JSON-LD e dados estruturados: por que não são suficientes para ChatGPT, Perplexity e Gemini

Os dados estruturados não são lidos da mesma forma pelas IAs generativas

O JSON-LD e os esquemas estruturados (Schema.org) permitem ao Google compreender seu conteúdo há anos. No entanto, ChatGPT, Perplexity, Gemini e Claude os tratam de forma diferente. Esses mecanismos de IA analisam o HTML bruto, extraem o contexto semântico, mas não privilegiam necessariamente a marcação estruturada como faz o algoritmo de SEO tradicional. Muitas marcas descobrem tarde demais que seus dados estruturados impecáveis não geram nenhuma citação ou recomendação por parte dos assistentes de IA. A razão: esses modelos atribuem mais peso ao conteúdo textual legível, ao contexto ao redor e à autoridade do domínio do que às tags JSON-LD isoladas.

Por que os mecanismos de IA ignoram ou interpretam mal seu JSON-LD

O JSON-LD é frequentemente ignorado se contiver dados parciais ou inconsistentes

As IAs generativas não confiam nas tags estruturadas de forma absoluta. Se seu JSON-LD contém um endereço, um número de telefone ou preços, mas o texto visível da página contém informações contraditórias ou mais detalhadas, os modelos tendem a priorizar o texto legível. Elas aplicam uma espécie de verificação de consistência interna: se a tag e o conteúdo não se alinham, tornam-se céticas.

O contexto textual prevalece sobre os metadados

Ao contrário do Google, que extrai os dados estruturados e os indexa em campos separados, as IAs generativas funcionam com base no princípio da compreensão contextual. Elas leem sua página como um usuário humano faria: título, parágrafos, listas e depois tags. Se seu JSON-LD declara que você é um restaurante com uma nota de 4,8 estrelas, mas em nenhum lugar no texto visível você menciona essa nota, a IA pode ignorar o dado estruturado e inventar uma resposta ou não citá-lo de forma alguma.

Os formatos variam conforme a IA: algumas não fazem parsing do JSON-LD padrão

Perplexity e Claude às vezes usam crawlers que privilegiam o conteúdo HTML textual. Gemini, sendo um produto Google, leva mais em conta o JSON-LD, mas mesmo no Google, os dados estruturados não influenciam a geração de respostas da mesma forma que influenciam o ranking de busca. ChatGPT, se não estiver em acesso direto à web (depende da versão), recebe trechos de conteúdo pré-processados onde a marcação estruturada pode ser parcialmente perdida.

Como ChatGPT, Perplexity, Gemini e Claude realmente tratam suas tags estruturadas

ChatGPT: integração com Bing e prioridade ao conteúdo legível

O ChatGPT com acesso à Internet baseia-se parcialmente no Bing para as fontes de conteúdo. O JSON-LD não é usado de forma sistemática para extrair respostas. Em vez disso, o ChatGPT indexa o texto principal e estabelece conexões lógicas. Se você menciona explicitamente em seu texto "Nosso produto custa 49 euros" e também marca esse preço em JSON-LD, o ChatGPT provavelmente citará sua página. Mas se houver apenas a marcação estruturada sem contexto textual claro, a IA não compreenderá bem seu conteúdo e não o recomendará.

Perplexity: importância da densidade textual e das citações claras

O Perplexity constrói suas respostas citando explicitamente fontes. Ele analisa o conteúdo acessível e busca passagens que o usuário possa verificar. O JSON-LD sozinho nunca aparece em uma resposta do Perplexity, pois essa ferramenta foi projetada para mostrar evidências tangíveis. Por outro lado, um parágrafo bem escrito e informativo, mesmo sem marcação estruturada, será citado. Isso significa que, para o Perplexity, é mais importante ter um texto claro, bem organizado e rico em detalhes do que um JSON-LD perfeito.

Gemini: melhor suporte ao JSON-LD, mas não automático

O Gemini, sendo um produto Google, beneficia-se da integração com o Google Search e leva mais em conta os dados estruturados. No entanto, isso não ativa automaticamente as citações. O Gemini sempre lê o conteúdo em sua totalidade. Um esquema LocalBusiness corretamente implementado ajuda o Gemini a compreender melhor seu contexto, mas não força sua recomendação. A consistência entre seus metadados e seu conteúdo continua crucial.

Claude: análise profunda do texto, pouco apoio nos metadados

O Claude funciona como um leitor muito atento do texto bruto. Ele não rastreia páginas diretamente, mas recebe o conteúdo por meio de integrações. Seus fornecedores de conteúdo (como a API da Anthropic ou as fontes de integração) geralmente fornecem texto formatado em vez de HTML bruto com JSON-LD. Portanto, o Claude depende inteiramente da clareza e da estrutura do texto visível.

Quando o JSON-LD é realmente útil para as IAs

Para entidades bem definidas (empresas, eventos, produtos)

O JSON-LD continua eficaz quando descreve uma entidade clara e o texto a confirma. Por exemplo, se você é uma agência de SEO sediada em Paris e inclui um esquema Organization com seu endereço, seu telefone e seu site, as IAs reconhecem mais facilmente sua área de atuação. Isso melhora as chances de que o Gemini ou um futuro sistema de recomendação por IA o sinalize como autoridade no assunto.

Para o enriquecimento dos resultados de busca por voz e visual

As IAs conversacionais integradas em assistentes de voz (Alexa, Google Assistant, Siri) baseiam-se mais nos dados estruturados. Se você visa essas plataformas além do ChatGPT, o JSON-LD torna-se estratégico. Mas para os mecanismos de respostas textuais como Perplexity ou Claude, o impacto é limitado.

Para a desambiguação e a validação cruzada

Quando uma IA encontra uma consulta ambígua (por exemplo, "Paris" pode ser a cidade ou o personagem mitológico), os dados estruturados ajudam na desambiguação. Um JSON-LD corretamente formatado diz ao sistema: "Estamos falando da cidade de Paris, com esta latitude e longitude." Isso melhora a relevância das respostas.

Os ajustes específicos de GEO para tornar seus dados mais atrativos para as IAs

1. Enriqueça seu texto visível com informações complementares ao JSON-LD

Não conte apenas com o JSON-LD. Cada dado importante (endereço, horários, preços, especialidades) deve aparecer claramente no conteúdo legível. Crie seções dedicadas: "Nossos horários de funcionamento" (com o texto), "Nossos preços" (com detalhes), "Nossa localização" (com contexto geográfico). As IAs lerão essas seções e as associarão à marcação estruturada para uma compreensão dupla.

2. Use esquemas aninhados para o contexto geográfico e setorial

Em vez de um simples esquema LocalBusiness, aninhe esquemas especializados: LocalBusiness + ProfessionalService para um consultório médico, LocalBusiness + Restaurant para um estabelecimento. Adicione propriedades geo como GeoShape ou Place para delimitar precisamente sua área de cobertura. Isso ajuda as IAs a contextualizar sua oferta geograficamente.

3. Valide a consistência entre JSON-LD e conteúdo visível

Auditoria regular: verifique se as informações em JSON-LD correspondem exatamente ao conteúdo visível. Se seu esquema diz "Segunda-Sexta 9h-18h", mas sua página menciona "Aberto 8h-19h", as IAs detectam a inconsistência e confiam menos no seu conteúdo. Use ferramentas como o Rich Results Test do Google para verificar se sua marcação é válida e depois compare manualmente com o texto.

4. Crie conteúdo único em torno de seus dados estruturados

Escrever um artigo de 300-500 palavras que detalhe sua oferta local é mais eficaz do que um JSON-LD isolado. Por exemplo, se você é um encanador em Lyon, não marque apenas seu serviço como LocalBusiness. Escreva também: "Atendimento de emergência em Lyon: cobrimos os 9 arrondissements, disponíveis 24h/24" com detalhes concretos. Isso dá às IAs um contexto rico para recomendá-lo.

5. Inclua citações e provas sociais no texto visível

As IAs generativas valorizam as provas. Em vez de contar com uma nota Schema Review, mencione explicitamente: "Nossos clientes nos dão em média 4,8 estrelas no Google (150+ avaliações)" ou "Veja nossos projetos em nosso portfólio." Link para fontes externas confiáveis. Isso reforça sua credibilidade para os mecanismos de IA.

6. Estruture suas FAQs com um esquema FAQPage + conteúdo detalhado

O esquema FAQPage em JSON-LD é ignorado por algumas IAs, mas Perplexity e Gemini procuram ativamente seções de FAQ. Marque sua FAQ em JSON-LD para o Google, mas também estruture suas perguntas e respostas de forma muito legível e detalhada. As IAs lerão o texto visível e citarão suas respostas como fontes.

Caso de uso real: como as IAs tratam uma marcação LocalBusiness

Considere um consultório odontológico em Marselha. Seu JSON-LD inclui: nome, endereço, telefone, horários, preços, serviços oferecidos. Veja o que cada IA faz:

Perplexity: Rastreia a página, ignora inteiramente o JSON-LD, procura texto legível mencionando os serviços odontológicos, os preços ou as avaliações. Ele citará um parágrafo do tipo "Dr. Martin oferece limpezas a 80 euros", mas nunca mencionará a marcação estruturada.

Gemini: Usa o JSON-LD para enriquecer sua compreensão do domínio (dentista, Marselha, serviços). Gera uma resposta que combina essa compreensão com o conteúdo textual. Se o texto e a marcação se alinharem, gera uma resposta mais precisa.

ChatGPT: Lê sobretudo o texto visível. Reconhece que é um consultório odontológico em Marselha ao ler o conteúdo. Poderia mencionar o endereço ou o telefone se estiverem claros no texto. Não cita o JSON-LD.

Claude: Depende da forma como o conteúdo lhe é transmitido. Se fornecido em HTML bruto, ele faz parsing do texto e ignora o JSON-LD. Se fornecido em texto pré-processado, ele nunca viu vestígio dele.

Resumo das diferenças principais: JSON-LD em SEO vs. em GEO

Em SEO tradicional, o Google usa intensivamente o JSON-LD para indexar os dados estruturados em campos separados. Seu esquema Review influencia diretamente os rich snippets dos resultados. A marcação é um componente oficial do ranking.

Em GEO (IAs generativas), o JSON-LD é uma ferramenta de precisão secundária. As IAs generativas funcionam com base no modelo da compreensão textual e do contexto. A marcação estruturada ajuda na desambiguação e melhora a confiança interna do modelo, mas não ativa automaticamente as citações ou recomendações. O conteúdo textual legível, claro e detalhado continua sendo a chave.

Checklist para otimizar seus dados estruturados para as IAs generativas

• Valide seu JSON-LD com o Rich Results Test do Google. Corrija qualquer erro.
• Duplique as informações-chave no texto visível e legível da sua página.
• Crie conteúdo único em torno da sua área de especialização local ou setorial (pelo menos 300 palavras).
• Consistência estrita: certifique-se de que cada dado em JSON-LD também exista no texto com a mesma informação.
• Mostre as provas: mencione explicitamente as avaliações, certificações, realizações, não apenas em tags.
• Organize hierarquicamente: use títulos claros (H2, H3) para que as IAs segmentem bem seu conteúdo.
• Teste no Perplexity e no Gemini: faça perguntas relacionadas à sua atividade e verifique como você é recomendado (ou não).
• Acompanhe a evolução: as IAs ajustam constantemente sua abordagem. Revise suas estratégias a cada trimestre.