Dati strutturati per la ricerca AI: cosa conta ancora

Cosa fanno davvero i dati strutturati per gli assistenti AI

Ogni assistente AI che risponde a una domanda come “miglior dentista vicino a me” o “dove posso comprare questo pezzo” manda prima un crawler — un programma che visita le pagine web e ne copia il contenuto — a leggere il tuo sito. Senza etichette, quel crawler vede un muro di testo e deve dedurne il significato: “055-0134” è un numero di telefono o un codice prodotto? I dati strutturati eliminano questa incertezza racchiudendo i fatti in un piccolo blocco di codice chiamato JSON-LD, che resta silenzioso nella pagina e dice, in sostanza, questo è il numero di telefono, questo è il prezzo, questo è l'orario di apertura.

La documentazione ufficiale di OpenAI conferma che il suo crawler, GPTBot, recupera le pagine web pubblicamente disponibili più o meno come farebbe un motore di ricerca tradizionale OpenAI, e le linee guida di Google sui dati strutturati sono esplicite: queste etichette aiutano un programma a “capire il contenuto della pagina” Google Search Central. Nessuna delle due aziende ha mai detto di ignorare questa etichettatura, quindi in pratica lo stesso blocco JSON-LD che aggiungeresti per la ricerca classica viene letto anche dagli assistenti verso cui i tuoi clienti si stanno spostando. Se non l'hai mai aggiunto, gli assistenti che oggi rispondono a domande sulla tua attività lavorano su ipotesi, non su fatti.

I quattro tipi di schema che vale la pena aggiungere

Schema.org elenca centinaia di tipi, da Recipe a Movie ad Airport, ma una piccola o media impresa tipica ne ha bisogno solo di quattro per coprire quasi ogni fatto che un assistente potrebbe citare. Aggiungi questi, e non preoccuparti del resto.

• Organization — stabilisce la tua attività come un'unica entità con un nome preciso, un logo e i link ai profili social ufficiali, così un assistente capisce che l'account Instagram e il sito web appartengono entrambi alla stessa “Pasticceria di Dolores”.
• LocalBusiness — un'estensione di Organization pensata per chi ha un indirizzo fisico o un'area di servizio; contiene i tuoi orari, il numero di telefono e il quartiere, esattamente i dettagli che servono a un assistente per rispondere a “è aperto adesso?”.
• Product e Offer — collegano un prezzo reale, una valuta e la disponibilità a ciò che vendi, così un assistente cita il tuo numero effettivo invece di fare una media approssimativa tra alcuni concorrenti.
• FAQPage — un insieme di domande e risposte esattamente nel formato che agli assistenti piace già riprendere e citare parola per parola a un utente.

Cosa fa la conferma leggibile dalle macchine per la risoluzione dell'identità

Immagina Dolores, che ha una pasticceria ad Austin. Ha un profilo su Google Business Profile, una pagina Yelp, un account Instagram e un sito web — quattro menzioni separate di “Pasticceria di Dolores” sparse per internet. Prima di poterla consigliare con sicurezza, un assistente deve risolvere quello che in gergo tecnico si chiama entity resolution, cioè capire se tutte e quattro le menzioni descrivono la stessa attività reale, oppure se una di esse è una diversa “Pasticceria di Dolores” in un'altra città.

I dati strutturati offrono all'assistente una scorciatoia. Una proprietà di schema.org chiamata sameAs permette a Dolores di elencare gli URL di Instagram, Facebook e Yelp direttamente dentro il markup Organization del proprio sito — una conferma leggibile dalle macchine, nelle sue stesse parole, che quegli account sono suoi schema.org. È un segnale molto più forte rispetto a un assistente che deduce una corrispondenza da nomi e indirizzi simili trovati su fonti di cui non si fida del tutto; è Dolores stessa a garantire il collegamento, in un formato che nessuno può fraintendere.

Questo conta ancora di più quando cresce la concorrenza per un nome. Un'unica “Pasticceria di Dolores” in un paese di ottomila abitanti si distingue facilmente da sola. Uno studio dentistico chiamato “Riverside Dental” che compete con altre quattro cliniche dal nome simile ha bisogno di ogni dettaglio che lo distingua — l'indirizzo esatto, il numero di telefono esatto, i link social confermati — per evitare che un assistente lo confonda con un concorrente poco distante.

Un esempio di JSON-LD pronto da copiare e adattare questa settimana

Non serve uno sviluppatore per scriverlo da zero; basta compilare un modello. Un blocco JSON-LD per un'attività locale sta dentro un singolo tag script, contrassegnato come tipo application/ld+json, e inizia con una riga che dichiara il proprio vocabolario, cioè il “contesto” schema.org. Al suo interno, il tipo viene impostato su LocalBusiness, seguito da un campo name con il nome esatto della tua attività e un campo image che punta al tuo logo.

Segue poi un indirizzo, scritto come un oggetto annidato a sé di tipo PostalAddress, suddiviso in streetAddress, addressLocality (la tua città), addressRegion (la tua regione o provincia) e postalCode — quattro campi separati ed etichettati invece di una riga di testo, perché è proprio questo che permette a un assistente di rispondere a “è vicino a me” senza confondere un CAP con un numero civico. Seguono un campo telephone e un campo priceRange (qualcosa di semplice come “$” per un prezzo medio). Un campo openingHoursSpecification elenca i tuoi giorni e orari in un formato strutturato invece che in una frase, così “chiuso la domenica” non può essere letto per sbaglio come “chiuso il lunedì”. Infine, un campo sameAs contiene un elenco di URL: il tuo Instagram, la tua pagina Facebook, la tua scheda Yelp e qualsiasi altro profilo che sia inconfondibilmente tuo.

Una volta scritto, quel blocco va incollato una sola volta, vicino all'inizio del codice della tua homepage, e poi lasciato lì. Se usi un builder per siti come Squarespace, Wix o Shopify, quasi tutti oggi offrono un campo nelle impostazioni per codice personalizzato o dati strutturati dove puoi aggiungerlo senza toccare il resto del sito.

Cosa puoi tralasciare

Non tutti i tipi di schema.org meritano il tuo tempo, e inseguirli tutti spreca energie che sarebbe meglio dedicare ai quattro elencati sopra.

• Il markup BreadcrumbList, che descrive la struttura a cartelle del tuo sito (Home > Menu > Torte), aiuta i risultati di ricerca classici a mostrare un percorso di navigazione ma non dice nulla a un assistente sui fatti della tua attività — saltalo, a meno che tu non lo abbia già da un progetto precedente.
• AggregateRating senza recensioni reali alla base. Le linee guida di Google sui dati strutturati vietano esplicitamente markup che falsano valutazioni che non hai davvero Google Search Central, e un assistente che ripete un punteggio gonfiato che non puoi dimostrare è un rischio per la reputazione, non un vantaggio.
• Markup annidato in profondità o duplicato su ogni singola pagina. La tua identità Organization va dichiarata chiaramente una sola volta, di solito in homepage; ripeterla in modo incoerente su decine di pagine crea versioni discordanti che un assistente deve poi conciliare, il che è peggio che dichiararla una volta sola, correttamente.
• Tipi di schema.org nuovi di zecca e raramente supportati. Il vocabolario stesso elenca centinaia di tipi pensati per usi molto specifici come ricette o aeroporti schema.org; se un tipo non rientra tra la manciata che motori di ricerca e assistenti sono documentati usare davvero, oggi quell'etichetta non ti serve a nulla.

Come verificare che i tuoi dati strutturati funzionino davvero

Aggiungere il codice è solo metà del lavoro; confermare che sia leggibile è l'altra metà. Lo strumento gratuito Rich Results Test di Google ti permette di incollare l'URL di una pagina o il codice stesso e vedere esattamente quali tipi rileva e quali campi mancano Google. Eseguirlo dopo ogni modifica intercetta un errore di battitura — una virgola mancante può silenziosamente rompere un intero blocco — prima che ti costi qualcosa.

Quel test ti dice che il codice è valido. Non ti dice se ChatGPT ha davvero usato i tuoi orari confermati in una risposta, o se Perplexity continua a mettere un concorrente al primo posto. Questa è una domanda diversa, ed è proprio quella a cui Growli è nata per rispondere: monitoriamo cosa dicono davvero gli assistenti su un'attività attraverso le varie piattaforme e segnaliamo dove esiste ancora un divario tra codice corretto e risposta corretta. Guarda come funziona se vuoi verificare i tuoi risultati invece di dare per scontato che il markup stia facendo il suo lavoro.

FAQ