Los modelos de lenguaje no leen tu web como un humano. Procesan texto semántico — y los datos estructurados son la forma más directa de decirle a un LLM exactamente qué eres, qué haces y qué datos son verificables.
Por qué Schema importa en GEO
Google usa Schema.org para alimentar su Knowledge Graph, que a su vez alimenta Gemini. Perplexity y otros modelos con acceso a búsqueda lo procesan directamente. Los LLM entrenados con datos web aprendieron a reconocer y priorizar contenido marcado estructuralmente.
1. Organization
El más importante y el más ignorado. Define quién eres de forma inequívoca:
{
"@type": "Organization",
"name": "Tu Empresa",
"foundingDate": "2018",
"numberOfEmployees": {"@type": "QuantitativeValue", "value": 45},
"knowsAbout": ["GEO", "SEO", "Marketing digital"],
"sameAs": ["https://www.wikidata.org/wiki/Q...", "https://www.linkedin.com/company/..."]
}El campo sameAs con Wikidata es crítico: conecta tu entidad web con el grafo de conocimiento que los modelos consultan.
2. FAQPage
El tipo que más directamente mapea a consultas conversacionales. Cada Question debería ser la forma exacta en que un usuario le preguntaría a un chat.
3. Product / Service
Para productos y servicios: incluye description detallada, offers con precio o rango, y aggregateRating si tienes reseñas verificables. Los modelos usan esto para comparativas.
4. Article
En contenido editorial: datePublished, dateModified, author con sameAs a perfil LinkedIn o Wikipedia. La fecha actualizada es señal de relevancia para modelos con acceso a búsqueda.
5. HowTo
El tipo más citado en respuestas instructivas. Si tienes guías o tutoriales, estructurarlos como HowTo con steps explícitos multiplica su aparición en respuestas tipo "cómo hago X".
Implementar estos cinco tipos correctamente en las páginas clave es la base técnica del GEO. Sin esto, el resto del trabajo tiene techo.