, los enlaces, etc. Sin embargo, los datos estructurados pueden mejorar indirectamente el rendimiento SEO de varias maneras:
  1. Resultados enriquecidos y fragmentos mejorados: muchos tipos de esquema le hacen elegible para un tratamiento visual enriquecido en la SERP: estrellas de reseña, FAQ bajo el resultado, precios de producto, etc. Estos captan la atención y aumentan la tasa de clics de forma notable. Si está posicionado en el puesto 3 pero muestra una valoración con estrellas, podría robar clics a los puestos 1 y 2. A su vez, una tasa de clics más alta puede enviar señales positivas de usuario a Google que podrían ayudar a mantener o mejorar su posición con el tiempo (Google niega que la tasa de clics sea un factor de posicionamiento, pero muchos profesionales de SEO creen que existe un efecto indirecto).
  2. Mayor relevancia temática: un esquema como Article con about/keywords, o la conexión del contenido con entidades, podría en teoría ayudar a Google a clasificar e indexar mejor su contenido. Por ejemplo, un artículo marcado como sobre «computación cuántica» podría considerarse más relevante para ese clúster temático que uno sin marcar. Esto no está demostrado, pero Google ha dicho que «los datos estructurados ayudan a nuestros sistemas a comprender mejor lo que hay en una página». Una mejor comprensión puede llevar a una mejor coincidencia con las consultas.
  3. Enlaces de sitio y navegación: usar esquema para migas de pan, cuadros de búsqueda de sitios, etc., mejora cómo aparece su sitio en los resultados (rutas de migas de pan en lugar de URL largas, un cuadro de búsqueda para su sitio directamente en Google, etc.). Estas funciones mejoran la experiencia de usuario y también pueden encauzar a los usuarios hacia las páginas correctas, reduciendo el «pogo-sticking». Eso, indirectamente, puede ayudar a métricas de SEO como la tasa de rebote o el tiempo en el sitio tras el clic, lo que algunos especulan que podría afectar a las posiciones (de nuevo, de forma indirecta).
  Dato: una de las fuentes del hilo de StackExchange mencionado antes hace referencia a un estudio de sitios de recetas: añadir el esquema de receta no solo consiguió fragmentos enriquecidos, sino que aumentó notablemente el total de clics. Esa es una mejora de SEO clásica gracias al esquema.
• Impacto en la AEO (fragmentos destacados, respuestas de voz, respuestas rápidas):
  Aquí es donde el esquema se anunció por primera vez como un punto de inflexión, incluso antes de los chatbots de IA. Al estructurar el contenido, en esencia lo prepara para la extracción de respuestas. Históricamente, los fragmentos destacados de Google (los recuadros de respuesta en la parte superior de algunos resultados) no dependían del esquema (a menudo procedían de HTML bien estructurado como tablas, listas, etc., o simplemente del párrafo más relevante). Sin embargo, tener el contenido en forma de pregunta y respuesta (FAQ) o de pasos (HowTo) sin duda se alinea con las oportunidades de fragmento. De hecho, Google en un momento mostró un fragmento completo de guía práctica con imágenes para una consulta «cómo X», extraído de una página con esquema HowTo con los pasos. Aunque eso es menos frecuente ahora debido a los cambios, demostró que estar estructurado facilitaba que Google lo presentara. Para la búsqueda por voz (Google Assistant, Alexa, Siri): estos asistentes suelen extraer datos de los fragmentos destacados o del grafo de conocimiento. Si sus datos estructurados alimentan el grafo de conocimiento (p. ej., Google podría responder a una consulta de voz diciendo «Según [Organization], [respuesta]»), entonces ha logrado el éxito de AEO. Un esquema como FAQ puede impulsar directamente la voz de pregunta y respuesta (las respuestas de Google Assistant a menudo suenan como si leyeran una respuesta concisa de FAQ). Bing tiene una función llamada «Speakable» (para editores de noticias) y Google admite el esquema Speakable para contenido de noticias a fin de indicar un fragmento idóneo para leerse en alto. Es un esquema de nicho, pero es AEO para voz. Si el uso de la búsqueda por voz crece con la IA, espere más de esto. Como mínimo, tener pares limpios de pregunta y respuesta (mediante FAQPage) significa que los asistentes de voz pueden leer la pregunta y luego la respuesta con facilidad. Google Assistant tiende a omitir preámbulos largos e ir directo a la respuesta; si su esquema aísla el texto de la respuesta, eso es una victoria. Otro aspecto de la AEO es «Otras preguntas de los usuarios» (PAA). Son las preguntas que se despliegan en los resultados de Google. Si tiene esquema de FAQ, a menudo significa que su página, por diseño, tiene contenido de pregunta y respuesta. Podría encontrar sus preguntas exactas apareciendo en las PAA, con su sitio como fuente al desplegarse. Marcarlo no garantiza la colocación, pero, lógicamente, el contenido estructurado como pregunta y respuesta es un buen candidato para las PAA. Así que, indirectamente, la preparación del esquema puede ayudarle a captar esos espacios, que son una forma de resultado de motor de respuesta.
• Impacto en la visibilidad en la búsqueda con LLM (AI Overviews y chatbots): esta es la nueva frontera. Así es como los tipos de esquema que comentamos impactan en su presencia en las respuestas de IA:
  1. Cita en las AI Overviews (Google SGE): los resultados generativos de Google suelen listar de 3 a 4 fuentes bajo la respuesta. Han declarado que normalmente proceden de los principales resultados de búsqueda. Así que, primero, aún necesita posicionarse de forma decente. Pero, más allá de eso, ¿qué hace que elijan una fuente sobre otra para citar una frase concreta de la respuesta? Probablemente se reduzca a qué fuente tenía la redacción más clara y relevante para esa parte de la respuesta. El esquema puede influir en esto al moldear la claridad de su contenido. Por ejemplo, una respuesta directa en una FAQ es fácil de citar literalmente (y, por tanto, de atribuírsela). Un paso de guía práctica bien estructurado podría extraerse como un elemento de lista en el resumen de la IA, con una cita. Si su página tiene un esquema de Organization con un nombre y un logotipo claros, este podría incluso mostrarse junto a su nombre en la instantánea de la SGE (Google estaba probando la marca de las fuentes en algunos resultados de IA). También existe la posibilidad de que el motor de respuesta interno de Google (el híbrido de grafo de conocimiento + LLM) use el esquema entre bastidores para encontrar respuestas candidatas. Recuerde, los datos estructurados «alimentan los grafos de conocimiento que impulsan los resúmenes de IA». Si etiqueta explícitamente el contenido como respuesta a X, aumenta las probabilidades de que, cuando el LLM «despliegue» consultas para encontrar respuestas, su contenido sea recogido.
  2. Citas de Bing Chat y Copilot: el modo de chat de Bing casi siempre cita fuentes, y a menudo esas citas aparecen al final de una frase o lista. Se ha observado que Bing a veces cita la fuente de un dato o una estadística concretos. Si proporciona un dato en el esquema (como el precio de un Product, la fecha de un Event, etc.), Bing podría usarlo. Asimismo, la capacidad de Bing de responder a algo como «¿Cuál es la información nutricional del producto X?» podría depender de los datos estructurados (si esa información está marcada en la página del producto). Microsoft aconseja explícitamente usar esquema para las cosas que le importan a Bing (productos, información de negocio local, etc.) para tener éxito en su integración de IA.
  3. Complementos/navegación de ChatGPT: aunque ChatGPT de OpenAI (gratuito) se basa en su mayoría en datos de entrenamiento de 2021 y no navega de forma activa de manera predeterminada, la beta de navegación más reciente o los complementos podrían obtener la información web más actual. Probablemente usan el análisis de HTML para extraer contenido. El desarrollador de un complemento podría buscar JSON-LD de forma programática en una página para obtener datos clave con rapidez. Por ejemplo, un complemento de compras podría priorizar los sitios con datos estructurados de producto. Es especulativo, pero factible, porque leer un bloque JSON es más fácil para una máquina que analizar texto no estructurado. Así que los datos estructurados podrían ser un factor diferenciador en esos contextos.
  4. Señales de confianza y E-A-T en la IA: los LLM no tienen una noción de «reputación del autor» como podría tenerla el algoritmo de Google, pero los sistemas construidos en torno a los LLM (como el modelo Prometheus de Bing) sí incorporan señales de posicionamiento web y, presumiblemente, señales de E-A-T. Así que, si su sitio es conocido (gracias al marcado Organization + una página de Wikipedia + otras señales), la IA podría inclinarse a usarlo. Por ejemplo, si la pregunta es médica y su sitio tiene marcado MedicalWebPage, esquema para términos médicos y un perfil de autor (médico) bien estructurado, eso podría tratarse con mayor autoridad. Son capas externas al LLM puro, pero influyen en qué contenido ve el LLM.
  5. Visibilidad sin clic: en las respuestas de IA, a veces los usuarios no harán clic en ninguna fuente, igual que con los fragmentos destacados. Sin embargo, hay valor de marca en ser citado. Si la IA dice «Según su sitio: [respuesta]». —aunque el usuario no haga clic, registra su marca como el experto que proporcionó la respuesta. Esta es una nueva clase de métrica de visibilidad. Los datos estructurados ayudan a garantizar que la IA pueda atribuirle correctamente la información. Si su página es un caos o la IA no puede determinar quién dijo qué, podría perder una cita o (peor) atribuir el mérito a otro sitio. El esquema, al vincular con claridad el contenido a su marca y a su autor, respalda una atribución precisa.
  6. Motores de búsqueda emergentes exclusivos de IA: hay servicios de pregunta y respuesta impulsados por IA (como los nuevos metabuscadores) que, en algunos casos, muestran solo respuestas y ningún enlace en el que se pueda hacer clic, o quizá únicamente un pequeño listado de fuentes. Si crecen, puede que el SEO tradicional no ayude en absoluto si su contenido no es fácilmente digerible por la IA. Los datos estructurados podrían ser una de las pocas formas de influir en ellos, porque no se puede optimizar para «posicionar» en una lista, sino que se optimiza para ser incluido en la base de conocimiento de la respuesta. Schema.org es la forma de publicar conocimiento de manera que estos sistemas puedan indexarlo como datos.

En esencia, los datos estructurados se están convirtiendo para la búsqueda con IA en lo que los sitemaps fueron para los rastreadores web: no son estrictamente obligatorios, pero resultan extremadamente útiles para guiar a la máquina hacia su contenido. No rescatarán a un contenido pobre (una IA no va a citar una respuesta incorrecta solo porque esté en JSON-LD), pero mejorarán la visibilidad y la utilidad del buen contenido para la IA. Cuanto más se mueva la experiencia de búsqueda hacia respuestas sintetizadas, más necesitará asegurarse de que su información esté empaquetada para el consumo por máquinas.

Errores habituales y casos límite

Al implementar esquema para la AEO, es fácil desviarse o toparse con escenarios complicados. Repasemos algunos errores habituales, escollos y casos límite que conviene tener presentes:

Error 1: tratar el esquema como una solución milagrosa (y usarlo mal)
Algunos creen que añadir esquema es un botón mágico para el posicionamiento o la visibilidad. Esto conduce a abusos como marcar contenido irrelevante o invisible solo para intentar conseguir un fragmento enriquecido. Las directrices de Google exigen explícitamente que sus datos estructurados reflejen lo que hay en la página. Si lo incumple, corre el riesgo de penalizaciones manuales o, sencillamente, de que el marcado sea ignorado. Por ejemplo, no cree una sección de FAQ falsa rellena de palabras clave de preguntas de gran volumen que los usuarios nunca ven realmente. Los ingenieros de Google son bastante buenos ignorando el esquema fraudulento o incluso imponiendo penalizaciones por «spam de esquema». Pregúntese siempre: ¿este esquema describe genuinamente mi contenido? Si no, no lo use. El esquema consiste en aclarar, no en encubrir.

De forma similar, usar el tipo equivocado es un error. Por ejemplo, si tiene una única pregunta y respuesta en una página, usar FAQPage (que espera varias FAQ) sería semánticamente incorrecto (y Google podría marcarlo). O marcar un artículo normal como QAPage cuando no es un foro. Cíñase al uso previsto de los tipos.

Error 2: marcar solo una o dos páginas (falta de escala)
A menudo vemos sitios que añadieron FAQPage a su «página de FAQ» y se detuvieron ahí. O marcaron una entrada de guía práctica e ignoraron el resto. La implementación parcial limita sus ganancias. Si solo el 5 % de su contenido tiene esquema, está dejando oportunidades sin aprovechar para el otro 95 %. Como consultor de SEO, siempre aconsejo hacer del esquema parte de la plantilla de cada tipo de contenido, para que se aplique automáticamente en todo el sitio. Supone menos mantenimiento y garantiza la coherencia. Cuando la cobertura del esquema es irregular, también es más difícil medir el impacto (muestra pequeña) y más fácil olvidarse de actualizarlo. Apunte a la amplitud: si identifica un tipo de esquema útil, despliéguelo en todas las páginas aplicables. (Por supuesto, priorice por importancia: póngalo primero en las páginas clave, pero termine cubriendo todo el sitio.) La coherencia también evita confusiones como un @id duplicado o que media web haga referencia a un @id de Organization definido solo en algunas páginas.

Error 3: datos obsoletos o incorrectos
Ya lo abordamos, pero merece la pena repetirlo: mantenga sus datos estructurados actualizados a la par que las actualizaciones de la página. Los precios, las fechas, las disponibilidades, las estadísticas, etc., deben estar al día. Un caso límite: si pasa un evento, quizá quiera eliminar el marcado Event o marcarlo como caducado para que la búsqueda no lo destaque como próximo. En cuanto a la disponibilidad del producto, si algo se agota, actualice la availability de la Offer. Si no lo hace, podría inducir a error a los usuarios (mala experiencia) y los motores de búsqueda podrían confiar menos en usted. Google puede degradar algorítmicamente los fragmentos enriquecidos de un sitio si detecta que a menudo muestran información incorrecta.

Otro error habitual es no actualizar las fechas de los artículos en el esquema. Si actualiza sustancialmente una entrada de blog, quizá actualice la fecha visible de «última actualización», pero se olvide del JSON-LD, que aún tiene el datePublished original (y ningún dateModified). Es un problema menor, pero, si una IA busca la frescura de la información, podría basarse en esa fecha. Así que incorpore las actualizaciones de contenido a las actualizaciones de esquema. Algunos CMS lo hacen automáticamente (p. ej., si Yoast de WordPress detecta una entrada actualizada, añade dateModified).

Error 4: omitir campos clave obligatorios/recomendados
Cada tipo de esquema tiene propiedades obligatorias. Si las omite, el marcado podría ser inválido y no usarse. Por ejemplo, FAQPage requiere un mainEntity de tipo Question, y cada Question requiere un acceptedAnswer. El esquema de Product solía requerir name, image, price y availability. La documentación de Google enumera lo que necesitan para la elegibilidad a resultados enriquecidos. Asegúrese de proporcionarlos. Incluso algunos «opcionales» son muy recomendables para mejores resultados (como añadir una image a su marcado Article: eso ayuda si su artículo aparece alguna vez en un carrusel de Noticias destacadas o en una tarjeta de la SGE con imagen). Use la herramienta de prueba de Google y rellene al menos todas las advertencias que digan «falta el campo x (recomendado)». Una advertencia no impedirá los resultados enriquecidos, pero una combinación de campos recomendados ausentes podría hacer que su fragmento sea menos enriquecido o que Google lo omita.

Error 5: no vincular las entidades entre sí
Tenemos Person, Organization, Article, etc., por separado, pero el verdadero poder está en conectarlos. Un error es marcar el nombre de un autor como simple texto en el esquema Article, en lugar de referenciar la entidad Person. Al hacer "author": {"@type":"Person","name":"Jane Smith"} al menos crea un nodo Person. Mejor aún, referencie su definición principal de Person mediante @id. Los sitios a menudo olvidan usar sameAs para su Organization (enlazando con sus perfiles sociales, etc.). No se pierda esa señal de confianza tan sencilla. Otra oportunidad de vinculación: use mentions o about en sus artículos para enlazar con entradas relevantes de Wikipedia o WikiData. Por ejemplo, si escribo sobre Marte, en mi JSON-LD podría hacer "about": {"@id": "https://www.wikidata.org/entity/Q111"} . Es una técnica avanzada, pero vincula directamente su contenido con el concepto de Marte en el grafo de conocimiento. Esto solo puede ayudar a una IA a comprender el contexto. Si no enlaza ni referencia, la IA tiene que adivinar las relaciones. Así que recuerde entretejer sus entidades de esquema en un grafo coherente (de ahí el «grafo de conocimiento» de su sitio). Herramientas como WordLift se especializan en esto, por cierto, convirtiendo su contenido en un grafo con esquema.

Error 6: excederse (hinchazón de esquema o errores a escala)
Lo opuesto a hacer demasiado poco es hacer demasiado o hacerlo de forma descuidada. Algunos sitios han superpuesto tantos scripts de esquema que entran en conflicto o duplican información. Por ejemplo, su CMS podría generar un esquema Article predeterminado y luego usted añadió manualmente otro esquema Article: ahora tiene dos. A los motores de búsqueda no les gusta el marcado redundante o contradictorio. Puede confundir sobre cuál creer. Intente consolidarlo en un único bloque JSON-LD (puede ser grande y contener un array @graph con todas las entidades). Si usa varios scripts (lo cual está bien), asegúrese de que se complementen, no de que se repitan.

Otra forma de hinchazón: marcar cosas triviales solo porque el esquema existe. P. ej., marcar cada mención de un título de libro con el esquema Book en el texto mediante microdatos: eso es excesivo y puede parecer spam. Use el esquema donde aporte valor material a la comprensión o a la elegibilidad para una función. John Mueller señaló una vez que marcar cada pequeña cosa puede ser inútil e incluso problemático: céntrese en los elementos clave como hemos comentado.

Caso límite: sitios renderizados con JavaScript
Si el contenido de su sitio se carga mediante JS (frameworks SPA como React/Vue, o contenido con scroll infinito), asegúrese de que sus datos estructurados no se queden atrás. Google puede ejecutar JS, así que probablemente verá su JSON-LD si se inyecta del lado del cliente. Pero algunos otros rastreadores (quizá algunos indexadores de LLM) podrían no hacerlo. Un enfoque seguro es renderizar del lado del servidor al menos la parte del JSON-LD. Si usa React, puede emplear bibliotecas como Next.js que le permiten generar JSON-LD en el SSR. Si eso no es posible, considere el prerenderizado o el renderizado dinámico para los bots. Querrá que los datos estructurados estén en la primera entrega si es posible. Tenga en cuenta también que, si el contenido aparece tras la interacción del usuario (por ejemplo, una pregunta y respuesta que solo se despliega al hacer clic), Google no verá ese contenido ni el esquema asociado a menos que se cargue en el DOM sin acción del usuario. Téngalo presente para las FAQ: es mejor tener todas las FAQ visibles o, al menos, en el HTML (aunque estén plegadas mediante CSS), para que las respuestas y el esquema se carguen.

Caso límite: sitios multilingües
Si tiene varias versiones lingüísticas de las páginas, también debería proporcionar el esquema en cada idioma de forma apropiada. Algunas propiedades como name y description deberían estar en el idioma de esa página. No se limite a copiar el JSON-LD en inglés en la página en español. Además, su @id a menudo puede permanecer agnóstico al idioma (o puede usar un @id distinto por configuración regional, pero entonces vincúlelos mediante sameAs o la propiedad inLanguage). No está del todo documentado, pero, en general, asegúrese de que el esquema de cada página coincida con el idioma de su contenido. Google podría no mostrar resultados enriquecidos para los idiomas alternativos si el esquema está incompleto o en el idioma equivocado.

Caso límite: contenido tras muro de pago
Si tiene contenido detrás de un inicio de sesión o un muro de pago, Google tiene directrices al respecto (se supone que debe usar meta robots content="noindex" en el contenido de pago a menos que use su esquema de suscripción). Para la IA, si el contenido no es visible para el rastreador, el esquema podría ser irrelevante porque el rastreador no puede acceder al texto. Si muestra contenido parcial con esquema, tenga cuidado: no marque respuestas que el usuario no pueda obtener realmente sin pagar. Google podría considerarlo una mala experiencia de usuario si llegara a mostrarse. Existe un marcado Speakable que era específicamente para noticias tras muro de pago, de modo que el Assistant pudiera leer un fragmento y luego invitar al usuario a suscribirse. Pero eso es de nicho. En general, para la AEO, céntrese en el contenido de libre acceso, ya que el contenido bloqueado no le ayudará a ser una respuesta.

Caso límite: varios tipos de esquema en una página
A veces una página reúne los requisitos de varios tipos. P. ej., tiene una página de producto que también incluye una sección de FAQ y quizá una guía de uso paso a paso. ¿Puede marcar todo eso? Sí, de hecho puede. Una sola página puede tener varios scripts JSON-LD, o un único grafo grande que incluya un Product, un FAQPage y quizá un Article si hay una descripción tipo blog. Google normalmente puede gestionar esto y elegirá qué resultado enriquecido mostrar (normalmente no los muestran todos a la vez). Hubo un tiempo en que combinaban FAQ y HowTo en una página en las presentaciones de búsqueda, pero ahora, con la FAQ limitada, no estoy seguro. Para la IA, tener un marcado polifacético podría incluso ser beneficioso: la IA puede recurrir a todo ello. Solo asegúrese de que estén correctamente conectados si es necesario (por ejemplo, si la FAQ trata específicamente de ese producto, podría establecer el mainEntityOfPage de la FAQ en la URL de la página del producto, o anidar la FAQ bajo el Product como propiedad; uso avanzado).

Error 7: olvidar el esquema de medios (imágenes/vídeos)
Nuestro foco ha sido los datos textuales de pregunta y respuesta, pero no descuide las imágenes y los vídeos. Si su guía práctica tiene un vídeo, usar el esquema VideoObject puede ayudar a Google a identificarlo para la búsqueda de vídeos o incluso a incluirlo en una respuesta de IA (la SGE a veces muestra un fragmento de un vídeo o un carrusel de imágenes). La guía de SingleGrain señaló las imágenes/vídeos sin marcar como un descuido habitual. Si una respuesta de IA quiere incluir una imagen (Bing lo hace en algunas respuestas, la SGE de Google también), puede preferir una fuente en la que la imagen esté claramente ligada al contenido (mediante el marcado ImageObject con una buena descripción). Así que marque sus medios clave. Como mínimo, asegúrese de que todo contenido tenga un atributo image en el Article o el esquema, ya que eso le da a la IA algo visual de lo que tirar si lo necesita.

Caso límite: impactos en el rendimiento
El JSON-LD suele ser diminuto en comparación con otros recursos, pero en páginas extremadamente grandes (p. ej., miles de preguntas y respuestas), incrustar un JSON enorme podría suponer una sobrecarga. En tales casos, algunos consideran enlazar a un archivo JSON-LD mediante <script src="...">. Actualmente, Google no admite oficialmente obtener JSON-LD externo mediante una etiqueta script: lo quieren en línea. Así que eso no se recomienda para el SEO. En cuanto al rendimiento, basta con comprimir su HTML (GZIP), lo que también comprimirá bien el JSON-LD, y debería estar bien. El beneficio del esquema supera con creces cualquier microcoste de rendimiento. Si tiene una página monstruosa, quizá convenga dividirla en varias páginas, también por el bien del usuario.

Error 8: no llevar un seguimiento de los cambios de esquema
Esto es más organizativo: si varias personas editan el sitio, asegúrese de que el esquema permanezca intacto. He visto rediseños en los que los desarrolladores eliminaron accidentalmente todo el JSON-LD («ah, ¿qué era ese bloque de código? parecía poco importante»): un desastre. Haga del esquema parte de sus pruebas de regresión. Tras una actualización del sitio, ejecute el rastreador para garantizar que el JSON-LD sigue presente en las páginas clave. Supervise también los errores de Search Console: si de repente ve un pico de «errores de esquema», investigue, podría ser un cambio de plantilla que rompió algo (p. ej., alguien eliminó un campo o cambió un nombre de clase del que dependía su generador de JSON). El esquema requiere mantenimiento como cualquier código.

Al evitar estos errores y tener en cuenta los casos límite, contará con una implementación sólida. El tema es: sea preciso, sea coherente y manténgase al día. Si lo hace, los datos estructurados le servirán bien y con un inconveniente mínimo.

Resumen y lista de comprobación práctica

Los datos estructurados, cuando se implementan correctamente, son un poderoso aliado tanto para el SEO tradicional como para el nuevo panorama de la búsqueda impulsada por IA. Traducen su contenido al lenguaje de las máquinas, lo que permite una mejor indexación, resultados de búsqueda más enriquecidos y mayores probabilidades de aparecer en respuestas generadas por IA. Los tipos de esquema clave que influyen en la visibilidad ante la IA incluyen FAQPage, HowTo, QAPage, Product, Person, Organization (About), WebPage/Article y ClaimReview, cada uno desempeñando un papel específico al aclarar su contenido para los algoritmos.

En términos prácticos, la optimización para motores de respuesta hoy significa combinar contenido de alta calidad con marcado de esquema para que los motores de búsqueda y la IA puedan identificar con facilidad sus respuestas, pasos, datos y entidades. Al hacerlo, no solo preserva su relevancia en la búsqueda clásica (mediante resultados enriquecidos), sino que también posiciona su sitio para ser una fuente en las consultas conversacionales y basadas en voz.

Aquí tiene una lista de comprobación concisa de pasos prácticos para optimizar su sitio con esquema en aras de la visibilidad ante la IA y la búsqueda:

• Identifique el contenido para el esquema: audite su sitio en busca de contenido de pregunta y respuesta (use FAQPage), contenido instructivo (HowTo), preguntas y respuestas de foro (QAPage), páginas de producto (esquema Product) e información clave de personas/organización (Person, Organization, AboutPage). Planifique el esquema para cada tipo de contenido.
• Implemente el marcado JSON-LD: añada JSON-LD de Schema.org a sus páginas mediante las plantillas de su CMS o complementos. Use el tipo apropiado (FAQPage, HowTo, etc.) e incluya todas las propiedades obligatorias (y las recomendadas útiles, como imágenes, fechas, etc.). Asegúrese de que el marcado refleje el contenido visible literalmente para cumplir las directrices.
• Vincule sus entidades: conecte sus nodos de esquema; referencie el @id de su Organization y su Person en el contenido, use author, publisher, about y sameAs para entretejer un grafo de conocimiento. Esto desambigua su marca y a sus expertos para la IA.
• Valide de forma continua: ejecute la prueba de resultados enriquecidos de Google o el validador de esquema en las páginas tras implementarlo. Corrija cualquier error. En Search Console, supervise los informes de Mejoras en busca de problemas (p. ej., campos ausentes) y rastree la cobertura del esquema en su sitio.
• Mantenga el esquema actualizado: integre las actualizaciones de esquema en las actualizaciones de contenido. Cuando la información cambie (precios, respuestas, nuevas preguntas), actualice el JSON-LD simultáneamente. Elimine o ajuste el marcado que ya no sea relevante (p. ej., veredictos de verificación de hechos obsoletos o eventos).
• Aproveche los resultados enriquecidos: cuando proceda, supervise si su esquema está generando fragmentos enriquecidos (desplegables de FAQ, estrellas, etc.) y observe el impacto en la tasa de clics. Aunque Google haya limitado algunos (FAQ/HowTo), otras funciones como los fragmentos de Product siguen en juego: aprovéchelas para conseguir clics.
• Supervise las citas de IA: compruebe periódicamente cómo aparece su contenido en los resultados de búsqueda con IA:
  • Pruebe consultas en Bing Chat, Google SGE, etc., relacionadas con su contenido. Compruebe si se cita su sitio.
  • Use cualquier herramienta o análisis disponible para ver si el tráfico o las menciones impulsados por IA están aumentando.
  • Solicite comentarios: si tiene usuarios o comunidad, pregúnteles si le encontraron a través de una respuesta de IA.
• Evite los escollos del esquema: no haga spam ni induzca a error con el esquema. Marque solo lo que es real en la página. Asegúrese de una sola implementación de esquema por página (evite duplicados/conflictos). Escale el marcado por todo el sitio para mantener la coherencia.
• Use herramientas y automatización: emplee complementos o scripts para gestionar el esquema a escala en lugar de programarlo manualmente en cada página. Esto garantiza que las páginas nuevas obtengan el marcado automáticamente. Para sitios grandes, considere soluciones dedicadas de gestión de esquema o funciones del CMS que gestionen de fábrica los tipos de esquema conocidos.
• Manténgase informado: esté al día de los anuncios de Google/Bing sobre datos estructurados. Ajuste su estrategia si ciertos marcados quedan obsoletos o se lanzan otros nuevos (por ejemplo, si Google introduce un esquema «AIAnswer» en el futuro, querrá ser de los primeros en adoptarlo). Forme de forma continua a sus equipos de contenido y desarrollo sobre la importancia de los datos estructurados en las nuevas funciones (como la búsqueda con IA).

Siguiendo estos pasos, creará una base sólida de datos estructurados que mejorará la visibilidad de su sitio en el cambiante panorama de la búsqueda. En un mundo de SEO que pasa de las respuestas en forma de «enlaces azules» a las respuestas en forma de información directa, el esquema es su forma de garantizar que su información esté en disposición de ser la respuesta.

Referencias y lecturas adicionales:

• Google Search Central Blog – «Changes to HowTo and FAQ rich results» (ago. 2023): anuncio oficial de la limitación de los fragmentos enriquecidos de FAQ a ciertos sitios y de HowTo al escritorio. Refuerza el reciente giro en la estrategia de resultados enriquecidos de Google.
• Google Search Central Documentation – «Fact Check (ClaimReview) structured data» (actualizado en 2025): Google confirma que está eliminando gradualmente el soporte de ClaimReview en la búsqueda, aunque sigue usándose en el Fact Check Explorer. Subraya que algunos tipos de esquema se están retirando de la búsqueda.
• Search Engine Land – «Google drops reporting on several structured data types» (Barry Schwartz, sep. 2025): cobertura periodística sobre la eliminación por parte de Google del soporte en Search Console de esquemas retirados como ClaimReview, con el razonamiento de Google de que no se usaban ampliamente y añadían ruido. Útil para entender en qué se centra (o no) ahora Google.
• Search Engine Roundtable – «Microsoft Confirms Schema Helps Its LLMs (Copilot) Understand Your Content» (Barry Schwartz, mar. 2025): destaca que la IA de Bing usa activamente el marcado de esquema, citando a Fabrice Canel de Microsoft. Es una evidencia clave de que el esquema importa más allá de Google e influye en los resultados de Bing Chat/Copilot.
• SingleGrain – «How Schema for AI SEO Improves Generative Search Visibility» (Eric Siu, nov. 2025): guía completa que explica por qué el esquema es crucial para la IA, incluida una tabla de tipos de esquema de alto impacto y una lista de comprobación de implementación. Confirma muchos puntos sobre la alineación de entidades, la estrategia de marcado y los errores habituales.
• The Structured Data Company – «Structured Data for SGE and Direct Answers» (Kelly Sheppard, ago. 2025): aborda la optimización para las AI Overviews de Google con esquema. Enumera tipos de esquema importantes para la IA (Organization, ProfilePage para Person, FAQPage, HowTo, QAPage, Article, ClaimReview, Product, etc.) y señala los cambios de soporte de Google (FAQ/HowTo no compatibles para resultados enriquecidos pero aún útiles). Ofrece la perspectiva de un experto sobre los efectos prácticos.
• Google Search Central Blog – «Top ways to ensure your content performs well in Google’s AI experiences» (John Mueller, may. 2025): orientación oficial que reitera que los datos estructurados deben coincidir con el contenido visible y que la búsqueda con IA de Google los tiene en cuenta. Confirma que no se necesitan trucos de «SEO para IA» aparte de buen contenido y SEO técnico.
• Search Engine Journal – «Google Confirms: Structured Data Still Essential in AI Search Era» (abr. 2025): cobertura de los comentarios de John Mueller en una conferencia (según informó Aleyda Solis); Google aconseja seguir usando datos estructurados para la búsqueda con IA y centrarse en los elementos visibles en la SERP. Subraya que, pese a los avances de la IA, el esquema sigue siendo una práctica recomendada.
• Writesonic – «Why Structured Data in AI Search Matters More Than Ever in 2025»: explica cómo el esquema ayuda a la IA con la claridad y el contexto, citando a Mueller cuando dice que «los datos estructurados ayudan a nuestros sistemas a comprender mejor lo que hay en una página… para resultados enriquecidos y funciones especiales». También aborda la necesidad de incluir el esquema en el HTML inicial para los rastreadores de IA.
• Statista – «AI Use in Marketing – Topic Report» (2025): (citado a través de SingleGrain) contiene estadísticas sobre la adopción de herramientas de IA en marketing. Ilustra el creciente énfasis en la legibilidad por máquinas y la automatización en el marketing de contenidos.

Cada una de estas fuentes refuerza el mensaje central: el marcado de Schema.org es una capa fundamental para tener éxito tanto en el SEO actual como en las emergentes experiencias de búsqueda dominadas por la IA. Al implementar correctamente los tipos de esquema adecuados, hace que su contenido sea más digerible para las máquinas, lo que a su vez lo hace más visible y creíble para los usuarios, ya lo encuentren en un fragmento de búsqueda tradicional o en una respuesta impulsada por IA.