Datos estructurados para IA: qué sigue siendo útil

Qué hacen realmente los datos estructurados por los asistentes de IA

Cada vez que un asistente de IA responde a una pregunta como “mejor dentista cerca de mí” o “dónde puedo comprar esta pieza”, primero envía un rastreador —un programa que visita páginas web y copia su contenido— para leer tu sitio. Sin etiquetas, ese rastreador ve un muro de texto y tiene que adivinar el significado: ¿“555-0134” es un teléfono o el código de un producto? Los datos estructurados eliminan esa incertidumbre envolviendo los hechos en un pequeño bloque de código llamado JSON-LD, que descansa discretamente en la página y viene a decir: esto es el teléfono, esto es el precio, esto es la hora de apertura.

La propia documentación de OpenAI confirma que su rastreador, GPTBot, recoge páginas web públicas de forma muy parecida a como lo hace un buscador tradicional OpenAI, y la guía de datos estructurados de Google es explícita al decir que estas etiquetas ayudan a un programa a “entender el contenido de la página” Google Search Central. Ninguna de las dos compañías ha dicho que ignore este etiquetado, así que en la práctica el mismo bloque JSON-LD que añadirías para el buscador clásico también lo leen los asistentes a los que se están pasando tus clientes. Si nunca lo has añadido, los asistentes que hoy responden preguntas sobre tu negocio están trabajando con suposiciones, no con hechos.

Los cuatro tipos de schema que merecen tu tiempo

Schema.org recoge cientos de tipos de elemento, desde Recipe hasta Movie o Airport, pero una pyme típica solo necesita cuatro para cubrir casi cualquier dato que un asistente pueda citar. Añade estos y no te preocupes por el resto.

• Organization — establece tu negocio como una entidad única con nombre propio, con logo y enlaces a tus perfiles sociales oficiales, para que un asistente pueda saber que la cuenta de Instagram y la web pertenecen a la misma “Panadería Dolores”.
• LocalBusiness — una extensión de Organization pensada para quien tiene una dirección física o una zona de servicio; recoge tu horario, tu teléfono y tu barrio, justo los datos que un asistente necesita para responder “¿están abiertos ahora mismo?”.
• Product y Offer — asocian un precio real, una moneda y la disponibilidad a lo que vendes, para que un asistente cite tu cifra exacta en lugar de promediar las estimaciones de varios competidores.
• FAQPage — un conjunto de preguntas y respuestas con la forma exacta que a los asistentes ya les gusta tomar prestada y repetir al usuario, palabra por palabra.

Qué aporta una confirmación legible por máquinas a la resolución de identidad

Imagina a Dolores, que tiene una panadería en Austin. Tiene un perfil de Google Business, una página de Yelp, una cuenta de Instagram y una web: cuatro menciones distintas de “Panadería Dolores” repartidas por internet. Antes de poder recomendarla con seguridad, un asistente tiene que resolver la llamada resolución de entidad — decidir si esas cuatro menciones describen el mismo negocio real o si alguna corresponde a otra Panadería Dolores en otra ciudad.

Los datos estructurados le dan al asistente un atajo. Una propiedad de schema.org llamada sameAs permite que Dolores enumere las URL de su Instagram, Facebook y Yelp directamente dentro del marcado Organization de su propia web —una confirmación legible por máquinas, en sus propias palabras, de que esas cuentas son suyas schema.org. Es una señal más fuerte que la que obtiene un asistente al inferir una coincidencia por nombres y direcciones parecidas en fuentes de las que no se fía del todo; es la propia Dolores avalando la conexión, en un formato que nada puede malinterpretar.

Esto importa cada vez más a medida que crece la competencia por un nombre. Una única “Panadería Dolores” en un pueblo de ocho mil habitantes se resuelve fácilmente sola. Una “Clínica Dental Ribera” que compite contra otras cuatro clínicas con nombres parecidos necesita cada detalle que la distinga —la dirección exacta, el teléfono exacto, los enlaces sociales confirmados— para que un asistente no la mezcle con la de la competencia de al lado.

Un ejemplo de JSON-LD que puedes copiar y adaptar esta semana

No hace falta un desarrollador para escribir esto desde cero; hace falta rellenar una plantilla. Un bloque JSON-LD para un negocio local se coloca dentro de una única etiqueta script, marcada como tipo application/ld+json, y empieza con una línea que declara su vocabulario como el contexto de schema.org. Dentro, el tipo se fija como LocalBusiness, seguido de un campo name con el nombre exacto de tu negocio y un campo image que apunta a tu logo.

A continuación va una dirección, escrita como su propio objeto anidado de tipo PostalAddress, dividido en streetAddress, addressLocality (tu ciudad), addressRegion (tu provincia o comunidad autónoma) y postalCode —cuatro campos separados y etiquetados en vez de una sola línea de texto, porque eso es lo que permite que un asistente responda “¿está esto cerca de mí?” sin confundir un código postal con un número de piso. Le siguen un campo telephone y un campo priceRange (algo tan sencillo como “$” para un precio medio). Un campo openingHoursSpecification enumera tus días y horas en un formato estructurado en lugar de una frase, para que “cerrado los domingos” no se pueda leer como “cerrado los lunes”. Por último, un campo sameAs contiene un array de URL: tu Instagram, tu página de Facebook, tu ficha de Yelp y cualquier otro perfil que sea inconfundiblemente tuyo.

Una vez escrito, ese bloque se pega una sola vez, cerca del principio del código de tu portada, y se deja tranquilo. Si usas un creador de webs como Squarespace, Wix o Shopify, la mayoría ofrece ya un campo de ajustes para código personalizado o datos estructurados donde se puede añadir sin tocar el resto del sitio.

Qué te puedes ahorrar

No todos los tipos de schema.org merecen tu tiempo, y perseguirlos todos desperdicia un esfuerzo que estaría mejor invertido en los cuatro anteriores.

• El marcado BreadcrumbList, que describe la estructura de carpetas de tu web (Inicio > Menú > Tartas), ayuda a que el buscador clásico muestre una ruta de navegación, pero no le dice nada a un asistente sobre los hechos de tu negocio: sáltatelo salvo que ya lo tengas de un proyecto anterior.
• AggregateRating sin reseñas reales detrás. Las propias directrices de datos estructurados de Google prohíben explícitamente el marcado que tergiversa valoraciones que no tienes de verdad Google Search Central, y un asistente que repita una puntuación inflada que no puedes respaldar es un riesgo para tu reputación, no una ventaja.
• Marcado duplicado o excesivamente anidado en cada página. Tu identidad de Organization solo necesita declararse con claridad una vez, normalmente en la portada; repetirla de forma inconsistente en decenas de páginas crea versiones contradictorias que el asistente tiene que intentar conciliar, lo cual es peor que declararla una sola vez, bien hecha.
• Tipos de schema.org nuevos y apenas soportados. El propio vocabulario recoge cientos de tipos pensados para usos muy concretos, como recetas o aeropuertos schema.org; si un tipo no está entre el puñado que buscadores y asistentes documentan realmente usar, la etiqueta hoy no te sirve de nada.

Cómo comprobar que tus datos estructurados funcionan de verdad

Añadir el código es solo la mitad del trabajo; confirmar que se puede leer es la otra mitad. La herramienta gratuita Rich Results Test de Google te permite pegar la URL de una página, o el propio código, y ver exactamente qué tipos detecta y qué campos faltan Google. Ejecutarla después de cada cambio detecta una errata —una coma que falta puede romper en silencio todo un bloque— antes de que te cueste nada.

Esa prueba te dice que el código es válido. No te dice si ChatGPT usó de verdad tu horario confirmado en una respuesta, ni si Perplexity sigue poniendo primero a un competidor. Esa es otra pregunta, y es justo la que Growli fue creado para responder: rastreamos qué dicen realmente los asistentes sobre un negocio en distintas plataformas y señalamos dónde sigue existiendo la brecha entre un código correcto y una respuesta correcta. Consulta cómo funciona si quieres comprobar tus propios resultados en lugar de dar por hecho que el marcado está haciendo su trabajo.

FAQ