JSON-LD e dati strutturati: perché non bastano per ChatGPT, Perplexity e Gemini

I dati strutturati non vengono letti allo stesso modo dalle IA generative

Il JSON-LD e gli schemi strutturati (Schema.org) permettono a Google di comprendere i tuoi contenuti da anni. Tuttavia, ChatGPT, Perplexity, Gemini e Claude li trattano in modo diverso. Questi motori IA analizzano l'HTML grezzo, estraggono il contesto semantico, ma non privilegiano necessariamente il markup strutturato come fa l'algoritmo SEO tradizionale. Molti brand scoprono troppo tardi che i loro dati strutturati impeccabili non generano alcuna citazione o raccomandazione da parte degli assistenti IA. Il motivo: questi modelli attribuiscono maggior peso al contenuto testuale leggibile, al contesto circostante e all'autorità del dominio rispetto ai tag JSON-LD isolati.

Perché i motori IA ignorano o interpretano male il tuo JSON-LD

Il JSON-LD viene spesso ignorato se contiene dati parziali o incoerenti

Le IA generative non si fidano dei tag strutturati in modo assoluto. Se il tuo JSON-LD contiene un indirizzo, un numero di telefono o dei prezzi, ma il testo visibile della pagina contiene informazioni contraddittorie o più dettagliate, i modelli tendono a dare priorità al testo leggibile. Applicano una sorta di verifica di coerenza interna: se il tag e il contenuto non sono allineati, diventano scettici.

Il contesto testuale prevale sui metadati

A differenza di Google che estrae i dati strutturati e li indicizza in campi separati, le IA generative funzionano sul principio della comprensione contestuale. Leggono la tua pagina come farebbe un utente umano: titolo, paragrafi, elenchi, poi tag. Se il tuo JSON-LD dichiara che sei un ristorante con una valutazione di 4,8 stelle, ma da nessuna parte nel testo visibile menzioni questa valutazione, l'IA può ignorare il dato strutturato e inventare una risposta o non citarla affatto.

I formati variano a seconda delle IA: alcune non fanno il parsing del JSON-LD standard

Perplexity e Claude utilizzano talvolta crawler che privilegiano il contenuto HTML testuale. Gemini, essendo un prodotto Google, tiene maggiormente conto del JSON-LD, ma anche in Google i dati strutturati non influenzano la generazione di risposte allo stesso modo in cui influenzano il posizionamento nella ricerca. ChatGPT, se non ha accesso diretto al web (dipende dalla versione), riceve estratti di contenuto pre-trattati in cui il markup strutturato può andare parzialmente perso.

Come ChatGPT, Perplexity, Gemini e Claude trattano realmente i tuoi tag strutturati

ChatGPT: integrazione con Bing e priorità al contenuto leggibile

ChatGPT con accesso a Internet si basa parzialmente su Bing per le fonti di contenuto. Il JSON-LD non viene utilizzato in modo sistematico per estrarre risposte. Al contrario, ChatGPT indicizza il testo principale e stabilisce connessioni logiche. Se menzioni esplicitamente nel tuo testo "Il nostro prodotto costa 49 euro" e contrassegni anche questo prezzo in JSON-LD, ChatGPT probabilmente citerà la tua pagina. Ma se c'è solo il markup strutturato senza un chiaro contesto testuale, l'IA non comprenderà bene il tuo contenuto e non lo raccomanderà.

Perplexity: importanza della densità testuale e delle citazioni chiare

Perplexity costruisce le sue risposte citando esplicitamente le fonti. Analizza il contenuto accessibile e cerca passaggi che l'utente può verificare. Il solo JSON-LD non appare mai in una risposta di Perplexity, perché questo strumento è progettato per mostrare prove tangibili. Al contrario, un paragrafo ben scritto e informativo, anche senza markup strutturato, verrà citato. Ciò significa che per Perplexity è più importante avere un testo chiaro, ben organizzato e ricco di dettagli che un JSON-LD perfetto.

Gemini: miglior supporto del JSON-LD, ma non automatico

Gemini, essendo un prodotto Google, beneficia dell'integrazione con Google Search e tiene maggiormente conto dei dati strutturati. Tuttavia, ciò non attiva automaticamente le citazioni. Gemini legge sempre il contenuto nella sua globalità. Uno schema LocalBusiness correttamente implementato aiuta Gemini a comprendere meglio il tuo contesto, ma non forza la sua raccomandazione. La coerenza tra i tuoi metadati e il tuo contenuto resta cruciale.

Claude: analisi profonda del testo, scarso appoggio sui metadati

Claude funziona come un lettore molto attento del testo grezzo. Non esegue crawling diretto delle pagine, ma riceve il contenuto tramite integrazioni. I suoi fornitori di contenuto (come l'API di Anthropic o le fonti di integrazione) forniscono generalmente testo formattato piuttosto che HTML grezzo con JSON-LD. Di conseguenza, Claude dipende interamente dalla chiarezza e dalla struttura del testo visibile.

Quando il JSON-LD è realmente utile per le IA

Per entità ben definite (aziende, eventi, prodotti)

Il JSON-LD resta efficace quando descrive un'entità chiara e il testo lo conferma. Ad esempio, se sei un'agenzia SEO con sede a Parigi e includi uno schema Organization con il tuo indirizzo, il tuo telefono e il tuo sito, le IA riconoscono più facilmente il tuo ambito di attività. Ciò migliora le probabilità che Gemini o un futuro sistema di raccomandazione IA ti segnali come autorità sull'argomento.

Per l'arricchimento dei risultati di ricerca vocale e visiva

Le IA conversazionali integrate negli assistenti vocali (Alexa, Google Assistant, Siri) si basano maggiormente sui dati strutturati. Se miri a queste piattaforme oltre a ChatGPT, il JSON-LD diventa strategico. Ma per i motori di risposte testuali come Perplexity o Claude, l'impatto è limitato.

Per la disambiguazione e la validazione incrociata

Quando un'IA incontra una query ambigua (ad esempio, "Parigi" può essere la città o il personaggio mitologico), i dati strutturati aiutano la disambiguazione. Un JSON-LD correttamente formattato dice al sistema: "Parliamo della città di Parigi, con questa latitudine e longitudine." Ciò migliora la pertinenza delle risposte.

Gli aggiustamenti GEO-specifici per rendere i tuoi dati più attraenti per le IA

1. Arricchisci il tuo testo visibile con informazioni complementari al JSON-LD

Non contare solo sul JSON-LD. Ogni dato importante (indirizzo, orari, prezzi, specialità) deve apparire chiaramente nel contenuto leggibile. Crea sezioni dedicate: "I nostri orari di apertura" (con il testo), "Le nostre tariffe" (con dettagli), "La nostra localizzazione" (con contesto geografico). Le IA leggeranno queste sezioni e le assoceranno al markup strutturato per una doppia comprensione.

2. Usa schemi annidati per il contesto geografico e settoriale

Invece di un semplice schema LocalBusiness, annida schemi specializzati: LocalBusiness + ProfessionalService per uno studio medico, LocalBusiness + Restaurant per un locale. Aggiungi proprietà geo come GeoShape o Place per delimitare precisamente la tua area di copertura. Ciò aiuta le IA a contestualizzare geograficamente la tua offerta.

3. Valida la coerenza tra JSON-LD e contenuto visibile

Audit regolare: verifica che le informazioni in JSON-LD corrispondano esattamente al contenuto visibile. Se il tuo schema dice "Lunedì-Venerdì 9-18" ma la tua pagina menziona "Aperto 8-19", le IA rilevano l'incoerenza e si fidano meno del tuo contenuto. Usa strumenti come Rich Results Test di Google per verificare che il tuo markup sia valido, poi confronta manualmente con il testo.

4. Crea contenuto unico attorno ai tuoi dati strutturati

Scrivere un articolo di 300-500 parole che dettaglia la tua offerta locale è più efficace di un JSON-LD isolato. Ad esempio, se sei un idraulico a Lione, non contrassegnare solo il tuo servizio come LocalBusiness. Scrivi anche: "Intervento d'urgenza a Lione: copriamo i 9 arrondissement, disponibili 24h/24" con dettagli concreti. Ciò fornisce alle IA un contesto ricco per raccomandarti.

5. Includi citazioni e prove sociali nel testo visibile

Le IA generative valorizzano le prove. Invece di contare su una valutazione Schema Review, menziona esplicitamente: "I nostri clienti ci danno in media 4,8 stelle su Google (150+ recensioni)" o "Vedi i nostri progetti sul nostro portfolio." Collega a fonti esterne affidabili. Ciò rafforza la tua credibilità per i motori IA.

6. Struttura le tue FAQ con uno schema FAQPage + contenuto dettagliato

Lo schema FAQPage in JSON-LD viene ignorato da alcune IA, ma Perplexity e Gemini cercano attivamente sezioni FAQ. Contrassegna le tue FAQ in JSON-LD per Google, ma struttura anche le tue domande e risposte in modo molto leggibile e dettagliato. Le IA leggeranno il testo visibile e citeranno le tue risposte come fonti.

Caso d'uso reale: come le IA trattano un markup LocalBusiness

Considera uno studio dentistico a Marsiglia. Il suo JSON-LD include: nome, indirizzo, telefono, orari, tariffe, servizi offerti. Ecco cosa fa ogni IA:

Perplexity: Esegue il crawling della pagina, ignora completamente il JSON-LD, cerca testo leggibile che menzioni i servizi dentistici, le tariffe o le recensioni. Citerà un paragrafo del tipo "Il Dr. Martin offre detartrasi a 80 euro" ma non menzionerà mai il markup strutturato.

Gemini: Usa il JSON-LD per arricchire la sua comprensione del dominio (dentista, Marsiglia, servizi). Genera una risposta che combina questa comprensione con il contenuto testuale. Se il testo e il markup sono allineati, genera una risposta più precisa.

ChatGPT: Legge soprattutto il testo visibile. Riconosce che è uno studio dentistico a Marsiglia leggendo il contenuto. Potrebbe menzionare l'indirizzo o il telefono se sono chiari nel testo. Non cita il JSON-LD.

Claude: Dipende da come il contenuto gli viene trasmesso. Se fornito in HTML grezzo, fa il parsing del testo e ignora il JSON-LD. Se fornito in testo pre-trattato, non ne ha mai vista traccia.

Riepilogo delle differenze chiave: JSON-LD in SEO vs. in GEO

Nella SEO tradizionale, Google utilizza intensivamente il JSON-LD per indicizzare i dati strutturati in campi separati. Il tuo schema Review influenza direttamente i rich snippet dei risultati. Il markup è una componente ufficiale del ranking.

Nel GEO (IA generative), il JSON-LD è uno strumento di precisione secondario. Le IA generative funzionano sul modello della comprensione testuale e del contesto. Il markup strutturato aiuta la disambiguazione e migliora la fiducia interna del modello, ma non attiva automaticamente citazioni o raccomandazioni. Il contenuto testuale leggibile, chiaro e dettagliato resta la chiave.

Checklist per ottimizzare i tuoi dati strutturati per le IA generative

• Valida il tuo JSON-LD con il Rich Results Test di Google. Correggi ogni errore.
• Duplica le informazioni chiave nel testo visibile e leggibile della tua pagina.
• Crea contenuto unico attorno al tuo ambito di competenza locale o settoriale (almeno 300 parole).
• Coerenza rigorosa: assicurati che ogni dato in JSON-LD esista anche nel testo con la stessa informazione.
• Mostra le prove: menziona esplicitamente recensioni, certificazioni, realizzazioni, non solo nei tag.
• Organizza gerarchicamente: usa titoli chiari (H2, H3) affinché le IA segmentino bene il tuo contenuto.
• Testa in Perplexity e Gemini: poni domande legate alla tua attività e verifica come vieni raccomandato (o no).
• Segui l'evoluzione: le IA aggiustano costantemente il loro approccio. Rivedi le tue strategie ogni trimestre.