I dati strutturati Schema.org: capire come funzionano

Schema.org è un vocabolario standardizzato che permette di descrivere, nel codice di una pagina, fatti precisi e inequivocabili: un prezzo, una valutazione media, un autore, una data di pubblicazione. Questi dati strutturati forniscono a motori di ricerca e IA informazioni che non devono più dedurre dal testo libero.

Cos'è il markup Schema.org

Schema.org è un vocabolario condiviso, mantenuto congiuntamente da Google, Microsoft, Yahoo e Yandex, che definisce tipi di entità (Product, Article, Organization, FAQPage...) e le loro proprietà (price, author, datePublished...). Questo vocabolario può essere espresso nell'HTML attraverso diverse sintassi, la più diffusa oggi è il JSON-LD: un blocco di dati strutturati in formato JSON, inserito in un tag <script>, separato dal contenuto visivo della pagina.

Esistono altre due sintassi — il microdata e l'RDFa — che si inseriscono direttamente negli attributi dei tag HTML visibili invece che in un blocco separato. Il JSON-LD si è affermato come la sintassi raccomandata dalla maggior parte dei motori, soprattutto perché può essere aggiunto, modificato o rimosso senza toccare l'HTML visivo della pagina, il che ne semplifica notevolmente la manutenzione nel tempo.

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Capire i dati strutturati Schema.org",
  "author": {
    "@type": "Organization",
    "name": "Vurto"
  },
  "datePublished": "2026-01-15"
}
</script>

Perché fornisce alle IA fatti inequivocabili

Un testo scritto in linguaggio naturale può essere ambiguo o richiedere un'interpretazione: "a partire da 49€" può indicare un prezzo mensile, annuale, o un'offerta promozionale temporanea. Un'IA che deve estrarre quel prezzo per rispondere a una domanda è quindi costretta a interpretare il contesto, con un rischio di errore. Lo stesso problema si presenta per una data scritta per esteso ("il 15 gennaio" senza specificare l'anno) o per una valutazione qualitativa ("molto apprezzato" senza un valore numerico): informazioni che un essere umano interpreta senza sforzo grazie al contesto, ma che una macchina deve indovinare. Lo stesso prezzo marcato in Schema.org elimina questa ambiguità:

"offers": {
  "@type": "Offer",
  "price": "49.00",
  "priceCurrency": "EUR"
}

Qui il dato è strutturato, tipizzato e non lascia spazio a interpretazioni. È esattamente questo tipo di chiarezza che le IA generative cercano quando devono citare un fatto preciso (prezzo, valutazione, disponibilità, data) invece di riformulare un passaggio di testo.

Come funziona in pratica

Il principio si basa su tre elementi: un tipo (@type, es. Product, Article, FAQPage) che indica la natura dell'entità descritta, delle proprietà (name, price, author, review...) che ne descrivono gli attributi, e un contesto (@context, quasi sempre https://schema.org) che indica quale vocabolario viene utilizzato. Questa combinazione permette a qualsiasi sistema che comprenda il vocabolario Schema.org di interpretare i dati in modo rigorosamente identico, senza ambiguità di lettura.

Cosa Schema.org non fa

Il markup strutturato non sostituisce un contenuto di qualità, e non migliora artificialmente il posizionamento di una pagina il cui contenuto reale sia scarso o fuorviante. Non garantisce nemmeno la comparsa di rich snippet nei risultati di ricerca: questi dipendono da criteri aggiuntivi e da decisioni specifiche di ciascun motore. Il ruolo di Schema.org è rendere esplicite informazioni già presenti ed esatte sulla pagina — mai dichiarare dati che non corrispondono al contenuto visibile, una pratica che i motori penalizzano quando viene rilevata.

Questa distinzione è essenziale da interiorizzare prima di iniziare l'implementazione: Schema.org accelera e rende più affidabile la lettura di un contenuto già solido, non compensa mai l'assenza di quel contenuto. Un sito che applicasse un markup AggregateRating elaborato su una pagina priva di recensioni reali dei clienti correrebbe un rischio di penalizzazione ben superiore al beneficio sperato.

Il legame con le entità e i grafi di conoscenza

Oltre ai singoli fatti (un prezzo, una data), Schema.org aiuta anche a definire le entità e le relazioni che le uniscono: quale Organization è autrice di quale Article, quale Product appartiene a quale Brand, quale pagina fa parte di quale BreadcrumbList. Questa rete di relazioni esplicite avvicina il vostro contenuto al funzionamento dei grafi di conoscenza che i motori e alcune IA costruiscono in background per collegare tra loro entità, brand e argomenti. Un sito le cui entità sono chiaramente identificate e collegate tra loro tramite Schema.org facilita questo lavoro di collegamento, invece di lasciare che sia il motore a dedurre questi legami dal solo testo.

Verso l'implementazione

Capire il principio è il primo passo; metterlo concretamente in pratica — quali tipi dare priorità, come strutturare il JSON-LD, come validarlo — è oggetto della lezione successiva su l'implementazione dei dati strutturati Schema.org. Questa chiarezza fattuale si ricollega anche a un tema centrale del modulo successivo: il modo in cui citazioni, dati numerici e prove rafforzano la credibilità di un contenuto agli occhi di un'IA, così come i segnali di E-E-A-T che in parte ne dipendono.