JSON-LD y datos estructurados: por qué no son suficientes para ChatGPT, Perplexity y Gemini

Los datos estructurados no son leídos de la misma manera por las IA generativas

El JSON-LD y los esquemas estructurados (Schema.org) permiten a Google comprender tu contenido desde hace años. Sin embargo, ChatGPT, Perplexity, Gemini y Claude los procesan de forma diferente. Estos motores de IA analizan el HTML en bruto, extraen el contexto semántico, pero no priorizan necesariamente el marcado estructurado como lo hace el algoritmo SEO tradicional. Muchas marcas descubren demasiado tarde que sus datos estructurados impecables no generan ninguna cita o recomendación por parte de los asistentes de IA. La razón: estos modelos otorgan más peso al contenido textual legible, al contexto circundante y a la autoridad del dominio que a las etiquetas JSON-LD aisladas.

Por qué los motores de IA ignoran o malinterpretan tu JSON-LD

El JSON-LD a menudo se ignora si contiene datos parciales o incoherentes

Las IA generativas no se fían de las etiquetas estructuradas de manera absoluta. Si tu JSON-LD contiene una dirección, un número de teléfono o precios, pero el texto visible de la página contiene información contradictoria o más detallada, los modelos tienden a priorizar el texto legible. Aplican una especie de verificación de coherencia interna: si la etiqueta y el contenido no se alinean, se vuelven escépticos.

El contexto textual prima sobre los metadatos

A diferencia de Google, que extrae los datos estructurados y los indexa en campos separados, las IA generativas funcionan sobre el principio de la comprensión contextual. Leen tu página como lo haría un usuario humano: título, párrafos, listas, y luego etiquetas. Si tu JSON-LD declara que eres un restaurante con una nota de 4,8 estrellas, pero en ningún lugar del texto visible mencionas esa nota, la IA puede ignorar el dato estructurado e inventar una respuesta o no citarla en absoluto.

Los formatos varían según las IA: algunas no parsean el JSON-LD estándar

Perplexity y Claude utilizan a veces crawlers que priorizan el contenido HTML textual. Gemini, al ser un producto de Google, tiene más en cuenta el JSON-LD, pero incluso en Google, los datos estructurados no influyen en la generación de respuestas de la misma manera en que influyen en el posicionamiento de búsqueda. ChatGPT, si no tiene acceso directo a la web (depende de la versión), recibe extractos de contenido preprocesados donde el marcado estructurado puede perderse parcialmente.

Cómo procesan realmente ChatGPT, Perplexity, Gemini y Claude tus etiquetas estructuradas

ChatGPT: integración de Bing y prioridad al contenido legible

ChatGPT con acceso a Internet se apoya parcialmente en Bing para las fuentes de contenido. El JSON-LD no se utiliza de manera sistemática para extraer respuestas. En su lugar, ChatGPT indexa el texto principal y establece conexiones lógicas. Si mencionas explícitamente en tu texto "Nuestro producto cuesta 49 euros" y también marcas ese precio en JSON-LD, ChatGPT probablemente citará tu página. Pero si solo existe el marcado estructurado sin contexto textual claro, la IA no comprenderá bien tu contenido y no lo recomendará.

Perplexity: importancia de la densidad textual y de las citas claras

Perplexity construye sus respuestas citando explícitamente fuentes. Analiza el contenido accesible y busca pasajes que el usuario pueda verificar. El JSON-LD solo nunca aparece en una respuesta de Perplexity, porque esta herramienta está diseñada para mostrar pruebas tangibles. En cambio, un párrafo bien escrito e informativo, incluso sin marcado estructurado, será citado. Esto significa que para Perplexity es más importante tener un texto claro, bien organizado y rico en detalles que un JSON-LD perfecto.

Gemini: mejor soporte del JSON-LD, pero no automático

Gemini, al ser un producto de Google, se beneficia de la integración con Google Search y tiene más en cuenta los datos estructurados. Sin embargo, esto no activa automáticamente las citas. Gemini siempre lee el contenido en su globalidad. Un esquema LocalBusiness correctamente implementado ayuda a Gemini a comprender mejor tu contexto, pero no fuerza su recomendación. La coherencia entre tus metadatos y tu contenido sigue siendo crucial.

Claude: análisis profundo del texto, poco apoyo en los metadatos

Claude funciona como un lector muy atento del texto en bruto. No rastrea páginas directamente, sino que recibe el contenido a través de integraciones. Sus proveedores de contenido (como Anthropic's API o las fuentes de integración) generalmente proporcionan texto formateado en lugar de HTML en bruto con JSON-LD. Por consiguiente, Claude depende enteramente de la claridad y la estructura del texto visible.

Cuándo es realmente útil el JSON-LD para las IA

Para entidades bien definidas (empresas, eventos, productos)

El JSON-LD sigue siendo eficaz cuando describe una entidad clara y el texto lo confirma. Por ejemplo, si eres una agencia SEO con sede en París y incluyes un esquema Organization con tu dirección, tu teléfono y tu sitio web, las IA reconocen más fácilmente tu ámbito de actividad. Esto mejora las posibilidades de que Gemini o un futuro sistema de recomendación de IA te señale como autoridad en el tema.

Para el enriquecimiento de los resultados de búsqueda por voz y visual

Las IA conversacionales integradas en los asistentes de voz (Alexa, Google Assistant, Siri) se apoyan más en los datos estructurados. Si te diriges a estas plataformas además de ChatGPT, el JSON-LD se vuelve estratégico. Pero para los motores de respuestas textuales como Perplexity o Claude, el impacto es limitado.

Para la desambiguación y la validación cruzada

Cuando una IA se encuentra con una consulta ambigua (por ejemplo, "París" puede ser la ciudad o el personaje mitológico), los datos estructurados ayudan a la desambiguación. Un JSON-LD correctamente formateado le dice al sistema: "Hablamos de la ciudad de París, con esta latitud y longitud". Esto mejora la pertinencia de las respuestas.

Los ajustes GEO específicos para hacer tus datos más atractivos para las IA

1. Enriquece tu texto visible con información complementaria al JSON-LD

No cuentes solo con el JSON-LD. Cada dato importante (dirección, horarios, precios, especialidades) debe aparecer claramente en el contenido legible. Crea secciones dedicadas: "Nuestros horarios de apertura" (con el texto), "Nuestras tarifas" (con detalles), "Nuestra ubicación" (con contexto geográfico). Las IA leerán estas secciones y las asociarán al marcado estructurado para una doble comprensión.

2. Utiliza esquemas anidados para el contexto geográfico y sectorial

En lugar de un simple esquema LocalBusiness, anida esquemas especializados: LocalBusiness + ProfessionalService para un consultorio médico, LocalBusiness + Restaurant para un establecimiento. Añade propiedades geo como GeoShape o Place para delimitar con precisión tu zona de cobertura. Esto ayuda a las IA a contextualizar tu oferta geográficamente.

3. Valida la coherencia entre JSON-LD y contenido visible

Auditoría regular: verifica que la información en JSON-LD corresponda exactamente al contenido visible. Si tu esquema dice "Lunes-Viernes 9h-18h" pero tu página menciona "Abierto 8h-19h", las IA detectan la incoherencia y confían menos en tu contenido. Utiliza herramientas como Rich Results Test de Google para verificar que tu marcado es válido, y luego compáralo manualmente con el texto.

4. Crea contenido único en torno a tus datos estructurados

Redactar un artículo de 300-500 palabras que detalle tu oferta local es más eficaz que un JSON-LD aislado. Por ejemplo, si eres un fontanero en Lyon, no marques solo tu servicio como LocalBusiness. Escribe también: "Intervención de urgencia en Lyon: cubrimos los 9 distritos, disponibles 24h/24" con detalles concretos. Esto da a las IA un contexto rico para recomendarte.

5. Incluye citas y pruebas sociales en el texto visible

Las IA generativas valoran las pruebas. En lugar de contar con una nota Schema Review, menciona explícitamente: "Nuestros clientes nos dan de media 4,8 estrellas en Google (150+ reseñas)" o "Ver nuestros proyectos en nuestro portfolio". Enlaza hacia fuentes externas fiables. Esto refuerza tu credibilidad para los motores de IA.

6. Estructura tus FAQs con un esquema FAQPage + contenido detallado

El esquema FAQPage en JSON-LD es ignorado por algunas IA, pero Perplexity y Gemini buscan activamente secciones FAQ. Marca tu FAQ en JSON-LD para Google, pero también estructura tus preguntas y respuestas de manera muy legible y detallada. Las IA leerán el texto visible y citarán tus respuestas como fuentes.

Caso de uso real: cómo tratan las IA un marcado LocalBusiness

Considera un consultorio dental en Marsella. Su JSON-LD incluye: nombre, dirección, teléfono, horarios, tarifas, servicios ofrecidos. Esto es lo que hace cada IA:

Perplexity: Rastrea la página, ignora por completo el JSON-LD, busca texto legible que mencione los servicios dentales, las tarifas o las reseñas. Citará un párrafo del tipo "El Dr. Martín ofrece limpiezas a 80 euros" pero nunca mencionará el marcado estructurado.

Gemini: Utiliza el JSON-LD para enriquecer su comprensión del ámbito (dentista, Marsella, servicios). Genera una respuesta que combina esta comprensión con el contenido textual. Si el texto y el marcado se alinean, genera una respuesta más precisa.

ChatGPT: Lee sobre todo el texto visible. Reconoce que es un consultorio dental en Marsella al leer el contenido. Podría mencionar la dirección o el teléfono si están claros en el texto. No cita el JSON-LD.

Claude: Depende de la manera en que se le transmite el contenido. Si se le proporciona en HTML en bruto, parsea el texto e ignora el JSON-LD. Si se le proporciona en texto preprocesado, nunca ha visto su rastro.

Resumen de las diferencias clave: JSON-LD en SEO vs. en GEO

En SEO tradicional, Google utiliza intensivamente el JSON-LD para indexar los datos estructurados en campos separados. Tu esquema Review influye directamente en los rich snippets de resultados. El marcado es un componente oficial del ranking.

En GEO (IA generativas), el JSON-LD es una herramienta de precisión secundaria. Las IA generativas funcionan sobre el modelo de la comprensión textual y del contexto. El marcado estructurado ayuda a la desambiguación y mejora la confianza interna del modelo, pero no activa automáticamente las citas o las recomendaciones. El contenido textual legible, claro y detallado sigue siendo la clave.

Checklist para optimizar tus datos estructurados para las IA generativas

• Valida tu JSON-LD con el Rich Results Test de Google. Corrige cualquier error.
• Duplica la información clave en el texto visible y legible de tu página.
• Crea contenido único en torno a tu ámbito de experiencia local o sectorial (al menos 300 palabras).
• Coherencia estricta: asegúrate de que cada dato en JSON-LD exista también en el texto con la misma información.
• Muestra las pruebas: menciona explícitamente las reseñas, certificaciones, logros, no solo en etiquetas.
• Organiza jerárquicamente: utiliza títulos claros (H2, H3) para que las IA segmenten bien tu contenido.
• Prueba en Perplexity y Gemini: plantea preguntas relacionadas con tu actividad y verifica cómo se te recomienda (o no).
• Sigue la evolución: las IA ajustan constantemente su enfoque. Revisa tus estrategias cada trimestre.