Los datos estructurados son la parte de tu tienda que una máquina puede leer sin interpretar. Para un motor de IA que decide en milisegundos si tu producto encaja en una respuesta, un bloque JSON-LD correcto es la diferencia entre un dato verificable y un texto ambiguo.
Por qué los datos estructurados importan a los motores de IA
Cuando un motor generativo recupera tu página, necesita extraer hechos: qué producto es, cuánto cuesta, si hay stock, qué valoración tiene. Puede intentar deducirlo del HTML visual —con errores— o leerlo directamente de un bloque schema.org donde cada dato está etiquetado sin ambigüedad. Los sistemas de compras de los asistentes (las experiencias de shopping de ChatGPT o Perplexity) se apoyan precisamente en datos de producto estructurados y feeds para mostrar precio y disponibilidad fiables.
Los 5 tipos de schema que cuentan en un ecommerce
| Tipo | Qué declara | Dónde va |
|---|---|---|
| Product | Nombre, marca, imagen, descripción, GTIN/SKU | Cada ficha de producto |
| Offer (dentro de Product) | Precio, divisa, disponibilidad, condición | Cada ficha de producto |
| AggregateRating | Valoración media y número de reseñas | Fichas con reseñas reales |
| FAQPage | Preguntas y respuestas literales | Categorías y fichas clave |
| Organization | Quién eres: nombre, logo, contacto, redes | Toda la web (una vez) |
FAQPage merece mención aparte para GEO: las preguntas y respuestas son exactamente la unidad de contenido que un motor generativo extrae. Una FAQ bien escrita en la categoría correcta es de las optimizaciones con mejor relación esfuerzo/resultado que existen.
Ejemplo mínimo válido (Product + Offer)
Un bloque JSON-LD de producto no necesita ser largo, necesita ser exacto:
{"@context":"https://schema.org","@type":"Product","name":"Zapatillas trail X2","brand":{"@type":"Brand","name":"TuMarca"},"sku":"X2-42-AZ","image":"https://tutienda.es/img/x2.jpg","description":"Zapatillas de trail con suela Vibram para terreno mixto.","offers":{"@type":"Offer","price":"89.90","priceCurrency":"EUR","availability":"https://schema.org/InStock","url":"https://tutienda.es/zapatillas-x2"}} |
Las plataformas grandes (Shopify, WooCommerce, PrestaShop) generan parte de esto automáticamente; el trabajo real suele ser completarlo y corregirlo, no crearlo de cero.
Los errores típicos que anulan el esfuerzo
Precio desincronizado: el schema dice 89,90 y la página muestra 79,90 tras una rebaja — el dato pierde credibilidad y los validadores lo marcan. Disponibilidad congelada: productos agotados que siguen declarando InStock. FAQPage decorativo: preguntas que no responden nada (“¿Por qué elegirnos? Porque somos los mejores”) — un motor de IA no puede extraer un hecho de ahí. Reseñas infladas: AggregateRating sin reseñas visibles en la página. La regla común: el schema debe describir la página que existe, no la que te gustaría tener.
Preguntas frecuentes
¿JSON-LD, microdata o RDFa?
JSON-LD. Es el formato recomendado por Google, el más fácil de mantener (un bloque único en el head o el body) y el que generan por defecto las plataformas de ecommerce.
¿Cómo compruebo que mi schema es válido?
Con el validador oficial de Schema.org (validator.schema.org) y la prueba de resultados enriquecidos de Google. Ambos son gratuitos y muestran los errores campo a campo.
¿El schema garantiza que la IA me cite?
No. Es condición facilitadora, no suficiente: hace tu contenido legible y verificable para la máquina. La cita depende además de la relevancia del contenido y de tu autoridad como fuente.