🎯 Objetivo
Comprender cómo el uso de Schema.org y datos estructurados puede aumentar las probabilidades de que tu contenido:
- Sea comprendido correctamente por modelos de lenguaje como ChatGPT o Gemini.
- Sea utilizado como base o referencia para sus respuestas.
- Aparezca citado, mencionado o priorizado en resultados conversacionales.
🧠 ¿Cómo “leen” los LLMs el contenido de tu web?
Los LLMs procesan texto web mediante crawlers y bases de datos de entrenamiento. Aunque no todos acceden en tiempo real (salvo Perplexity, Bing o algunas extensiones en ChatGPT), sí integran datos estructurados si están bien definidos.
Cuando encuentran una web con marcado:
- Identifican mejor las entidades (personas, productos, recetas, servicios…)
- Distinguen claramente lo que es información útil vs. ruido
- Generan respuestas más confiables si los datos tienen contexto estructurado
🔍 ¿Qué aporta Schema a los LLMs?
| Sin Schema | Con Schema |
|---|---|
| Texto libre, ambiguo | Contenido con contexto semántico |
| Difícil de interpretar relaciones entre elementos | Relación clara entre precio, disponibilidad, autor, etc. |
| Bajo nivel de reutilización | Alta probabilidad de ser citado o reformulado |
| Más errores al generar respuestas | Mayor precisión y confianza |
📦 Casos concretos donde Schema ayuda
🛒 Producto
- Schema:
Product+Offer+AggregateRating - Resultado: Gemini o Perplexity pueden listar tus productos como opciones válidas, con precio y valoración visible
🧑 Persona o experto
- Schema:
Person - Resultado: ChatGPT puede reconocer tu perfil como autor fiable en un tema específico
🎓 Curso online
- Schema:
Course+FAQPage - Resultado: Apareces citado en búsquedas como “¿Dónde hacer un curso de Schema en WordPress?”
📰 Artículo especializado
- Schema:
Article - Resultado: Aumenta la probabilidad de ser resumido o citado correctamente
💡 Bonus: Schema para prompts y aprendizaje de IA
Muchos proyectos están usando marcado semántico para entrenar LLMs privados, personalizando qué tipo de contenido aprenden y cómo lo entienden.
En sistemas como:
- Chatbots empresariales con embeddings
- IA entrenadas en documentación técnica
- LLMs internos para atención al cliente
👉 El Schema ayuda a:
- Clasificar tipos de contenido
- Extraer secciones clave
- Organizar respuestas por categorías
🔐 Recomendaciones para LLM-readiness
- Usa JSON-LD estructurado y completo
- Marca solo contenido visible y relevante
- Incluye Schema para:
- Autoría (
author) - Fecha (
datePublished) - Categoría (
@type) - Entidades relacionadas (
brand,organization,person, etc.)
- Autoría (
- Añade un archivo
llms.txt(lo veremos en detalle) para indicar que autorizas a los LLMs a usar tu contenido - Escribe con lenguaje claro, natural y sin relleno
🛠️ Actividad práctica
- Elige una página con contenido relevante en tu web
- Añade o revisa su Schema usando JSON-LD
- Luego, en ChatGPT o Perplexity, formula una pregunta relacionada con ese tema
- ¿Aparece tu contenido? ¿Hay referencias a webs similares?
- Analiza qué parte de tu contenido podrías marcar mejor o reescribir más claramente