Qué es Schema.org y por qué importa en GEO
Schema.org es un vocabulario estandarizado de marcado estructurado que se añade al código HTML de una página web para describir explícitamente el tipo de contenido que contiene. Fue creado por Google, Microsoft, Yahoo y Yandex para ayudar a los motores de búsqueda a entender el significado del contenido, no solo su texto.
En el contexto del GEO, Schema.org cumple una función aún más crítica: proporciona a los LLMs una señal directa y sin ambigüedad sobre el tipo de información que contiene cada sección de una página. Mientras que un LLM tiene que inferir el significado de un párrafo a partir del texto, un marcado Schema le dice explícitamente: «esto es una pregunta frecuente con su respuesta», «esto es una guía paso a paso», «esto es la definición de un término».
Para un motor de IA que decide qué fragmentos citar, una página con Schema.org bien implementado tiene una ventaja decisiva sobre otra sin él. Este marcado es uno de los 7 pilares del GEO que describimos en la Guía Completa de Generative Engine Optimization (GEO) 2026-2027.
Los 5 tipos de Schema que priorizan los LLMs
No todos los tipos de Schema.org tienen el mismo impacto en la citación por IA. Basándonos en la evidencia de qué fragmentos son extraídos con más frecuencia por ChatGPT, Perplexity, Gemini y Claude, estos son los 5 tipos prioritarios.
1. FAQPage (prioridad máxima)
FAQPage: es el tipo de Schema más citado por los LLMs. Marca explícitamente cada pregunta y su respuesta como una unidad independiente. Cuando un LLM busca una respuesta a una pregunta de un usuario, el FAQPage es el formato óptimo porque la pregunta ya está formulada en lenguaje natural y la respuesta está directamente asociada.
Estructura básica:
{
«@context»: «https://schema.org»,
«@type»: «FAQPage»,
«mainEntity»: [{
«@type»: «Question»,
«name»: «¿Pregunta completa en lenguaje natural?»,
«acceptedAnswer»: {
«@type»: «Answer»,
«text»: «Respuesta completa y autocontenida.»
}
}]
}
Recomendación: implementa FAQPage en todos los artículos que tengan sección de preguntas frecuentes. Cada artículo debe tener entre 3 y 8 preguntas, basadas en intenciones de búsqueda reales verificadas en herramientas SEO. (Esta es la técnica 12 del artículo Cómo escribir contenido para que ChatGPT, Perplexity, Gemini y Claude te citen como fuente).
2. QAPage (prioridad alta)
QAPage: es similar a FAQPage, pero diseñado para páginas donde los usuarios hacen y responden preguntas (foros, hilos, comunidades). Los LLMs lo priorizan cuando buscan respuestas a preguntas específicas.
Diferencia con FAQPage: FAQPage es para preguntas frecuentes estáticas, seleccionadas por el autor. QAPage es para preguntas generadas por usuarios, dinámicas y con múltiples respuestas.
Recomendación: usa FAQPage para contenido editorial. Usa QAPage solo si tu sitio tiene una sección de preguntas de usuarios.
3. HowTo (prioridad alta)
HowTo: marca guías paso a paso como una secuencia de instrucciones. Los LLMs lo detectan como contenido procedimental y lo citan con frecuencia cuando el usuario pregunta «cómo se hace X».
Estructura básica:
{
«@context»: «https://schema.org»,
«@type»: «HowTo»,
«name»: «Título de la guía»,
«step»: [
{
«@type»: «HowToStep»,
«position»: 1,
«name»: «Nombre del paso»,
«text»: «Descripción del paso.»
}
]
}
Recomendación: implementa HowTo en artículos que contengan instrucciones, tutoriales o procesos. Cada paso debe tener un nombre descriptivo y una instrucción clara y autónoma.
4. Article (prioridad media-alta)
Article: marca el artículo completo con metadatos: título, descripción, fecha de publicación, fecha de actualización, autor y entidad publicadora. Los LLMs consultan estos campos para verificar la autoridad y actualidad del contenido.
Estructura básica:
{
«@context»: «https://schema.org»,
«@type»: «Article»,
«headline»: «Título del artículo»,
«description»: «Resumen del artículo»,
«datePublished»: «2026-06-15»,
«dateModified»: «2026-06-15»,
«author»: {
«@type»: «Person»,
«name»: «Nombre del autor»
}
}
Recomendación: implementa Article en todas las páginas de contenido. Los campos `datePublished` y `dateModified` son los que más pesan en la decisión del LLM sobre si citar el contenido como fuente actualizada.
5. Definition (prioridad media)
Definition: marca la definición de un término. Aunque no es un tipo oficial independiente de Schema.org (se suele implementar como TechArticle o con marcado de glosario), cualquier estructura que asocie explícitamente un término con su definición es valorada por los LLMs.
Recomendación: si tu sitio tiene un glosario o secciones que definen términos de forma sistemática, añade marcado de definición.
Qué tipos de Schema NO priorizan los LLMs (y por qué)
Tipo | Por qué no lo priorizan |
Product | Usado para comercio electrónico. Los LLMs prefieren fuentes informacionales sobre comerciales. |
LocalBusiness | Relevante solo para búsquedas locales. Los LLMs generales priorizan contenido informacional. |
Review | Los LLMs prefieren fuentes objetivas; las opiniones se usan con cautela. |
Event | Solo relevante para búsquedas temporales. |
BreadcrumbList | Útil para navegación pero no afecta directamente a la citación. |
Orden de implementación recomendado
No necesitas implementar todos los tipos a la vez. Prioriza por impacto.
Fase 1 (semanas 1-2): FAQPage en las 5-10 páginas con más tráfico informacional. Article con fechas en todas las páginas.
Fase 2 (semanas 3-4): HowTo en todas las guías y tutoriales. FAQPage en el resto de páginas de contenido.
Fase 3 (semanas 5-8): QAPage si aplica. Definition para glosarios. Validación de cobertura.
Herramientas para validar Schema
- Schema Markup Validator (schema.org): valida el JSON-LD contra el vocabulario oficial.
- Google Rich Results Test: comprueba si Google interpreta correctamente el marcado.
- Merchant Center (Google): para Product schema.
- Validación manual: inspección de código fuente combinada con búsquedas en ChatGPT para verificar que el LLM detecta el FAQPage.
FAQ
¿Qué Schema debo implementar primero para GEO?
FAQPage es la prioridad máxima porque es el tipo que los LLMs citan con más frecuencia. Implémentalo en todas las páginas con preguntas frecuentes.
¿El Schema.org afecta directamente al ranking en LLMs?
No hay evidencia de que los LLMs usen Schema como factor de ranking directo, pero sí como señal de estructura y tipo de contenido. Una página con FAQPage tiene más probabilidades de ser citada en respuestas FAQ.
¿Debo usar JSON-LD, Microdata o RDFa?
JSON-LD. Es el formato recomendado por Google y el más fácil de implementar y mantener. Los LLMs lo procesan sin problemas.
¿Cuántas preguntas FAQ debo marcar con Schema?
Entre 3 y 8 por página. Menos de 3 no justifica el marcado. Más de 8 puede ser contraproducente, ya que los LLMs tienden a extraer las primeras preguntas.
¿El Schema Product es útil para GEO?
Solo si el usuario pregunta específicamente por un producto. Para contenido informacional, FAQPage y Article son mucho más relevantes.
¿Cada cuánto debo actualizar el Schema?
Cada vez que actualices el contenido. Las fechas en Article deben reflejar la última modificación. Las preguntas FAQ deben revisarse trimestralmente.
Checklist de implementación de Schema para GEO
- ☐ FAQPage implementado en páginas con preguntas frecuentes (3-8 preguntas)
- ☐ Article con datePublished y dateModified en todas las páginas de contenido
- ☐ HowTo en guías y tutoriales paso a paso
- ☐ QAPage en secciones de preguntas de usuarios (si aplica)
- ☐ Definition para glosarios o secciones de definición de términos
- ☐ JSON-LD validado con Schema Markup Validator
- ☐ FAQPage detectado correctamente en ChatGPT (prueba manual)
- ☐ Fechas actualizadas en cada revisión de contenido
¿Quieres saber si tu web tiene el Schema.org correcto para que los LLMs te citen? En Reinicia GEO Agency ofrecemos un diagnóstico GEO gratuito: revisamos tu marcado estructurado actual y te indicamos qué tipos de Schema implementar primero según tu contenido.
Artículos relacionados
- Guía Completa de Generative Engine Optimization (GEO) 2026-2027
- Cómo escribir contenido para que ChatGPT, Perplexity, Gemini y Claude te citen como fuente
- Cluster de contenido GEO: la arquitectura que necesitas para dominar las respuestas de IA
- 15 errores comunes en GEO que arruinan tu visibilidad en IA (y cómo evitarlos)
*Sobre este artículo: producido siguiendo los principios de E-E-A-T-C (Experience, Expertise, Authoritativeness, Trustworthiness, Citability) y optimizado para su extracción y citación por motores de IA. Su estructura de definiciones claras, ejemplos de código, tablas, FAQ y checklist facilita que ChatGPT, Perplexity, Gemini y Claude lo identifiquen como fuente autorizada.*
¿Quieres saber exactamente cómo te ve la IA?
No vendemos humo. Te decimos si la IA te nombra, si nombra antes a tu competencia y qué hacer al respecto. La auditoría es gratuita.