Cos'è il schema markup e perché conta per l'AI search nel 2026?

Lo schema markup è un vocabolario standard (schema.org) che permette di inserire nel codice HTML dati strutturati leggibili dalle macchine. Per la SEO tradizionale attiva i rich result di Google. Per l'AI search — ChatGPT, Perplexity, Google AI Overviews — è il segnale di Chiarezza più diretto: dice ai sistemi AI chi sei, cosa fai e come citarti correttamente, rimuovendo ogni ambiguità interpretativa.

Qual è il formato migliore tra JSON-LD, Microdata e RDFa?

JSON-LD è il formato raccomandato da Google e il più semplice da mantenere. Si inserisce in un tag script type='application/ld+json' nel head della pagina, completamente separato dall'HTML, il che facilita aggiornamenti e debug. Microdata e RDFa richiedono di annotare l'HTML elemento per elemento — più fragile e difficile da gestire. In quasi tutti i casi la risposta corretta è JSON-LD.

Quali tipi di schema aumentano la visibilità su ChatGPT e Perplexity?

I tipi con il maggiore impatto sull'AI search sono: Organization (identità del brand), Article con Person (autorevolezza del contenuto), FAQPage (risposta diretta a query specifiche), Product con Review (prodotti ecommerce), e HowTo (guide procedurali). FAQPage e HowTo sono i più citati nelle AI Overview di Google perché forniscono risposte strutturate e autonome che il sistema può estrarre e presentare direttamente all'utente.

Quante pagine del mio sito devono avere schema markup?

Schema Organization va sulla homepage una sola volta, inserito nel layout globale. Schema Article va su ogni articolo del blog. Schema FAQPage va su ogni pagina con sezioni di domande e risposte. Schema Product va su ogni scheda prodotto. Non servono tutti su ogni pagina — serve il tipo corretto per ogni contesto specifico.

Come verifico se il mio schema markup funziona per l'AI search?

Per la validazione tecnica usa il Rich Results Test di Google (search.google.com/test/rich-results). Per verificare che i crawler AI lo leggano, controlla i log del server cercando GPTBot, ClaudeBot e PerplexityBot. Per misurare l'impatto sulle AI Overview, monitora le impression in Google Search Console filtrando per 'AI Overviews' nelle funzionalità di ricerca.

Schema Markup per SEO e AI Search: guida completa ai dati strutturati nel 2026

Lo schema markup è il segnale di Chiarezza più diretto che un sito può inviare ai motori AI. Senza dati strutturati, ChatGPT, Perplexity e Google AI Overviews leggono il tuo sito come testo grezzo e ricostruiscono da soli chi sei — con risultati spesso imprecisi. Implementare i tipi giusti di schema in JSON-LD migliora l'Indice di Visibilità GEO su tutti e tre i pilastri: Accesso, Chiarezza e Autorevolezza.

Perché lo schema markup è cambiato nel 2026

Lo schema markup è sempre stato uno strumento SEO. Nel 2026 è diventato qualcosa di più: il linguaggio con cui i brand comunicano la propria identità ai sistemi AI.

Quando un utente chiede a Perplexity “qual è la migliore birra artigianale piemontese” o a Google AI Overviews “come scelgo un olio extravergine biologico”, il sistema non legge solo il testo delle pagine — legge anche i dati strutturati. Se quei dati ci sono, il brand viene capito e citato correttamente. Se non ci sono, il sistema interpreta il contenuto come può, con risultati che spesso sono imprecisi o incompleti.

La differenza tra un sito con schema markup corretto e uno senza non è solo visibile in Search Console. È misurabile nelle citazioni AI: i brand con Organization, FAQPage e Article schema ben implementati vengono citati con una frequenza significativamente superiore rispetto a quelli che pubblicano solo testo non strutturato.

I tre formati: JSON-LD, Microdata, RDFa

Il vocabolario schema.org può essere implementato in tre formati tecnici diversi. La scelta non è indifferente.

JSON-LD (JavaScript Object Notation for Linked Data) è il formato raccomandato da Google e il più usato nel 2026. Si inserisce in un blocco <script type="application/ld+json"> nel <head> della pagina, completamente separato dall’HTML. Il vantaggio è la manutenibilità: per aggiornare i dati strutturati non devi toccare il markup HTML.

Microdata annota gli elementi HTML direttamente con attributi itemscope, itemtype e itemprop. Funziona, ma rende il codice HTML più rigido e difficile da aggiornare. Se cambi il template, potresti perdere annotazioni.

RDFa è simile a Microdata ma usa una sintassi diversa. Supportato, ma poco usato nella pratica.

La raccomandazione è univoca: usa JSON-LD per tutto il nuovo schema markup. Se hai markup Microdata esistente, non è urgente migrarlo — ma per i nuovi blocchi, JSON-LD è la scelta corretta.

I tipi di schema rilevanti per la visibilità AI

Schema.org ha oltre 800 tipi definiti. Per la visibilità AI, ne servono circa 6-7, implementati nel posto giusto.

Organization — l’identità del brand

Organization è il tipo base che comunica chi sei. Va sulla homepage, una sola volta. Include nome, URL, logo, descrizione, contatto, indirizzo e — campo critico — sameAs con i link ai profili verificati su LinkedIn, Wikidata, Wikipedia.

Senza Organization schema, i sistemi AI non hanno un punto di riferimento strutturato per identificare il brand. Lo ricostruiscono dal testo, con margini di errore significativi.

Article e BlogPosting — l’autorevolezza del contenuto

Ogni articolo del blog deve avere uno schema Article o BlogPosting con i campi author (tipo Person), datePublished, dateModified e headline. Questi sono i segnali E-E-A-T che i sistemi AI usano per valutare la credibilità della fonte.

Un articolo senza autore strutturato è, per i sistemi AI, un contenuto anonimo. Un articolo con author collegato a un profilo Person con url verificata è un contenuto attribuibile a un esperto identificabile.

FAQPage — il tipo più efficace per le AI Overview

FAQPage è il tipo di schema con il ritorno più immediato sulla visibilità AI. Google AI Overviews preleva frequentemente le risposte direttamente da sezioni FAQ strutturate. Anche Perplexity tende a citare pagine con domanda-risposta esplicite.

Il meccanismo è semplice: i sistemi AI cercano risposte dirette a domande specifiche. Una FAQ strutturata in schema fornisce esattamente questo — una domanda e la sua risposta, in formato che non richiede interpretazione.

HowTo — per le guide procedurali

HowTo è il tipo equivalente per le guide passo-passo. Se pubblichi tutorial, istruzioni o procedure, HowTo con i singoli step numerati (HowToStep) aumenta significativamente la probabilità che il contenuto venga estratto nelle risposte AI a query procedurali (“come fare X”, “come scegliere Y”).

Product e AggregateRating — per l’ecommerce

Le schede prodotto devono avere schema Product con name, description, brand, sku, e idealmente AggregateRating. I sistemi AI che rispondono a query di acquisto (“qual è il miglior [categoria]”) privilegiano le fonti con dati strutturati sui prodotti e recensioni verificate.

AggregateRating attiva anche le stelle nei risultati organici di Google — doppio beneficio per SEO e AI search.

BreadcrumbList — per la struttura del sito

BreadcrumbList segnala la struttura gerarchica del sito. Non ha un impatto diretto sulle citazioni AI, ma aiuta i sistemi a capire l’architettura del contenuto e a contestualizzare le pagine nel loro insieme.

Schema per tipo di pagina: la mappa operativa

Tipo di pagina	Schema primario	Schema secondario	Impatto AI
Homepage	Organization	BreadcrumbList	Alto — identità brand
Articolo blog	Article / BlogPosting	Person (autore)	Alto — E-E-A-T
Pagina FAQ	FAQPage	—	Molto alto — AI Overviews
Guida / Tutorial	HowTo	Article	Alto — query procedurali
Scheda prodotto	Product	AggregateRating	Alto — query di acquisto
Pagina Chi siamo	Person / Organization	—	Medio — autorevolezza autori
Landing page servizio	Service	FAQPage	Medio — query commerciali

Implementazione JSON-LD: esempi pronti all’uso

Schema Article completo per un articolo del blog

Questo è il blocco JSON-LD da inserire nel <head> di ogni articolo del blog. Adattalo con i dati reali della tua pagina:

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Titolo dell'articolo — massimo 110 caratteri",
  "description": "Descrizione breve dell'articolo in 1-2 frasi.",
  "url": "https://tuosito.it/blog/titolo-articolo",
  "datePublished": "2026-05-28",
  "dateModified": "2026-05-28",
  "author": {
    "@type": "Person",
    "name": "Nome Cognome",
    "url": "https://tuosito.it/autori/nome-cognome",
    "sameAs": "https://www.linkedin.com/in/nome-cognome"
  },
  "publisher": {
    "@type": "Organization",
    "name": "Nome Brand",
    "url": "https://tuosito.it",
    "logo": {
      "@type": "ImageObject",
      "url": "https://tuosito.it/logo.png"
    }
  },
  "image": {
    "@type": "ImageObject",
    "url": "https://tuosito.it/blog/immagine-articolo.jpg",
    "width": 1200,
    "height": 630
  },
  "inLanguage": "it-IT",
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://tuosito.it/blog/titolo-articolo"
  }
}

Schema FAQPage per una sezione di domande e risposte

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Prima domanda della FAQ?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Risposta completa alla prima domanda. Scrivi in modo esaustivo — il sistema AI può usare questa risposta direttamente nelle AI Overview."
      }
    },
    {
      "@type": "Question",
      "name": "Seconda domanda della FAQ?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Risposta completa alla seconda domanda."
      }
    }
  ]
}

Come inserire più blocchi JSON-LD sulla stessa pagina

Una pagina può contenere più blocchi <script type="application/ld+json"> separati. È la pratica corretta per combinare tipi diversi:

<head>
  <!-- Schema Article -->
  <script type="application/ld+json">
  { "@context": "https://schema.org", "@type": "Article", ... }
  </script>

  <!-- Schema FAQPage (sulla stessa pagina) -->
  <script type="application/ld+json">
  { "@context": "https://schema.org", "@type": "FAQPage", ... }
  </script>
</head>

Non serve (e non è corretto) unire tutto in un unico blocco JSON-LD.

Schema markup e i tre pilastri GEO

Lo schema markup non è un segnale isolato — si inserisce nel framework dei tre pilastri che determinano l’Indice di Visibilità GEO.

Accesso: il prerequisito che viene prima

Uno schema markup perfetto è inutile se i crawler AI non riescono a leggere la pagina. Prima di investire tempo nell’implementazione dello schema, verifica che i principali crawler AI — GPTBot, ClaudeBot, PerplexityBot — siano autorizzati nel tuo robots.txt. La configurazione dei crawler AI è il prerequisito tecnico di tutto il resto.

Ugualmente, se il tuo sito è built in un framework JavaScript senza Server-Side Rendering (SSR), i crawler AI potrebbero ricevere una pagina vuota. In quel caso, lo schema nel <head> è visibile, ma il contenuto della pagina no — un’asimmetria che riduce il valore complessivo della pagina come fonte citabile.

Chiarezza: dove lo schema fa la differenza più grande

Il pilastro Chiarezza misura quanto i sistemi AI capiscono cosa fai e come citarti. Lo schema markup è il principale strumento per costruire Chiarezza — in modo molto più preciso di qualsiasi testo.

Un sistema AI che legge una pagina senza schema markup deve inferire: “questa sembra un’azienda che produce olio d’oliva in Puglia”. Un sistema AI che legge la stessa pagina con Organization schema sa: l’entità si chiama esattamente “Frantoio Rossi Srl”, ha sede ad Andria, il suo LinkedIn è questo, il suo profilo Wikidata è questo. La differenza nella qualità della citazione è sostanziale.

Autorevolezza: come lo schema amplifica i segnali esistenti

Lo schema markup non crea autorevolezza — la rende leggibile. Un brand con menzioni su testate autorevoli, ma senza sameAs nello schema Organization, non consente ai sistemi AI di collegare quelle menzioni al dominio del sito. Il campo sameAs è il ponte tra la reputazione esterna e l’identità strutturata sul sito.

Analogamente, lo schema Article con author collegato a un Person con un profilo LinkedIn verificato permette ai sistemi AI di attribuire il contenuto a un esperto specifico — amplificando il segnale E-E-A-T che già esiste.

Errori comuni e come evitarli

Schema su pagine bloccate in robots.txt. Se una pagina è bloccata ai crawler AI, lo schema su quella pagina non viene letto. Controlla che le pagine con schema siano raggiungibili dai bot AI.

FAQPage su domande duplicate. Alcune implementazioni includono le stesse domande su più pagine del sito. Questo crea ambiguità per i sistemi AI, che non capiscono quale versione è quella autorevole. Una FAQ specifica deve stare su una sola pagina.

Article schema senza autore. Lo schema Article senza il campo author perde il principale beneficio per l’AI search. L’autore è il segnale di E-E-A-T — senza, l’articolo è tecnicamente valido per i rich result di Google, ma perde valore come segnale di Autorevolezza AI.

Organization schema su più pagine. Va inserito una volta sola — sulla homepage o nel layout globale. Se appare su ogni pagina del sito, i sistemi AI ricevono segnali ridondanti e a volte contraddittori (se le pagine hanno URL diverse come mainEntityOfPage).

JSON-LD con caratteri speciali non codificati. Le virgolette all’interno dei valori JSON devono essere precedute dal carattere di escape \". Un JSON malformato non viene letto. Usa sempre il Rich Results Test per validare la sintassi prima di pubblicare.

Come verificare l’implementazione

Step 1 — Validazione sintattica: incolla l’URL di ogni pagina modificata nel Rich Results Test di Google. Lo strumento mostra i tipi di schema rilevati, gli errori di sintassi e i campi mancanti.

Step 2 — Verifica indicizzazione: dopo aver implementato lo schema su nuove pagine, richiedi la reindicizzazione in Google Search Console (Impostazioni → Ispezione URL → Richiedi indicizzazione). Questo accelera il riconoscimento del nuovo schema.

Step 3 — Monitoraggio AI Overview: in Google Search Console, il filtro “Funzionalità di ricerca” permette di vedere le impression sulle query che generano AI Overviews. Monitora le parole chiave target 30-60 giorni dopo l’implementazione per misurare l’impatto.

Step 4 — Log dei crawler: nei log del server, cerca le richieste con user-agent GPTBot, PerplexityBot, ClaudeBot. La loro presenza conferma che i crawler AI stanno effettivamente leggendo le pagine con lo schema.

Il punto di partenza: qual è il tuo Indice di Visibilità oggi?

La maggior parte dei siti italiani ha schema markup assente, parziale o errato. Prima di sapere dove intervenire, è utile avere una baseline precisa: quali pagine hanno schema, quali tipi sono implementati, quali campi mancano, e come questo si traduce nell’Indice di Visibilità GEO complessivo.

Un audit GEO analizza tutti e tre i pilastri — Accesso, Chiarezza e Autorevolezza — e restituisce le priorità di intervento ordinate per impatto atteso. Lo schema markup è quasi sempre nella lista, spesso in cima.

Richiedi l’analisi GEO gratuita →