Schema markup para IA: dados estruturados e citação

Escrito por

Diogo Fortunato Borba

Sócio da Citou · Comercial, vendas e marketing

Schema markup é um vocabulário de dados estruturados (mantido pelo schema.org) que traduz o conteúdo da sua página para um formato que máquinas leem sem adivinhar. Na prática: em vez de a IA interpretar um parágrafo, ela recebe um objeto dizendo "isto é uma Organization, chamada X, que atende Y, com estes perfis oficiais". Isso não compra citação sozinho. Mas reduz ambiguidade sobre quem você é, e ambiguidade é o que faz um assistente preferir citar o concorrente que ele entendeu melhor.

A gente trata dados estruturados como encanamento. Encanamento bom não ganha o jogo. Encanamento furado perde.

O que são dados estruturados e por que a IA se importa?

Dados estruturados são anotações em código que descrevem o significado do conteúdo, não só o texto. O Google explica que usa essas marcações para entender a página e também para reunir informações sobre o mundo em geral, como pessoas, livros ou empresas citadas no conteúdo, segundo a documentação de dados estruturados do Google Search.

Por que isso pesa nas respostas de IA? Porque os assistentes montam resposta a partir de índices e recortes. Quando o seu conteúdo chega bem tipado, o modelo tem menos trabalho pra extrair entidade, atributo e relação. Em março de 2025, Fabrice Canel, principal product manager do Bing, confirmou publicamente que a Microsoft usa dados estruturados pra ajudar seus modelos de linguagem a interpretar conteúdo da web, conforme relato do Search Engine Journal. Isso importa pro ChatGPT também, já que parte da busca dele roda sobre índice do Bing.

Qual a diferença entre schema.org, JSON-LD e rich results?

São três camadas que muita gente mistura.

Camada	O que é	Papel prático
schema.org	O dicionário de tipos e propriedades (Organization, Article, Product)	Define o vocabulário disponível
JSON-LD, Microdata, RDFa	Os formatos de escrita da marcação	JSON-LD é o recomendado pelo Google
Rich results	Os enfeites na SERP (estrelas, preço, FAQ)	Consequência possível, não garantida

O Google aceita os três formatos, mas recomenda JSON-LD na maioria dos casos porque é mais fácil de implementar e manter em escala. Vantagem real: o JSON-LD fica num bloco <script type="application/ld+json"> separado do HTML visível. Você muda o layout sem quebrar a marcação.

Schema markup faz a IA citar sua marca?

Resposta honesta: ajuda a ser entendido, não garante ser citado. E tem dado em cima disso.

A Ahrefs rastreou 1.885 páginas que adicionaram JSON-LD e comparou citações antes e depois no AI Overviews, no AI Mode e no ChatGPT. Pra páginas que já eram citadas, adicionar o schema não aumentou citações no AI Mode nem no ChatGPT, e mostrou uma leve queda no AI Overviews que o próprio estudo não conseguiu atribuir com clareza à marcação. Correlação existe. Causalidade, não.

O próprio Google diz na documentação sobre recursos de IA e seu site que o caminho passa por permitir rastreamento no robots.txt, manter o conteúdo importante em texto e garantir que seus dados estruturados correspondam ao texto visível na página. Ou seja: não existe um schema mágico de IA.

Então por que insistir? Por três motivos concretos:

Desambiguação de entidade. sameAs, @id e Organization conectam sua marca a perfis oficiais e evitam que a IA confunda você com homônimos.
Comércio. A OpenAI documenta feeds estruturados de produto pra que o ChatGPT exiba itens corretamente em buscas e compras, como descrito nos conceitos do Agentic Commerce Protocol.
Consistência. Marcação correta obriga a disciplina de ter nome, descrição, autoria e data iguais em todo lugar. Essa coerência é o que a IA repete.

Quais tipos de schema priorizar pra aparecer em ChatGPT, Gemini e Perplexity?

Não marque tudo. Marque o que descreve sua entidade e suas respostas.

Tipo	Quando usar	Propriedades que não podem faltar
Organization	Home e página institucional	name, url, logo, sameAs, description, foundingDate
WebSite	Site inteiro	name, url, publisher, inLanguage
Article / BlogPosting	Conteúdo editorial	headline, author, datePublished, dateModified
Person	Autores e especialistas	name, jobTitle, worksFor, sameAs
FAQPage	Blocos reais de pergunta e resposta	mainEntity com Question e acceptedAnswer
Product / Offer	E-commerce e SaaS	name, sku, gtin, price, availability
LocalBusiness	Operação com endereço	address, telephone, openingHours, geo
Service	Agências e prestadores	serviceType, provider, areaServed
BreadcrumbList	Arquitetura de navegação	itemListElement ordenado

Dica de execução: ligue os blocos com @id. Um BlogPosting com author apontando pro @id da Person, e essa Person com worksFor apontando pro @id da Organization. Isso forma um grafo. Blocos soltos formam só ruído.

Como implementar JSON-LD passo a passo?

Mapeie as entidades. Liste marca, pessoas, serviços, produtos e conteúdos. Defina uma URL canônica pra cada uma.
Escolha o tipo correto. Consulte o vocabulário no schema.org e a lista de recursos suportados na documentação do Google. Tipo errado é pior que tipo nenhum.
Escreva o JSON-LD. Um bloco por página, preferencialmente com @graph quando houver várias entidades relacionadas.
Espelhe o texto visível. As diretrizes gerais de dados estruturados do Google são explícitas: não marque conteúdo que o leitor não vê na página.
Injete no HTML renderizado. Se o schema só aparece depois de JavaScript pesado, parte dos rastreadores não vai enxergar.
Valide. Rich Results Test e Schema Markup Validator apontam erro de sintaxe e propriedade obrigatória faltando.
Monitore. Relatórios de aprimoramentos no Google Search Console mostram erros em massa depois de um deploy.

Como validar e monitorar a marcação ao longo do tempo?

Validar uma vez é fácil. O problema aparece seis meses depois, quando alguém troca o template e o dateModified congela.

Rode validação automática em staging, antes de subir.
Monitore o Search Console por tipo de marcação, não só por página.
Revise sameAs quando a marca abrir ou fechar um perfil social.
Confira se preço, estoque e horário no schema batem com o que está na tela.
Acompanhe em paralelo se a sua marca está sendo citada nas respostas de IA. Marcação limpa sem checagem de citação é placar sem jogo.

Quais erros técnicos derrubam sua visibilidade em IA?

A lista abaixo resolve a maioria dos diagnósticos que a gente abre:

Bloquear rastreadores de IA no robots.txt ou no WAF da CDN sem perceber. Se GPTBot, OAI-SearchBot, PerplexityBot e Google-Extended não entram, nada mais importa.
Marcar o que não existe na página, como FAQ sem pergunta visível. Isso viola as diretrizes gerais de dados estruturados e pode render ação manual.
Conteúdo-chave preso em imagem ou em componente que só renderiza no clique.
Múltiplos blocos conflitantes, com dois nomes diferentes de empresa na mesma URL.
Datas fantasmas, com dateModified atualizado todo dia sem mudança real de conteúdo.
Página sem resposta direta. Schema descreve, não responde. Se o primeiro parágrafo não entrega a resposta em texto limpo, a IA não tem o que extrair.

O que vem depois do schema na estratégia de GEO?

Dados estruturados são condição de legibilidade, não de preferência. Pra virar fonte citada, você precisa de conteúdo que responde a pergunta na primeira frase, autoria identificável, dados verificáveis, presença consistente em fontes que as IAs já consultam e atualização contínua.

É aqui que a Citou entra. A gente roda o diagnóstico técnico, corrige a marcação, estrutura a base de conhecimento da marca, publica conteúdo pensado pra extração e mede, semana a semana, em quais perguntas a IA cita você e em quais cita o concorrente. Você acompanha o placar; a gente faz o trabalho.

Enquanto você decide, alguém já está sendo recomendado no seu lugar. Execução ganha o jogo.

Perguntas frequentes

Preciso de schema markup para aparecer no ChatGPT?+

Não é obrigatório. O ChatGPT consegue ler o texto da página normalmente, mas a marcação ajuda a identificar marca, autor, produto e preço sem ambiguidade. Em e-commerce, dados estruturados e feeds de produto fazem diferença direta na exibição dos itens.

JSON-LD, Microdata ou RDFa: qual formato usar?+

JSON-LD, na maioria dos casos. O Google aceita os três, mas recomenda JSON-LD por ser mais simples de implementar e manter, já que fica em um bloco de script separado do HTML visível.

Schema markup melhora o ranqueamento no Google?+

Não é um fator de ranqueamento direto. A marcação torna a página elegível a rich results e ajuda os sistemas a entender o conteúdo, o que pode aumentar cliques e reconhecimento da entidade.

Como saber se meu schema está correto?+

Use o Rich Results Test do Google e o Schema Markup Validator do schema.org para checar sintaxe e propriedades obrigatórias. Depois, acompanhe o relatório de aprimoramentos no Google Search Console para pegar erros em escala.

Quantos blocos de JSON-LD posso colocar em uma página?+

Você pode usar mais de um, mas o ideal é consolidar as entidades relacionadas em um único bloco com @graph e conectá-las por @id. Blocos duplicados ou contraditórios confundem os rastreadores.

Dados estruturados ajudam no Gemini e no Perplexity também?+

Ajudam na compreensão do conteúdo, embora nenhuma dessas plataformas prometa citação em troca de marcação. O ganho real vem da combinação entre acesso liberado aos rastreadores, conteúdo direto e marcação coerente com o texto visível.

Continue lendo

Acompanhamento semanal de visibilidade em IA da Citou

Entenda como funciona o acompanhamento semanal da Citou: prompts monitorados, dashboard, call periódica, execução e MCP para ver o placar da sua marca nas IAs.

7 min de leitura

Como ChatGPT e Perplexity decidem recomendar uma empresa

Reputação digital e prova social definem quem a IA recomenda. Veja os sinais que ChatGPT, Gemini e Perplexity leem e como virar a empresa citada.

8 min de leitura