Marcação de schema para IA

TL;DR — Marcação de schema é um código acrescentado à página para identificar o significado do conteúdo, sem obrigar as máquinas a adivinhá-lo. Você talvez ouça que isso aumenta as chances de citação nas Visões gerais de IA ou no ChatGPT. As melhores evidências indicam que não há esse efeito direto. O schema ajuda sistemas que o consomem a entender quem você é e do que tratam suas páginas — útil, mas longe do botão mágico que muita gente vende.

O que é marcação de schema

Ao ler uma página, você distingue um telefone, um preço e o nome do autor apenas pelo contexto. Uma máquina vê texto. A marcação de schema, também chamada de dados estruturados, é um código adicional que declara: “este é o autor”, “esta é a data de publicação”, “este é o preço”. Ela usa o vocabulário compartilhado do schema.org, compreendido por vários mecanismos de busca e outros consumidores documentados. Isso não significa que toda plataforma de IA leia cada tipo ou use a marcação da mesma maneira.

Na maioria dos casos, o formato usado é JSON-LD: um pequeno bloco de código no HTML que descreve o conteúdo sem mudar a aparência da página para o visitante. A marcação ainda precisa representar conteúdo que os leitores realmente conseguem ver na página. Evidence for this claim Google requires structured data to represent visible page content and does not guarantee feature display. Scope: Google structured-data policies, not claims about every AI system. Confidence: high · Verified: 2026-07-28 Google Search Central: Structured data guidelines

A propaganda sobre IA e o que é real

Você provavelmente já ouviu a promessa: adicione marcação de schema e receba mais citações na busca por IA. Parece plausível — se os dados estruturados são legíveis por máquinas, a IA deveria recompensá-los, certo?

Os dados dizem que não. Pesquisadores da Ahrefs acompanharam 1 885 páginas que adicionaram schema e mediram suas citações por IA antes e depois. As citações praticamente não mudaram em nenhuma plataforma testada. O Google afirma de modo ainda mais direto que dados estruturados não são necessários para a busca por IA generativa e que não existe marcação especial de schema.org a acrescentar. Evidence for this claim Google says structured data is not required for generative AI search and there is no special schema.org markup to add; existing structured data remains useful for ordinary rich-result eligibility. Scope: Google Search generative AI features; not a claim about every AI platform or documented feed/integration. Confidence: high · Verified: 2026-07-28 Google Search Central: Optimizing your website for generative AI features Desconfie de ferramentas ou agências que prometem inserir sua página nas respostas de IA simplesmente instalando schema.

O que o schema realmente faz

Ainda vale a pena implementá-lo — pelos motivos corretos:

• Pode esclarecer fatos declarados sobre entidades para sistemas que o consomem. A marcação Organization e Person, com a propriedade sameAs, liga a identidade da marca ou do autor a perfis confiáveis. Isso pode reduzir ambiguidades nos sistemas que usam a marcação, mas não comprova a seleção de uma citação por IA.
• Viabiliza resultados avançados. Avaliações com estrelas, cards de produtos, breadcrumbs e sitelinks — esses elementos visuais da busca comum ainda dependem de schema.
• Ajuda mecanismos de busca a entender o conteúdo, categorizá-lo e apresentá-lo corretamente.

Continue usando schema, mas não espere que ele seja a alavanca que colocará sua página em uma resposta de IA. Para conhecer os estudos, a diferença entre Google e Bing e os tipos relevantes, abra a aba Advanced.

TL;DR — O Google afirma que dados estruturados não são obrigatórios para a busca por IA generativa e que não existe marcação especial de schema.org a acrescentar. Evidence for this claim Google says structured data is not required for generative AI search and there is no special schema.org markup to add; existing structured data remains useful for ordinary rich-result eligibility. Scope: Google Search generative AI features; not a claim about every AI platform or documented feed/integration. Confidence: high · Verified: 2026-07-28 Google Search Central: Optimizing your website for generative AI features Fabrice Canel, do Bing, é o único representante a confirmar que schema ajuda os LLMs da empresa. O estudo da Ahrefs com 1 885 páginas constatou que adicionar JSON-LD alterou as citações por IA de forma estatisticamente insignificante em todas as plataformas (−4,6% nas Visões gerais de IA, +2,4% no Modo IA e +2,2% no ChatGPT). O mecanismo mais plausível é a > desambiguação de entidades por sameAs alimentando o Knowledge Graph do Google — não uma alavanca de citação comprovada, pois nenhum estudo isolou a cadeia entre Knowledge Graph e Visões gerais de IA. Há duas armadilhas: a elegibilidade a recursos pode mudar mesmo que um tipo do Schema.org continue válido, e marcações no cliente talvez não sejam processadas de modo uniforme por todos os rastreadores.

Independentemente da forma de entrega, a marcação deve corresponder ao conteúdo visível na página. Evidence for this claim Google requires structured data to represent visible page content and does not guarantee feature display. Scope: Google structured-data policies, not claims about every AI system. Confidence: high · Verified: 2026-07-28 Google Search Central: Structured data guidelines

Comece pela posição oficial, mais clara que a propaganda

O Google foi incomumente direto. Sua orientação de julho de 2026 diz que dados estruturados não são necessários para a busca por IA generativa e que não há marcação especial de schema.org a adicionar. Os dados estruturados existentes continuam úteis para a elegibilidade comum a resultados avançados e precisam corresponder ao que os leitores verificam na página. Essa é uma política antiga, não uma tática específica para IA.

Isso não torna o schema inútil para o Google. A empresa separa duas funções: gerar resultados avançados e ajudar o Google a entender conteúdos e entidades — “information about the people, books, or companies that are included in the markup.” (tradução) «informações sobre as pessoas, os livros ou as empresas incluídas na marcação». A segunda função alimenta o Knowledge Graph, que alimenta as Visões gerais de IA. Portanto, existe um caminho indireto plausível, mas nenhum caminho direto documentado.

O Bing é a única plataforma que diz que schema ajuda seus LLMs

Esta é a confirmação mais clara disponível. No SMX Munich, em março de 2025, Fabrice Canel, gerente principal de produtos do Microsoft Bing, confirmou que a marcação de schema ajuda os LLMs da Microsoft a entender conteúdo. É o único representante de busca por IA a fazer uma declaração pública especificamente sobre um LLM, e não apenas sobre rastreamento. Ele também destacou a atualidade: “Gen AIs value fresh content in particular, partly as a reference check of their LLM training data. Use the API at indexnow.org to push that information as it’s published or updated.” (tradução) «IAs generativas valorizam especialmente conteúdo recente, em parte para conferir os dados de treinamento de seus LLMs. Use a API em indexnow.org para enviar essas informações quando forem publicadas ou atualizadas».

Assim, a resposta honesta à pergunta “LLMs leem schema?” varia por plataforma: Bing/Copilot, sim, segundo a própria empresa; Google, apenas de forma indireta pelo Knowledge Graph; ChatGPT e Perplexity, sem confirmação em qualquer direção.

As evidências sobre citações: o estudo da Ahrefs com 1 885 páginas

É o teste mais rigoroso que conheço. A equipe da Ahrefs — Louise Linehan e Xibeijia Guan, com revisão de Ryan Law — identificou 1 885 páginas que adicionaram schema JSON-LD entre agosto de 2025 e março de 2026, comparou-as com cerca de 4 000 páginas de controle com níveis anteriores de citação semelhantes e mediu citações 30 dias antes e depois, usando quatro testes estatísticos: teste t, diferenças em diferenças, estudo de evento e análise de sensibilidade.

A conclusão do estudo foi: “Adding schema produced no major uplift in citations on any platform.” (tradução) «Adicionar schema não produziu aumento relevante de citações em nenhuma plataforma». Uma análise anterior da Search Atlas, de dezembro de 2024, encontrou o mesmo padrão: nenhuma correlação consistente entre cobertura de schema e taxa de citações.

A ressalva honesta. O estudo mediu apenas páginas que já recebiam citações — cada página tratada tinha 100+ citações nas Visões gerais de IA antes da adição do schema. Portanto, ele responde se adicionar schema aumenta citações de páginas já consideradas (não), mas não se ajuda uma página a entrar nesse conjunto. Essa questão permanece aberta. A correlação citada com frequência — páginas mencionadas por IA têm cerca de três vezes mais probabilidade de usar JSON-LD — quase certamente reflete que sites tecnicamente sólidos usam schema e publicam bom conteúdo, não que o schema seja a causa.

O mecanismo mais plausível: desambiguação de entidades

Se schema não aumenta citações, por que ainda recomendo investir nele para busca por IA? Por sua única função documentada: ajudar a resolver entidades, conectando marcações Organization e Person a identificadores externos confiáveis para que um grafo de conhecimento diferencie sua empresa ou seu autor de homônimos.

sameAs é a propriedade usada para apontar diretamente para identificadores externos confiáveis:

• Organization sameAs (ordem de prioridade): número Q do Wikidata → Wikipedia → página da empresa no LinkedIn → Crunchbase → GitHub, para empresas de tecnologia.
• Person sameAs: LinkedIn → Wikidata, se houver entrada → ORCID, para autores acadêmicos → X → GitHub.

Essa é a parte do schema em que tenho mais confiança de que produz algum efeito: ela alimenta o Knowledge Graph do Google, documentado como uma entrada das Visões gerais de IA. É importante separar o confirmado do incerto: o papel do schema na resolução de entidades para o Knowledge Graph é documentado; a cadeia entre Knowledge Graph e citações nas Visões gerais de IA é uma hipótese plausível que nenhum estudo isolou e confirmou. Trate-a como a aposta mais bem sustentada, não como garantia.

Um exemplo citado com frequência vem da SchemaApp. A fornecedora relatou que a Wells Fargo corrigiu alucinações de IA sobre horários de funcionamento ao adicionar schema às páginas de lojas. Não consegui verificar esse estudo de fornecedor de forma independente; trate-o como uma anedota compatível com o mecanismo de desambiguação, não como prova confirmada.

Quais tipos vale a pena implementar

Não existe classificação universal comprovada dos tipos de schema por valor para visibilidade em IA — nenhum estudo isolou isso. A tabela mostra a função documentada de cada tipo; “ajuda a IA” significa apenas o caminho plausível por entidades ou resultados avançados descrito acima, não uma ordem de prioridade pontuada:

Uma observação sobre FAQPage: o Google descontinuou o resultado avançado de FAQ em 7 de maio de 2026. O recurso visual desapareceu da SERP, mas o tipo FAQPage continua válido — “the markup can stay on your pages without causing problems” (tradução) «a marcação pode permanecer em suas páginas sem causar problemas» — e talvez ainda ajude sistemas de IA a identificar trechos de perguntas e respostas. Não há motivo para removê-lo às pressas.

A armadilha que elimina silenciosamente o schema para IA: JavaScript

Este detalhe de implementação costuma causar problemas: a renderização dos rastreadores de IA varia por provedor e versão. Se o schema for injetado no cliente, por exemplo pelo Google Tag Manager, o Googlebot talvez o veja após renderizar, mas qualquer rastreador de IA que use somente o HTML bruto não o verá. Para maximizar a cobertura na busca por IA, renderize o schema no servidor, dentro da resposta HTML. Se o objetivo é desambiguar entidades, injetá-lo por JavaScript contraria esse objetivo.

Use JSON-LD, preferido por Google, Bing e schema.org em relação a Microdata e RDFa; mantenha-o no servidor e conecte os tipos com @graph + @id, para que Organization, Person e Article façam referência entre si em vez de duplicar dados. Esse padrão de grafo conectado é o mais associado ao reconhecimento no Knowledge Graph.

Conclusão

Schema é infraestrutura, não um truque para obter citações. Implemente Organization e Person com links sameAs reais, adicione Article e BreadcrumbList aos templates, renderize tudo no servidor e mantenha a marcação coerente com o conteúdo visível. Depois, pare de esperar que ela coloque sua página nas respostas de IA — esse resultado depende de conteúdo, menções à marca e autoridade, temas abordados no restante do cluster de otimização para busca por IA.

Resumo por IA

Uma síntese da versão Advanced:

• Marcação de schema ≠ alavanca de citações por IA. O estudo da Ahrefs de maio de 2026, com 1 885 páginas e quatro testes estatísticos, constatou mudanças insignificantes: −4,6% nas Visões gerais de IA, +2,4% no Modo IA e +2,2% no ChatGPT.
• Posição oficial do Google: dados estruturados não são necessários para a busca por IA generativa e não existe marcação especial de schema.org a acrescentar. A marcação existente continua relevante para resultados avançados compatíveis e deve corresponder ao conteúdo visível.
• O Bing é a exceção. Fabrice Canel, da Microsoft, confirmou que schema ajuda os LLMs do Bing — o único representante de plataforma de IA a declarar isso publicamente.
• O mecanismo mais plausível é a desambiguação de entidades. Organization e Person com sameAs alimentam o Knowledge Graph do Google — isso é documentado. A possibilidade de essa inclusão gerar citações nas Visões gerais de IA é uma hipótese razoável, não um efeito isolado por estudos.
• Correlação ≠ causalidade. Páginas citadas por IA têm cerca de três vezes mais probabilidade de usar schema, mas isso reflete sites tecnicamente sólidos que adotam schema e publicam bom conteúdo.
• Duas armadilhas: os resultados avançados de FAQ foram descontinuados em 7 de maio de 2026, embora FAQPage continue válido; e a renderização dos rastreadores de IA varia por provedor, portanto schema injetado pelo Tag Manager pode não ser visto — prefira renderização no servidor.
• O que fazer: use Organization + Person + sameAs, Article, BreadcrumbList e JSON-LD no servidor, sempre de acordo com o texto visível.

Documentação oficial

Documentação primária dos mecanismos de busca e do schema.org.

Google

• Como otimizar seu site para recursos de IA generativa — declaração de julho de 2026 de que dados estruturados não são obrigatórios para a busca por IA generativa e de que não existe marcação especial de schema.org a adicionar.
• Recursos de IA e seu site — fonte da declaração de que não há dados estruturados especiais de schema.org a acrescentar.
• Introdução ao funcionamento da marcação de dados estruturados — como dados estruturados ajudam na compreensão e nos resultados avançados.
• Diretrizes gerais sobre dados estruturados — política de que a marcação deve corresponder ao conteúdo visível.
• Dados estruturados de FAQPage — documentação do tipo após a descontinuação do resultado avançado.
• Speakable (BETA) — marcação de trechos apropriados para áudio; ainda em beta e limitada ao inglês dos EUA.

Bing / Microsoft

• Como marcar seu site com dados estruturados — ajuda do Bing Webmaster — orientação do Bing; recomenda JSON-LD e exige correspondência com o contexto da página.

schema.org

• schema.org — o vocabulário compartilhado.
• Organization · Person · sameAs — o núcleo da desambiguação de entidades.

Citações das fontes

Declarações públicas do Google e da Microsoft sobre schema e IA.

Google — nenhum schema especial para recursos de IA

• “You don’t need to create new machine readable files, AI text files, or markup to appear in these features. There’s also no special schema.org structured data that you need to add.” (tradução) «Você não precisa criar novos arquivos legíveis por máquina, arquivos de texto para IA ou marcação para aparecer nesses recursos. Também não há dados estruturados especiais de schema.org que você precise adicionar.» — Google Search Central, documentação de recursos de IA. Fonte

Google — o que dados estruturados fazem

• “Google uses structured data that it finds on the web to understand the content of the page, as well as to gather information about the web and the world in general, such as information about the people, books, or companies that are included in the markup.” (tradução) «O Google usa os dados estruturados encontrados na web para entender o conteúdo da página e reunir informações sobre a web e o mundo em geral, como informações sobre pessoas, livros ou empresas incluídas na marcação.» — Google Search Central. Fonte

Google — descontinuação de FAQ

• “FAQPage as a Schema.org type is still valid, and the markup can stay on your pages without causing problems.” (tradução) «FAQPage, como tipo do Schema.org, continua válido, e a marcação pode permanecer em suas páginas sem causar problemas.» — conforme relatado pelo Search Engine Journal sobre a descontinuação do resultado avançado de FAQ em maio de 2026. Cobertura

Fabrice Canel, gerente principal de produtos do Microsoft Bing (SMX Munich, março de 2025)

• Confirmou no palco que a marcação de schema ajuda os LLMs da Microsoft a entender conteúdo — o único representante de plataforma de IA a declarar isso especificamente sobre um LLM. Cobertura
• “Gen AIs value fresh content in particular, partly as a reference check of their LLM training data. Use the API at indexnow.org to push that information as it’s published or updated.” (tradução) «Para as IAs generativas, conteúdo recente é especialmente valioso, em parte como conferência dos dados usados para treinar seus LLMs. Envie essas informações pela API do indexnow.org assim que forem publicadas ou atualizadas.» Cobertura

Checklist de implementação de schema para IA

Verificação para garantir que os dados estruturados cumpram seu papel de desambiguar entidades e não sejam ignorados silenciosamente por rastreadores de IA:

• Schema Organization em todo o site, com sameAs preenchido (Wikidata, Wikipedia e LinkedIn, no mínimo), além de name, url e logo.
• Schema Person nas páginas de autores, com sameAs (LinkedIn e Wikidata, se houver) e knowsAbout para os temas de especialidade.
• Article nas páginas de conteúdo — author ligado por @id à pessoa, datePublished, dateModified, headline e publisher ligado à organização.
• BreadcrumbList nas páginas internas para indicar hierarquia e cluster.
• Schema renderizado no servidor, não injetado pelo Tag Manager — confirme sua presença no HTML bruto com Exibir código-fonte ou curl, sem depender do suporte a JavaScript de cada rastreador.
• A marcação corresponde ao conteúdo visível — nenhum campo descreve algo ausente da página; divergências podem causar ação manual do Google.
• Formato JSON-LD, de preferência conectado por @graph + @id.
• FAQPage permanece, se já existir — o resultado avançado acabou em maio de 2026, mas o tipo continua válido e removê-lo não traz benefício.
• Validação no Rich Results Test e no validador do schema.org.
• Expectativa correta: schema é infraestrutura de entidades, não alavanca direta de citações por IA.

Tipos de schema — folha de referência

Tipo → o que declara → o que está documentado

Nenhum estudo confirma uma ordem universal de prioridade para visibilidade em IA; leia a coluna da direita como “função documentada”, não como ranking.

Fatos rápidos

• Estudo da Ahrefs: −4,6% nas Visões gerais de IA / +2,4% no Modo IA / +2,2% no ChatGPT — tudo estatisticamente insignificante.
• Google: “no special schema.org structured data that you need to add” (tradução) «nenhum dado estruturado especial de schema.org que você precise adicionar» para recursos de IA.
• Bing: Fabrice Canel confirmou que schema ajuda seus LLMs.
• Resultado avançado de FAQ: descontinuado em 7 de maio de 2026; FAQPage continua válido.
• A renderização varia por provedor → renderize schema no servidor.
• Formato: JSON-LD, de preferência @graph + @id, correspondente ao conteúdo visível.

Erros de schema para IA que você deve evitar

Prometer aumento de citações

Schema ajuda máquinas a interpretar entidades e o significado da página; não obriga uma resposta de IA a citar o conteúdo.

Marcar fatos que os usuários não conseguem verificar

Dados estruturados devem representar conteúdo visível e correto. Não adicione prêmios, avaliações, autores, preços ou relações apenas porque o vocabulário permite.

Ligar a entidade errada com sameAs

Um identificador errado é pior que a ausência dele. Confirme que cada URL representa a mesma pessoa, organização, produto ou lugar.

Injetar toda a marcação após a renderização no cliente

Mecanismos de busca talvez a renderizem, mas muitos rastreadores de IA não. Sempre que possível, coloque o JSON-LD importante no HTML entregue pelo servidor.

Problemas comuns de schema para IA

A marcação é válida, mas descreve outra entidade

Sintoma: a sintaxe passa, porém nomes, URLs ou identificadores apontam para um homônimo. Causa provável: a resolução da entidade foi ignorada. Correção: compare a página visível, a URL canônica, os perfis oficiais e os valores de sameAs antes de corrigir o grafo.

Os dados estruturados não aparecem no HTML bruto

Sintoma: ferramentas do navegador encontram JSON-LD, mas curl não. Causa provável: um gerenciador de tags ou componente do cliente injeta a marcação após o carregamento. Correção: renderize no servidor a marcação estável e compare novamente as saídas bruta e renderizada.

Ferramentas de resultados avançados indicam inelegibilidade

Sintoma: o vocabulário é válido, mas não atende a um resultado avançado do Google. Causa provável: validade no Schema.org e exigências do Google são verificações diferentes. Correção: use o validador geral para o vocabulário e o Rich Results Test para recursos compatíveis; não confunda elegibilidade com citações por IA.

Frameworks para schema que favorece a compreensão por máquinas

Primeiro a entidade, depois a sintaxe

1. Identifique: determine a pessoa, organização, produto, lugar ou obra real.
2. Confirme: valide fatos estáveis e identificadores confiáveis.
3. Modele: escolha o tipo e as relações mais específicos e adequados.
4. Exponha: corresponda ao conteúdo visível e entregue a marcação importante no HTML.
5. Valide: confira a estrutura do Schema.org e os requisitos de cada recurso.
6. Monitore: verifique novamente quando templates ou fatos mudarem.

Separe três resultados

• Marcação válida: o grafo respeita o vocabulário e a sintaxe.
• Elegibilidade a recursos: o mecanismo de busca pode considerar a página para um resultado avançado compatível se todas as regras adicionais forem cumpridas.
• Visibilidade em IA: um modelo pode mencionar ou citar a página conforme um sistema mais amplo de recuperação e confiança.

Não apresente um resultado como prova de outro.

Trechos para extrair schema

Liste blocos JSON-LD no Chrome DevTools

Execute no Console:

[...document.querySelectorAll('script[type="application/ld+json"]')].map((el, index) => ({ index, json: JSON.parse(el.textContent) }))

Verifique se o JSON-LD existe antes da renderização

Execute em um terminal:

curl -sS https://example.com/page/ | grep -n 'application/ld+json'

Se o DOM renderizado contém a marcação, mas essa resposta não, a implementação depende do cliente.

Extraia os tipos declarados de um rastreamento

Use esta expressão regular no código-fonte JSON-LD. O grupo de captura 1 retorna uma string ou um array após @type:

"@type"\s*:\s*("[^"]+"|\[[^\]]+\])

Analise JSON em produção; a expressão regular serve apenas como atalho de extração.

Ferramentas para schema e compreensão por IA

• Validador de marcação de schema: verifique estrutura JSON-LD, vocabulário e grafo sem prometer um recurso de busca.
• Gerador de marcação de schema: crie um grafo inicial com fatos já conferidos na página visível.
• Verificador de elegibilidade a resultados avançados: separe os requisitos do Google da validade geral do schema.
• Analisador de cobertura de entidades: confira se a página estabelece as entidades e relações descritas pela marcação.
• Comparação entre resposta bruta e DOM renderizado: confirme que o JSON-LD importante está disponível sem execução no cliente.

Valide uma alteração de schema

Teste a validade do grafo e a correspondência com a página

Teste: valide o JSON-LD e compare cada propriedade importante com a página visível. Resultado esperado: o grafo é analisado e todos os fatos são corretos e verificáveis. Interpretação da falha: a sintaxe está quebrada ou a marcação exagera o conteúdo. Janela: imediata. Rollback: a versão declara entidade errada, fato sem suporte ou grafo inválido.

Teste a entrega pelo servidor

Teste: busque a página sem JavaScript e localize o JSON-LD pretendido. Resultado esperado: a marcação estável aparece na resposta. Interpretação da falha: rastreadores sem renderização não recebem a mudança. Janela: após a implantação. Rollback: marcação antes visível no servidor passa a existir apenas no cliente.

Teste os identificadores de entidades

Teste: abra cada sameAs, url e identificador externo e confirme a entidade. Resultado esperado: cada relação aponta para a mesma entidade pretendida. Interpretação da falha: o grafo conecta um homônimo ou perfil obsoleto. Janela: imediata e após mudanças de marca. Rollback: uma relação de identidade aponta para entidade não relacionada.

Teste seus conhecimentos: marcação de schema para IA

Recursos que valem seu tempo

Conteúdo relacionado da Ahrefs

• Acompanhamos 1 885 páginas que adicionaram schema. As citações por IA quase não mudaram. — Louise Linehan e Xibeijia Guan, maio de 2026; estudo controlado central deste artigo.
• Marcação de schema: o que é e como implementar — guia de Despina Gavoyannis e Chris Haines.
• O que são dados estruturados? — introdução do glossário.

Referências oficiais

• schema.org — o vocabulário.
• Google — recursos de IA e seu site — posição do Google sobre schema e IA.

Outras fontes

• Como a marcação de schema se encaixa na busca por IA — sem exagero — também cita o estudo da Search Atlas de dezembro de 2024.
• O que 2025 revelou sobre busca por IA e o futuro da marcação de schema — caso da Wells Fargo.
• Microsoft Bing/Copilot usa schema em seus LLMs — confirmação de Fabrice Canel.
• Schema ajuda os LLMs da Microsoft — relato de Barry Schwartz.
• Google confirma a relevância de dados estruturados na era da IA — cobertura do Search Central Live Madrid 2026.
• Schema não tem impacto relevante nas citações por IA — resumo independente.
• Dados estruturados na era da busca por IA — perspectiva empresarial.

Estatísticas que vale a pena citar

• Adicionar schema quase não alterou as citações por IA. O estudo da Ahrefs com 1 885 páginas, cerca de 4 000 controles e quatro testes mediu −4,6% nas Visões gerais de IA, +2,4% no Modo IA e +2,2% no ChatGPT — tudo insignificante. “Adding schema produced no major uplift in citations on any platform.” (tradução) «Adicionar schema não produziu aumento relevante de citações em nenhuma plataforma». Fonte
• Ressalva das páginas já citadas. Todas as páginas tratadas já tinham 100+ citações nas Visões gerais de IA; o estudo não avalia se schema ajuda uma página a entrar no conjunto considerado. Fonte
• Correlação, não causalidade. Páginas citadas por IA têm quase três vezes mais probabilidade de usar JSON-LD — reflexo de sites tecnicamente sólidos, não efeito causal do schema. Fonte
• Um sinal anterior apontou na mesma direção. Uma análise da Search Atlas, de dezembro de 2024, não encontrou correlação consistente entre cobertura de schema e citações por IA. Cobertura

Registro de alterações