Etiquetado de páginas para máquinas: tipos de schema, ejemplos y una implementación segura

¿Por qué los datos estructurados son importantes para la búsqueda con IA?

Prueba rápida: Pega la URL de una página en el validador de Schema.org. Cuenta los errores y advertencias, y corrige primero los errores.

El marcado schema describe las entidades y relaciones de una página en un formato que el software puede interpretar. Para un contexto de búsqueda con IA, puede hacer explícitos detalles como el nombre de una organización, los atributos de un producto o el autor de un artículo, en lugar de dejar que cada relación se infiera del texto.

Esa descripción solo es útil cuando refleja la página en sí. El marcado no crea experiencia, no llena vacíos en el texto ni hace que una oferta poco clara sea comprensible para un lector. Empieza por la página visible: identifica su tema principal, los datos de apoyo y la acción o pregunta que aborda la página. Luego, marca esos datos usando el tipo de schema.org más adecuado.

Una prueba práctica es preguntarse si una persona que lee la página reconocería cada afirmación marcada. Si la página no muestra un precio de producto, no pongas un precio en los datos estructurados. Si un artículo nombra a un autor, usa la misma información del autor en la página y en su marcado. Para la planificación de contenido más allá de los detalles técnicos, consulta la guía sobre contenido citable para asistentes de IA.

¿Qué tipos de schema.org importan?

El tipo de schema.org útil es el que representa con precisión la página, no el que suena más impresionante. Comienza con el propósito principal de cada URL y selecciona tipos que se ajusten a su contenido visible y al rol del sitio.

Estos son puntos de partida, no un conjunto obligatorio. Un sitio corporativo puede usar Organization en una página adecuada y Article en páginas editoriales, mientras que una página de producto puede describir el producto que realmente presenta. Evita añadir tipos solo porque un competidor los use o porque un generador los ofrezca.

Si dos tipos parecen plausibles, elige el que mejor describa el tema central de la página y luego confirma que cada propiedad tenga contenido de apoyo visible. Para detalles técnicos relacionados, consulta AEO técnica: schema, llms.txt y rastreadores.

Un ejemplo de marcado, línea por línea

Un ejemplo útil es pequeño, preciso y está conectado al contenido visible de la página. JSON-LD es una forma de proporcionar datos estructurados en un bloque de script, separado del texto principal del cuerpo; el siguiente ejemplo describe un artículo sin añadir afirmaciones que la página en sí no haga.

Estructura de ejemplo: @context: https://schema.org; @type: Article; headline: Una guía práctica sobre seguridad en wallets; author: Equipo de Investigación Ejemplo; about: Seguridad en wallets.

Úsalo como una plantilla para adaptar, no como código para pegar sin cambios. Reemplaza el titular y el autor de ejemplo con los detalles que se muestran en la página real. Confirma la URL, el título, la identidad del autor y cualquier otra propiedad en tu implementación antes de publicar. Un campo que es técnicamente válido pero inexacto puede hacer que la descripción estructurada sea menos confiable.

Para una página sobre un servicio, no la etiquetes como un producto solo para incluir propiedades adicionales. Haz coincidir el tipo con la oferta real y la información que presenta la página. Puedes revisar el vocabulario y las definiciones de tipos en la documentación oficial de Schema.org.

llms.txt o schema.org: ¿qué hace cada uno?

Schema.org y llms.txt son diferentes tipos de señales a nivel de sitio. El marcado schema adjunta descripciones estructuradas al contenido de la página; un archivo llms.txt es un documento de texto destinado a dar a las herramientas de modelos de lenguaje una orientación concisa sobre un sitio web y sus recursos. Ninguno reemplaza a las páginas útiles y accesibles.

Para schema, trabaja URL por URL: describe el artículo, la organización o el producto representado en esa página. Para llms.txt, piensa en el mapa más amplio del sitio: ¿qué recursos son más útiles para entender la organización y su contenido? Mantén el archivo conciso, preciso y fácil de mantener. Evita listar URLs desactualizadas o páginas que no respalden el propósito declarado.

Usa ambos solo cuando cada uno tenga un trabajo claro. Para más información sobre el propósito y la configuración del archivo, lee qué es llms.txt y si lo necesitas y la guía de configuración de llms.txt y rastreadores de IA.

Tu lista de verificación de schema en 7 puntos

Ejecuta estos 7 pasos en una plantilla a la vez. Una sola plantilla fija puede reparar cientos de páginas, así que empieza por la que más uses.

• Enumera tus tipos de página y elige un tipo de schema para cada uno.
• Escribe el JSON-LD separado del marcado visible.
• Marca solo lo que los visitantes puedan ver.
• Mantén el nombre de la organización idéntico en todas las plantillas.
• Valida cada plantilla antes del lanzamiento.
• Vuelve a validar después de cada actualización del sitio.
• Registra los errores en una hoja y corrige 3 por semana.

Términos en una línea

JSON-LD (en palabras simples: un bloque de script que contiene datos estructurados separados de la página visible).

Tipo de schema significa una etiqueta como Organization o Product que indica de qué trata una página.

¿Cómo se implementa?

Error común: Marcar contenido que no es visible. Si un visitante no puede verlo, no lo etiquetes.

Implementa el marcado schema conectando el contenido visible de cada página con una descripción estructurada precisa, y luego verifica el resultado después de la publicación. Un flujo de trabajo pequeño y repetible ayuda a prevenir que los errores de plantilla se propaguen por todo el sitio.

Comienza con un inventario de páginas. Registra la URL, el propósito de la página, la entidad principal y los datos que se indican visiblemente en la página. Luego, asigna cada página a un tipo apropiado e incluye solo las propiedades respaldadas por ese contenido. Decide cómo se añadirá el marcado (a través de la plataforma del sitio, una plantilla o un cambio de código) e identifica quién revisará las actualizaciones cuando la página cambie.

Antes del lanzamiento, compara la página renderizada con su JSON-LD. Verifica que los nombres, títulos, descripciones y relaciones coincidan; comprueba que el script esté presente en la URL prevista; y busca problemas de sintaxis o elegibilidad usando las herramientas de validación correspondientes. Después de los cambios en la plantilla de la página, repite esa verificación en URLs representativas e inspecciona más de un tipo de página.

Si te preguntas cómo implementar llms.txt, manéjalo como una tarea separada: acuerda el propósito del archivo, recopila recursos actuales de alto valor y asigna la responsabilidad de mantenerlo actualizado. No lo trates como un sustituto del schema específico de la página o del contenido editorial claro.

Verificar si el marcado ayuda

Verifica la calidad del schema con dos revisiones separadas: primero confirma que el código sea preciso y utilizable, luego examina si las páginas importantes se están representando correctamente en las búsquedas y respuestas de IA. Un resultado de validación limpio es una verificación técnica, no una evidencia por sí misma de que una página será citada.

Para la revisión técnica, inspecciona si el marcado está presente en la página prevista, si su sintaxis se puede leer y si sus propiedades coinciden con el contenido visible. Mantén un registro de la URL, el tipo, la fecha de revisión, los problemas encontrados y la persona responsable de cualquier corrección. Esto facilita el diagnóstico de cambios posteriores en la plantilla.

Para la revisión de visibilidad, monitorea un conjunto consistente de preguntas relevantes y anota qué páginas o fuentes aparecen en las respuestas de herramientas como ChatGPT y Perplexity. Registra si la marca se describe con precisión, si una página citada es relevante y si las respuestas omiten un hecho importante. Trata esas observaciones como un resumen direccional: la redacción de las respuestas y las fuentes pueden variar, por lo que una sola respuesta no es una medición confiable.

Usa los hallazgos para mejorar la página en sí cuando el contenido esté incompleto o sea difícil de interpretar. Para una evaluación más amplia, consulta monitoreo de búsqueda con IA y la guía de optimización de FAQ para respuestas de IA.

¿Qué esperar del marcado?

El marcado schema puede aclarar lo que dice una página, pero no puede hacer que el contenido débil sea útil ni dictar qué fuentes utiliza un sistema de IA. La expectativa adecuada es una información mejor estructurada que se mantenga alineada con la página y que tu equipo pueda verificar.

ChatGPT y Perplexity deciden de forma independiente si recuperar, citar, resumir u omitir una página, y su selección de fuentes y la generación de respuestas están fuera de tu control. Google tampoco promete una apariencia de búsqueda particular solo porque una página contenga datos estructurados. Construye la implementación en torno a la precisión y la mantenibilidad, no a una ubicación prometida.

Antes de publicar o expandir el marcado, verifica estos puntos:

• El tipo seleccionado se ajusta al propósito real de la página.
• Cada propiedad está respaldada por contenido visible y actual.
• El marcado está implementado en las URLs previstas y se revisa después de los cambios en la plantilla.
• Un responsable designado puede actualizarlo cuando los datos de la página cambien.

Para una revisión editorial, MarketingExtra puede comparar las afirmaciones visibles de una página con su descripción estructurada y señalar las inconsistencias para tu equipo. Para empezar, envía la URL y la audiencia o el propósito principal de la página; el siguiente paso es mapear los hechos visibles a un tipo de schema adecuado.

Cómo trabajamos

1. Inventariar las páginasEnumera las URLs que importan y anota el propósito de cada página, su tema principal y los datos visibles. Separa las necesidades de marcado a nivel de página de la documentación general del sitio, como llms.txt.
2. Elegir un tipo adecuadoAsigna cada página a un tipo de schema.org que describa su contenido real. No añadas propiedades solo porque estén disponibles.
3. Redactar e implementar JSON-LDCrea la descripción estructurada a partir de la información ya mostrada en la página, luego agrégala a través de la plantilla del sitio o la ruta de implementación adecuada.
4. Comparar el código con la páginaVerifica juntos la URL publicada, el texto visible y los datos estructurados. Corrige nombres, descripciones, relaciones o afirmaciones no respaldadas que no coincidan.
5. Revisar después de los cambiosVuelve a verificar las URLs afectadas después de actualizaciones de contenido o plantilla, y mantén un registro de los problemas y su resolución. Monitorea las respuestas de IA por separado de la validación técnica.