Schema Markup per la GEO: i dati strutturati che le AI leggono davvero

Lo schema markup è il livello di codice — quasi sempre in formato JSON-LD — che dichiara ai motori di ricerca e ai sistemi AI cosa rappresenta esattamente ogni elemento di una pagina: chi è l’autore, cosa fa l’azienda, quale domanda risolve un paragrafo. Nella Generative Engine Optimization i dati strutturati non sono un abbellimento tecnico: sono il modo più diretto per ancorare la tua entità nel grafo di conoscenza che le AI consultano quando decidono chi citare. Ma attenzione: non sono una bacchetta magica, e chi te li vende come tale sta semplificando troppo. Vediamo cosa dicono i dati, cosa dice Google e cosa conviene fare davvero.

Cosa c’entrano i dati strutturati con la GEO

I numeri del 2025-2026 raccontano una correlazione difficile da ignorare. Secondo l’analisi di SE Ranking, il 65% delle pagine citate da Google AI Mode e il 71% di quelle citate da ChatGPT contengono dati strutturati. Uno studio di AccuraCast su oltre 2.000 prompt e 9.000 citazioni tra ChatGPT, AI Overviews e Perplexity ha rilevato schema markup nell’81% delle pagine citate. Nel frattempo le AI Overviews di Google compaiono ormai in circa una ricerca su quattro: la superficie in cui questi segnali contano si sta allargando, non restringendo.

Il motivo tecnico è semplice. Un LLM che costruisce una risposta deve fare tre operazioni in frazioni di secondo: capire di cosa parla una pagina, verificare chi la firma, estrarre il passaggio utile. L’HTML è pensato per gli occhi umani; il JSON-LD è pensato esattamente per questo lavoro di macchina. Come abbiamo raccontato nella nostra guida completa alla Generative Engine Optimization, la GEO premia i contenuti facili da estrarre e attribuire: lo schema markup è la forma più esplicita di estraibilità che esista.

C’è anche un fondamento accademico: il paper GEO di Aggarwal et al. (KDD 2024) ha dimostrato che i contenuti con citazioni, dati e struttura chiara aumentano sensibilmente la propria visibilità nelle risposte generative. I dati strutturati sono la traduzione tecnica di quel principio.

La parte onesta: correlazione, non causa

Qui serve dire una cosa che metà degli articoli in circolazione omette. Google, nella sua documentazione ufficiale sui dati strutturati, è chiarissimo: il markup rende una pagina idonea a funzionalità avanzate, non garantisce nulla. E ChatGPT o Perplexity non hanno mai dichiarato di usare il JSON-LD come fattore di ranking diretto.

Allora perché l’81% delle pagine citate ce l’ha? Perché lo schema markup è un indicatore di cura: i siti che lo implementano bene tendono ad avere anche contenuti strutturati, autori dichiarati, gerarchie pulite. E perché svolge un lavoro che nessun altro segnale fa con la stessa precisione: la disambiguazione dell’entità. Se ti chiami come altre dieci aziende, è il markup Organization — con i collegamenti sameAs verso LinkedIn, Wikidata e i profili verificati — a dire alle AI chi sei tu e chi sono gli altri. In un ecosistema dove, come abbiamo documentato analizzando come la visibilità AI si è sganciata dal ranking Google, le citazioni non seguono più le posizioni organiche, l’identità dell’entità è diventata il vero campo di gara.

La conclusione operativa: lo schema markup da solo non ti farà citare. Uno schema markup corretto, sopra contenuti che meritano la citazione, toglie alle AI ogni scusa per attribuire male — o per scegliere un concorrente più leggibile di te.

I tipi di schema che contano davvero per la GEO

Il vocabolario di Schema.org conta centinaia di tipi. Per la visibilità nei motori generativi ne bastano cinque, implementati bene.

• Organization — il nodo radice della tua identità. Nome, logo, sede, e soprattutto la proprietà sameAs verso i profili esterni verificati. È il markup che trasforma un nome in un’entità riconoscibile.
• Article / BlogPosting — con author collegato a un markup Person, datePublished e dateModified reali. Le AI pesano la freschezza e l’attribuzione: un articolo firmato e datato vale più di un contenuto anonimo, a parità di qualità.
• FAQPage — i modelli linguistici sono letteralmente addestrati su coppie domanda-risposta. Un blocco FAQ marcato correttamente offre alle AI il formato che preferiscono estrarre.
• Service / LocalBusiness — per chi vende servizi su un territorio: tipologia di attività, area servita, contatti. È il markup che collega “cosa fai” a “dove lo fai”, decisivo per le query commerciali locali.
• BreadcrumbList — dichiara la gerarchia del sito. Aiuta i crawler a capire che un articolo appartiene a un cluster tematico, rafforzando l’autorevolezza verticale che le AI premiano.

Un esempio minimo di JSON-LD per un articolo, giusto per rendere concreto il discorso:

{
  "@context": "https://schema.org",
  "@type": "BlogPosting",
  "headline": "Schema Markup per la GEO",
  "author": { "@type": "Person", "name": "Nome Cognome" },
  "publisher": { "@type": "Organization", "name": "Starlead srl" },
  "datePublished": "2026-07-02",
  "dateModified": "2026-07-02"
}

Il livello avanzato è collegare questi blocchi tra loro con la proprietà @id: l’articolo punta all’autore, l’autore all’organizzazione, l’organizzazione ai profili esterni. Il risultato è un piccolo knowledge graph interno al sito, che le AI possono percorrere senza ambiguità. È la stessa logica del cluster tematico applicata al codice: le differenze tra GEO e SEO passano anche da qui — la SEO classica marcava le pagine, la GEO marca le relazioni tra entità.

Gli errori che azzerano il lavoro

Quattro errori ricorrenti vanificano anche il markup migliore, e li vediamo con regolarità negli audit.

JSON-LD renderizzato lato client. Se lo schema compare solo dopo l’esecuzione del JavaScript, la maggior parte dei crawler AI non lo vedrà mai: GPTBot e simili non renderizzano il JS come fa Googlebot. Il markup va servito nell’HTML iniziale, lato server. Su WordPress questo è quasi sempre garantito dai plugin; su stack JavaScript moderni va verificato con un fetch a JS disattivato.

Markup che non corrisponde al contenuto visibile. Le linee guida ufficiali di Google sui dati strutturati sono esplicite: marcare contenuti invisibili, recensioni inesistenti o informazioni fuorvianti può costare un’azione manuale. E un markup penalizzato è peggio di nessun markup.

Schema duplicati o in conflitto. Tema, plugin SEO e plugin dedicati possono generare ciascuno il proprio blocco: due Organization con dati diversi, due prezzi diversi sullo stesso prodotto. Il risultato è che i motori non si fidano di nessuno dei due. Va auditata la pagina renderizzata, non le impostazioni del CMS.

Markup stantio. Un dateModified fermo a due anni fa comunica esattamente quello che sembra. La freschezza — lo abbiamo misurato sul campo — è oggi una delle leve più affilate della visibilità AI: lo schema deve riflettere aggiornamenti reali del contenuto, non simularli.

Come implementarlo su WordPress senza scrivere codice

La buona notizia: su WordPress il grosso del lavoro è automatizzabile. Yoast SEO genera già i blocchi base (Article, Organization, BreadcrumbList) lato server. Per il livello GEO — FAQ Schema coerenti con il contenuto, segnali pensati per i crawler AI, coordinamento con il file llms.txt — esistono plugin dedicati: noi usiamo e sviluppiamo Aidentity GEO Optimizer, che genera automaticamente FAQ Schema, llms.txt e blocchi riassuntivi estraibili, proprio perché su questi meccanismi lavoriamo ogni giorno.

Qualunque strumento si scelga, il flusso corretto è sempre lo stesso: implementare, poi validare con il Rich Results Test di Google e con il validatore di Schema.org, poi monitorare nella scheda Miglioramenti di Search Console. Un errore di sintassi rende il blocco invisibile; un errore di coerenza lo rende dannoso. La validazione non è un passaggio opzionale, è metà del lavoro.

Dove si inserisce nel metodo GEO

I dati strutturati sono un tassello, non la strategia. Nel nostro metodo vengono dopo due fondamenta: contenuti che rispondono davvero alle domande — il cuore di come farsi citare da ChatGPT e Perplexity — e un’architettura a cluster che dimostra profondità tematica. Sopra queste fondamenta, lo schema markup fa da certificato anagrafico: dice alle macchine chi parla, di cosa, con quale autorità e da quando.

La sequenza operativa che consigliamo a chi parte oggi: primo, Organization con sameAs completi sulla home; secondo, Article con autore e date reali su tutto il blog; terzo, FAQ marcate sulle pagine che rispondono a domande commerciali; quarto, audit trimestrale per intercettare conflitti e markup invecchiato. Quattro mosse, nessuna delle quali richiede di riscrivere il sito.

Domande frequenti

Lo schema markup è un fattore di ranking per le AI?

Non in senso diretto e dichiarato. È però presente nella grande maggioranza delle pagine citate dalle AI ed è il segnale più preciso per la disambiguazione delle entità: le aiuta a capire chi sei e a fidarsi dell’attribuzione. Va trattato come infrastruttura, non come scorciatoia.

Quale formato conviene usare?

JSON-LD, servito lato server. È il formato raccomandato da Google, non interferisce con l’HTML visibile ed è il più semplice da mantenere e validare nel tempo.

Basta un plugin SEO per essere a posto?

Per i blocchi base sì. Per la GEO servono anche FAQ Schema coerenti, entità collegate tra loro e coordinamento con i segnali pensati per i crawler AI — ed è qui che un audit tecnico fa la differenza tra markup presente e markup efficace.

Vuoi capire se i tuoi dati strutturati stanno lavorando per te o contro di te? Starlead è un’agenzia SEO e GEO di Milano: analizziamo il markup del tuo sito, i segnali che i motori generativi leggono davvero e ti diciamo — con onestà — dove intervenire e dove no. Contattaci per un audit.