Dati strutturati e visibilità AI: gli errori più comuni da evitare

I dati strutturati permettono di dire ai motori di ricerca in modo esplicito di cosa parla una pagina, chi l’ha scritta e a quale azienda appartiene, riducendo il margine di interpretazione lasciato agli algoritmi.

Il problema è che un markup tecnicamente corretto può risultare poco utile per i sistemi di ricerca basati sull’AI, che hanno bisogno di capire con certezza quali entità compaiono su un sito e come sono collegate tra loro.

Schema markup come strategia di entità e non come adempimento

L’errore più diffuso, e anche il più comprensibile, consiste nel trattare lo schema markup come una voce da spuntare in fase di sviluppo, applicando a ogni modello di pagina il tipo previsto senza chiedersi quale informazione si vuole davvero trasmettere a chi la legge in modo automatico.

Un articolo del blog di un e-commerce marcato con il tipo Article, ad esempio, è perfettamente in regola, perché comunica ai bot che si tratta di un contenuto informativo e non di una scheda prodotto, ma si ferma lì e non dice nulla del contesto in cui quel contenuto è nato.

Per i modelli linguistici quel contesto è altamente rilevante, perché la fiducia in una fonte si costruisce collegando un testo a una persona riconoscibile e a un’organizzazione con una propria identità, e un markup isolato non offre nessuno di questi collegamenti.

Lavorare in ottica di entità significa far dialogare tra loro i diversi tipi di schema, legando l’articolo al suo autore con il tipo Person e alla pagina dell’autore sul sito, e collegando a sua volta l’autore all’Organization per cui scrive.

La domanda da porsi, quando si rivede lo schema di un sito, riguarda la capacità del markup di rendere chiare a una macchina le relazioni tra i contenuti, i prodotti, le persone e il brand, più che la semplice presenza di un tipo valido su ogni URL.

In pratica conviene partire da una mappa delle entità principali del sito, decidere quali sono le proprietà che descrivono e in quali pagine compaiono, e solo dopo tradurre questa mappa in codice, così che ogni template contribuisca a un quadro unico invece di aggiungere frammenti scollegati.

Identificatori @id e coerenza dei dati strutturati tra le pagine

Uno strumento poco sfruttato per tenere insieme questo quadro è la proprietà @id, che permette di assegnare a un’entità un identificatore univoco, definirla una sola volta con tutte le sue proprietà e richiamarla nelle altre pagine senza riscrivere ogni volta i dati.

L’identificatore ha la forma di un URL ma serve solo come etichetta, e quando un bot lo ritrova in un altro blocco di markup capisce che si tratta della stessa entità descritta in origine.

Un modo ordinato di applicarlo è usare un @graph, che raccoglie nello stesso script più entità collegate tra loro.

Oltre a semplificare il codice, l’uso degli identificatori riduce il rischio di informazioni in conflitto, che è uno dei problemi più frequenti nei siti cresciuti per stratificazioni successive.

Capita spesso, ad esempio, che lo schema Organization inserito anni fa nelle schede prodotto riporti ancora il vecchio nome dell’azienda, mentre quello della homepage è stato aggiornato dopo un rebranding: per un sistema che deve decidere come si chiama quell’organizzazione, le due versioni si annullano a vicenda.

Definire l’entità in un solo punto e richiamarla ovunque con lo stesso @id fa sì che un aggiornamento si propaghi a tutto il sito.

Markup e contenuto visibile: quando i dati strutturati si contraddicono

Anche con un’architettura di entità ben impostata, i dati strutturati perdono valore se raccontano qualcosa di diverso da ciò che l’utente legge sulla pagina, perché Google chiede esplicitamente che il markup descriva contenuti visibili e coerenti con il testo.

Gli scostamenti più comuni riguardano i prezzi dei prodotti aggiornati nel catalogo ma non nello schema, le recensioni aggregate che non compaiono da nessuna parte nella pagina, le date di pubblicazione o di modifica lasciate ferme da anni e gli autori indicati nel markup ma assenti dal contenuto.

Per i sistemi AI questi scostamenti sono un segnale di scarsa affidabilità, perché costringono a scegliere tra due versioni della stessa informazione e rendono meno probabile che il sito venga usato come fonte.

Il controllo va fatto in modo periodico e su scala, senza limitarsi alle poche pagine testate al momento del rilascio: il Test dei risultati multimediali di Google e lo Schema Markup Validator servono per la verifica puntuale, mentre i report sui miglioramenti di Search Console segnalano gli errori sull’intero sito.

Con Screaming Frog puoi estrarre il JSON-LD di tutte le pagine e confrontare i valori del markup con quelli presenti nel contenuto, così da individuare in poco tempo i template che generano dati non aggiornati.

Dati strutturati e fonti esterne: la coerenza del brand oltre il sito

L’ultimo errore, forse il più sottovalutato, è pensare che i dati strutturati bastino da soli a chiarire chi sei agli occhi dei modelli linguistici, quando in realtà questi sistemi confrontano le informazioni del tuo sito con quelle che trovano sulla directory, testate, social, schede aziendali e siti di terzi. Se il markup riporta il nome corretto del brand e i prezzi aggiornati, ma decine di pagine esterne citano ancora la vecchia denominazione o listini superati, non c’è garanzia che la versione del tuo sito venga considerata quella più autorevole.

Una strategia completa sui dati strutturati deve quindi includere anche il lavoro di pulizia delle informazioni online, partendo dalle fonti che i motori consultano con più frequenza, come il Profilo dell’attività su Google, Wikidata quando l’azienda vi compare, le directory di settore e le pagine dei marketplace.

La proprietà sameAs dello schema Organization aiuta a collegare il sito ai profili ufficiali e a rafforzare l’identità dell’entità, ma funziona solo se quei profili riportano a loro volta dati allineati, e lo stesso vale per le pagine autore che rimandano ai profili LinkedIn dei collaboratori.

Per i siti con molti template, cataloghi ampi o una storia di rebranding alle spalle, la revisione dello schema e l’allineamento delle fonti esterne richiedono un’analisi tecnica e un piano di intervento, attività per cui può essere utile affidarsi a esperti del settore come Wolf Agency agenzia SEO che lavora sulla visibilità dei brand sia nelle SERP sia nelle risposte generate dalle AI.