Datos estructurados

Datos estructurados son un marcado estandarizado, normalmente JSON-LD usando tipos de Schema.org, que etiqueta entidades y atributos de las páginas para los motores de búsqueda. En SEO, su función es simple: hacer que el contenido sea más fácil de que Google lo clasifique, lo conecte y, a veces, lo potencie en las búsquedas mediante resultados enriquecidos.

Esta última parte importa. Una mejor comprensión puede apoyar el indexado y la asociación de entidades. Los resultados enriquecidos pueden mejorar el CTR. Pero seamos precisos: los datos estructurados son una capa de elegibilidad, no un atajo para el posicionamiento.

Lo que realmente hace

En una página de producto, los datos estructurados pueden definir precio, disponibilidad, marca, aggregateRating y SKU. En un artículo, pueden definir titular (headline), autor, datePublished e imagen. En una página de organización, pueden reforzar tu entidad de marca con enlaces sameAs y datos de contacto.

Google Search Console reporta parte de esto directamente a través de informes de mejoras y el estado de resultados enriquecidos. Screaming Frog puede rastrear JSON-LD a escala y extraer campos faltantes. Ahrefs y Semrush no validan el marcado de forma profunda, pero ayudan a medir si, con el tiempo, las páginas con esquema válido obtienen un CTR más alto o funciones más ricas en el SERP.

Dónde los equipos de SEO obtienen valor

• Ecommerce: El schema de producto es el caso más obvio. Precio, stock, reseñas. Alta repercusión cuando se implementa de forma limpia en 10.000+ SKUs.
• Medios y SaaS: Artículo, FAQPage, BreadcrumbList, Organization y, a veces, HowTo. Aunque los resultados enriquecidos de FAQ están muy menos disponibles que en 2023.
• Marcas locales y de varias ubicaciones: El marcado LocalBusiness puede reforzar la consistencia NAP, el horario de apertura y las áreas de servicio, aunque tu Perfil de Empresa en Google sigue pesando más.

El matiz: Google ignora mucho marcado válido. FAQPage es el mejor ejemplo. Puedes implementarlo perfectamente y aun así no conseguir ninguna mejora visual. La documentación de Google es la fuente de la verdad aquí, no solo Schema.org.

Estándares de implementación que se sostienen

Usa JSON-LD a menos que tengas una restricción dura de plataforma. Google admite múltiples formatos, pero JSON-LD es más fácil de implementar, auditar y controlar en versiones. Manténlo basado en plantillas. Si estás creando a mano el esquema en cientos de URLs, estás construyendo trabajo de limpieza futuro.

Valida en la prueba de Resultados Enriquecidos de Google para la elegibilidad y en el Validador de Schema.org para la sintaxis. Luego rastrea el sitio en Screaming Frog con extracción personalizada para confirmar que las propiedades requeridas y recomendadas existen en cada plantilla prevista. En sitios enterprise, combínalo con checks de CI o, al menos, con QA programado después de los lanzamientos.

John Mueller de Google ha dicho repetidamente que el marcado debe coincidir con el contenido visible de la página. Ahí es donde los equipos se equivocan. Marcar reseñas que no se muestran, precios desactualizados o datos del autor tomados del campo equivocado del CMS es cómo creas problemas de confianza y, en algunos casos, acciones manuales.

Lo que no hacen los datos estructurados

No arreglan contenido débil. No compensan el mal enlazado interno. No garantizan menciones en AI Overview. Las afirmaciones de que los LLM usan consistentemente el esquema como verdad absoluta siguen estando por delante de la evidencia.

Úsalos porque mejoran la legibilidad para las máquinas y la elegibilidad para resultados enriquecidos. Mídelo como un adulto: impresiones en GSC, aparición de resultados enriquecidos, variaciones de CTR por plantilla y, cuando aplique, ingresos por sesión orgánica. Si un despliegue de schema no cambia ninguno de esos indicadores después de 6 a 8 semanas en páginas rastreadas con frecuencia, la implementación puede ser técnicamente válida pero comercialmente irrelevante.