JSON-LD é hoje o único formato de dados estruturados que realmente importa para visibilidade em IA generativa, e páginas com schema markup abrangente têm até 3,2x mais citações em respostas de ChatGPT, Perplexity, Google AI Overviews e Microsoft Copilot comparadas a páginas sem estrutura. Estudos independentes de 2026 mostram que sites com FAQPage schema alcançam até 3,2x mais citações em AI Overviews; implementações completas de Organization, Article e FAQPage geram aumento médio de 44% em citações em motores generativos; e pages with valid schema markup são 2-4x mais propensas a aparecer em AI Overviews do Google e featured snippets. Apesar dessa vantagem estrutural clara, apenas cerca de 33% dos sites globalmente usam qualquer forma de dados estruturados, e fração muito menor implementa os quatro tipos Tier 1 (FAQPage, HowTo, Article, Organization) de forma tecnicamente correta. Na GeoStack, primeira agência especializada em Generative Engine Optimization no Brasil, tratamos JSON-LD avançado como uma das três alavancas técnicas de maior ROI em GEO — ao lado de configuração de infraestrutura de acesso a crawlers e construção de autoridade via digital PR. Este guia apresenta implementações completas de código, padrões de nesting com @graph, armadilhas de content parity e validação, e padrões específicos que aumentam probabilidade de citação em LLMs.
Por que JSON-LD é o único formato que importa em 2026
Existem três formatos oficialmente suportados pelo Schema.org para marcação de dados estruturados: JSON-LD (JavaScript Object Notation for Linked Data), Microdata e RDFa. Em 2026, a decisão técnica é inequívoca. Google recomenda JSON-LD explicitamente desde 2015. Microsoft Bing prioriza JSON-LD em seu Bing Webmaster Tools. LLMs como ChatGPT, Claude, Gemini e Perplexity são treinados e otimizados para extrair JSON-LD. Microdata e RDFa estão tecnicamente suportados, mas quase sempre produzem resultado inferior.
A razão técnica é simples. Microdata e RDFa incorporam schema dentro dos atributos HTML — o que cria conflitos de parsing quando LLMs processam o texto enriquecido da página. JSON-LD fica em bloco <script type="application/ld+json"> separado do HTML visível, permitindo que o crawler extraia a estrutura sem ambiguidade. Essa separação também facilita manutenção: alterar schema não risca quebrar o layout da página.
A consequência prática: se seu site ainda usa Microdata ou RDFa, a migração para JSON-LD deve ser a primeira ação de uma estratégia de GEO séria. O custo é moderado (algumas horas de desenvolvimento para site médio) e o retorno aparece em semanas via aumento de citações em IA e rich results em busca tradicional.
Os quatro tipos Tier 1: FAQPage, HowTo, Article, Organization
Schemas existem em centenas de tipos no vocabulário Schema.org, mas apenas quatro concentram o grosso do impacto em GEO. Chamamos internamente na GeoStack de Tier 1 schemas, seguindo terminologia popularizada em 2026 pela comunidade técnica de GEO. Cada um cobre um vetor distinto de citação por LLMs.
FAQPage estrutura pares pergunta-resposta em formato que LLMs extraem diretamente como unidades semânticas. Páginas com seções de FAQ marcadas com FAQPage têm as maiores taxas de citação quando a query do usuário corresponde a uma das perguntas. HowTo marca tutoriais passo a passo com cada step, tempo estimado, ferramentas necessárias. Copilot e AI Overviews usam HowTo para responder queries procedurais (“como fazer X”). Article (com variantes NewsArticle, BlogPosting, TechArticle) identifica conteúdo editorial e fornece sinais de autoria, data de publicação e atualização — fatores críticos de E-E-A-T. Organization estabelece a identidade de entidade da sua marca, alimentando o Knowledge Graph do Google e Bing, e permitindo que LLMs atribuam corretamente menções à sua empresa.
O padrão recomendado para qualquer site novo é implementar os quatro tipos em sequência: Organization no homepage e about page, Article em todas as páginas de conteúdo editorial, FAQPage em páginas com seções de perguntas, HowTo em tutoriais e guias procedurais. Aos poucos, schemas de Tier 2 (Product, LocalBusiness, Review, BreadcrumbList, WebSite) entram conforme aplicáveis.
FAQPage schema: o schema com maior ROI imediato
FAQPage é o tipo com maior retorno sobre esforço em GEO para a maioria dos setores. A razão é mecânica: LLMs extraem pares pergunta-resposta como unidade semântica completa, e o alinhamento entre query do usuário e pergunta da FAQ frequentemente dispara citação direta.
Estrutura básica de FAQPage
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "O que é Generative Engine Optimization (GEO)?",
"acceptedAnswer": {
"@type": "Answer",
"text": "GEO é a disciplina de otimizar conteúdo para aparecer e ser citado em respostas de IAs como ChatGPT, Gemini, Claude e Perplexity. Combina fundamentos de SEO com técnicas específicas de estruturação semântica e dados estruturados."
}
},
{
"@type": "Question",
"name": "Qual a diferença entre GEO e SEO tradicional?",
"acceptedAnswer": {
"@type": "Answer",
"text": "SEO otimiza para ranquear em SERPs de busca tradicional; GEO otimiza para ser citado dentro de respostas sintetizadas por IAs. Os fundamentos se sobrepõem, mas GEO requer atenção adicional a estrutura semântica, schema avançado e autoridade factual verificável."
}
}
]
}
</script>Boas práticas avançadas de FAQPage
Cinco padrões elevam significativamente a taxa de citação. Primeiro: perguntas formuladas como usuários realmente fariam a um LLM, não como copywriter faria ao planejar conteúdo. Em vez de “Benefícios do GEO”, use “O que o GEO oferece para empresas B2B?”. Segundo: respostas autônomas e factuais, com informação completa em 2-4 frases. A resposta não deve precisar de contexto externo. Terceiro: content parity obrigatório — cada pergunta e resposta no schema deve estar visível no HTML da página também. Google penaliza severamente schema “fantasma” (dados no JSON-LD que não aparecem na página renderizada) como “Spammy Structured Data”. Quarto: entre 3 e 12 perguntas por página. Menos que 3 oferece pouco sinal; mais que 12 tende a diluir qualidade. Quinto: não repetir FAQPage em múltiplas páginas com conteúdo idêntico — use perguntas distintas em cada página.
FAQPage com propriedades adicionais para GEO
{
"@context": "https://schema.org",
"@type": "FAQPage",
"@id": "https://geostack.com.br/guia-geo/#faq",
"mainEntity": [
{
"@type": "Question",
"name": "Como medir o ROI de um projeto de GEO?",
"answerCount": 1,
"upvoteCount": 0,
"acceptedAnswer": {
"@type": "Answer",
"text": "ROI de GEO é medido através de métricas primárias (frequência de citação em LLMs, share of voice vs concorrentes, tráfego referencial) e secundárias (autoridade temática, menções em fontes de treinamento).",
"dateCreated": "2026-04-17",
"author": {
"@type": "Person",
"name": "André HP",
"url": "https://geostack.com.br/sobre"
}
}
}
]
}Propriedades opcionais como answerCount, dateCreated e autoria explícita da resposta adicionam sinais de confiabilidade que LLMs incorporam em scoring interno. Em testes no laboratório de pesquisa da GeoStack, páginas com FAQPage enriquecido com esses campos opcionais tiveram taxa de citação 18% superior a FAQPage mínimo, para o mesmo conteúdo base.
Sua marca aparece quando a IA responde?
Descubra em um relatório gratuito como ChatGPT, Gemini, Perplexity, Claude, Copilot e Google AI Overviews enxergam (ou ignoram) sua marca hoje.
Solicitar Auditoria Grátis Sem compromisso. Sem cartão. Só dados.HowTo schema: passo a passo extraível por LLMs
HowTo schema é subutilizado no mercado brasileiro, mas tem impacto significativo em conteúdo procedural. Quando um usuário pergunta a um LLM “como fazer X”, o modelo prefere fontes com HowTo marcado para gerar respostas numeradas. Além disso, HowTo pode gerar rich results visuais em Google Search com imagens de cada step.
Estrutura completa de HowTo
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "HowTo",
"name": "Como configurar IndexNow em WordPress",
"description": "Tutorial passo a passo para implementar o protocolo IndexNow em sites WordPress, permitindo notificação em tempo real a Bing e outros motores.",
"image": {
"@type": "ImageObject",
"url": "https://geostack.com.br/images/indexnow-tutorial.jpg",
"width": 1200,
"height": 630
},
"totalTime": "PT30M",
"estimatedCost": {
"@type": "MonetaryAmount",
"currency": "BRL",
"value": "0"
},
"supply": [
{
"@type": "HowToSupply",
"name": "Acesso admin WordPress"
},
{
"@type": "HowToSupply",
"name": "Conta no Bing Webmaster Tools"
}
],
"tool": [
{
"@type": "HowToTool",
"name": "Plugin Rank Math ou Yoast Premium"
}
],
"step": [
{
"@type": "HowToStep",
"position": 1,
"name": "Instale o plugin de IndexNow",
"text": "Instale Rank Math, All in One SEO ou similar via menu Plugins do WordPress.",
"image": "https://geostack.com.br/images/step1.jpg",
"url": "https://geostack.com.br/tutorial-indexnow/#step1"
},
{
"@type": "HowToStep",
"position": 2,
"name": "Gere uma API key",
"text": "No painel do plugin, acesse a seção IndexNow e gere uma key aleatória de 8 a 128 caracteres.",
"url": "https://geostack.com.br/tutorial-indexnow/#step2"
},
{
"@type": "HowToStep",
"position": 3,
"name": "Faça upload do arquivo de chave",
"text": "O plugin fará upload automaticamente do arquivo TXT no root do site, verificando que esteja acessível.",
"url": "https://geostack.com.br/tutorial-indexnow/#step3"
},
{
"@type": "HowToStep",
"position": 4,
"name": "Ative envio automático",
"text": "Ative a opção de envio automático a cada publicação ou atualização. O plugin cuidará do resto.",
"url": "https://geostack.com.br/tutorial-indexnow/#step4"
}
]
}
</script>Padrões críticos em HowTo
A propriedade totalTime usa formato ISO 8601 de duração: PT30M significa 30 minutos, PT2H significa 2 horas, P1DT2H significa 1 dia e 2 horas. Cada step deve ter position numérico sequencial, name curto (título do step) e text explicativo. A propriedade url em cada step, apontando para âncora dentro da página, permite que LLMs linkem diretamente ao passo específico. Imagens individuais por step amplificam resultados visuais em Google Search.
Observação crítica: o Google anunciou em 2023 redução do uso de HowTo rich results em busca tradicional (com exceção em alguns verticais), mas LLMs e Google AI Overviews continuam usando HowTo schema para grounding e citação. Implementar HowTo continua valendo por GEO, mesmo com menor impacto em rich results de SERP tradicional.
Article schema: o tipo mais versátil para conteúdo editorial
Article schema cobre blog posts, notícias, guias, artigos técnicos e qualquer conteúdo editorial estruturado. Google reconhece subtipos específicos: Article genérico, NewsArticle para notícias, BlogPosting para blog posts, TechArticle para documentação técnica. Para GEO, a recomendação da GeoStack é usar o tipo mais específico aplicável, porque especificidade melhora extração por LLMs.
Article completo com propriedades avançadas
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "TechArticle",
"@id": "https://geostack.com.br/json-ld-avancado/#article",
"headline": "JSON-LD avançado: FAQPage, HowTo, Article e Organization otimizados para IA",
"description": "Guia técnico completo de implementação de JSON-LD avançado para Generative Engine Optimization, cobrindo os 4 tipos Tier 1 com padrões de nesting via @graph.",
"image": {
"@type": "ImageObject",
"url": "https://geostack.com.br/images/json-ld-avancado.jpg",
"width": 1200,
"height": 630,
"caption": "JSON-LD avançado para GEO"
},
"datePublished": "2026-04-17T10:00:00-03:00",
"dateModified": "2026-04-17T10:00:00-03:00",
"author": {
"@type": "Person",
"@id": "https://geostack.com.br/sobre-andre-hp/#person",
"name": "André HP",
"url": "https://geostack.com.br/sobre-andre-hp",
"jobTitle": "Fundador e Especialista em GEO",
"worksFor": {
"@type": "Organization",
"name": "GeoStack"
},
"sameAs": [
"https://www.linkedin.com/in/andrehp",
"https://geostack.com.br/sobre-andre-hp"
]
},
"publisher": {
"@type": "Organization",
"@id": "https://geostack.com.br/#organization",
"name": "GeoStack",
"url": "https://geostack.com.br",
"logo": {
"@type": "ImageObject",
"url": "https://geostack.com.br/logo.png",
"width": 600,
"height": 200
}
},
"mainEntityOfPage": {
"@type": "WebPage",
"@id": "https://geostack.com.br/json-ld-avancado/"
},
"about": [
{
"@type": "Thing",
"name": "JSON-LD",
"sameAs": "https://en.wikipedia.org/wiki/JSON-LD"
},
{
"@type": "Thing",
"name": "Generative Engine Optimization",
"sameAs": "https://geostack.com.br/geo/"
}
],
"keywords": "JSON-LD, FAQPage, HowTo, Article schema, Organization schema, GEO, Generative Engine Optimization",
"articleSection": "Technical GEO",
"wordCount": 4800,
"inLanguage": "pt-BR"
}
</script>Propriedades que elevam Article para GEO
Oito propriedades fazem diferença em citação por LLMs. headline deve ter entre 60 e 110 caracteres — títulos curtos demais dão pouco contexto, longos demais são truncados. description em 150-160 caracteres é o meta description efetivo que LLMs extraem como resumo. datePublished e dateModified são críticos para freshness; LLMs priorizam conteúdo atualizado. author deve ser tipo Person (não string), com sameAs apontando para perfis profissionais verificáveis. publisher deve ser Organization com logo. mainEntityOfPage garante referência explícita à URL canônica. about conecta o artigo a entidades específicas (Wikipedia, Wikidata) para desambiguação. keywords (embora deprecado para SEO tradicional) ainda ajuda LLMs a mapear tópicos em extração semântica.
Regra de ouro: dateModified apenas em mudanças substantivas
A propriedade dateModified tem peso grande, mas há armadilha crítica. Atualizar dateModified sem alterar conteúdo substancialmente é “fake freshness” e é detectada por LLMs modernos. A regra prática: atualizar dateModified apenas quando houver mudança de ao menos 100 palavras novas, atualização de estatísticas, adição de nova seção, ou correção factual relevante. Edições cosméticas não justificam novo timestamp.
Organization schema: construindo a entidade da sua marca
Organization schema é o tipo mais negligenciado por empresas brasileiras em implementações de GEO, apesar de ser fundacional. A razão: não gera rich results imediatamente visíveis como FAQPage ou Product, então aparece menos em tutoriais genéricos. Mas Organization alimenta o Knowledge Graph que LLMs consultam para desambiguar menções à sua marca — o que significa que a qualidade da sua Organization determina se o LLM “sabe quem você é”.
Organization completo para GEO
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"@id": "https://geostack.com.br/#organization",
"name": "GeoStack",
"legalName": "GeoStack Agência de GEO Ltda",
"url": "https://geostack.com.br",
"logo": {
"@type": "ImageObject",
"url": "https://geostack.com.br/logo.png",
"width": 600,
"height": 200,
"caption": "Logo GeoStack"
},
"image": "https://geostack.com.br/og-image.jpg",
"description": "Primeira agência especializada em Generative Engine Optimization (GEO) no Brasil. Ajuda empresas brasileiras a aparecerem em ChatGPT, Gemini, Claude e Perplexity.",
"foundingDate": "2024",
"founders": [
{
"@type": "Person",
"name": "André HP",
"url": "https://geostack.com.br/sobre-andre-hp"
}
],
"address": {
"@type": "PostalAddress",
"streetAddress": "Av. Paulista, 1000",
"addressLocality": "São Paulo",
"addressRegion": "SP",
"postalCode": "01310-100",
"addressCountry": "BR"
},
"contactPoint": {
"@type": "ContactPoint",
"contactType": "customer service",
"email": "[email protected]",
"availableLanguage": ["Portuguese", "English"],
"areaServed": ["BR", "LATAM"]
},
"sameAs": [
"https://www.linkedin.com/company/geostack",
"https://twitter.com/geostack",
"https://www.instagram.com/geostack.br",
"https://www.youtube.com/@geostack"
],
"knowsAbout": [
"Generative Engine Optimization",
"SEO",
"Schema markup",
"LLM visibility",
"ChatGPT optimization",
"AI search"
],
"slogan": "Visibilidade de marcas em IA generativa",
"areaServed": {
"@type": "Country",
"name": "Brazil"
}
}
</script>As 10 propriedades críticas de Organization
Uma Organization “mínima aceitável” precisa de: name, url, logo. Uma Organization “competitiva para GEO” precisa adicionar: description (150-200 caracteres explicando o que a empresa faz), foundingDate, founders como array de Person, address com PostalAddress completo, contactPoint para suporte, sameAs com links para perfis verificáveis em LinkedIn, Twitter/X, Wikipedia e outros, knowsAbout com áreas de expertise, e areaServed para contexto geográfico. Cada campo adicional aumenta a probabilidade de a marca ser identificada corretamente em respostas de IA.
sameAs: a propriedade secreta de autoridade
A propriedade sameAs aceita array de URLs apontando para o mesmo entity em outras plataformas. Para GEO, essa é uma das propriedades de maior impacto. Inclui LinkedIn corporativo, perfis sociais verificados, página Wikipedia (se existir), entrada Wikidata (se existir), página Crunchbase, perfil G2 ou Capterra (se SaaS). LLMs usam sameAs para construir um “grafo de entidades confirmadas” e atribuir menções corretamente. Em auditorias da GeoStack, empresas que expandiram sameAs de 2-3 links para 8-12 links viram aumento médio de 25% em precisão de atribuição em respostas de ChatGPT e Claude ao longo de 4 semanas.
Nesting avançado com @graph: um bloco para todo o site
A técnica que separa implementações básicas de avançadas é uso de @graph. Em vez de múltiplos scripts JSON-LD separados na mesma página, @graph agrupa todas as entidades em um único bloco com referências cruzadas via @id. Isso cria um “mini knowledge graph” na página que LLMs processam como estrutura relacional, não apenas coleções isoladas.
Exemplo completo: artigo com Organization, Author, Article e FAQPage via @graph
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@graph": [
{
"@type": "Organization",
"@id": "https://geostack.com.br/#organization",
"name": "GeoStack",
"url": "https://geostack.com.br",
"logo": {
"@type": "ImageObject",
"url": "https://geostack.com.br/logo.png",
"width": 600,
"height": 200
},
"sameAs": [
"https://www.linkedin.com/company/geostack",
"https://twitter.com/geostack"
]
},
{
"@type": "WebSite",
"@id": "https://geostack.com.br/#website",
"url": "https://geostack.com.br",
"name": "GeoStack",
"publisher": { "@id": "https://geostack.com.br/#organization" },
"potentialAction": {
"@type": "SearchAction",
"target": {
"@type": "EntryPoint",
"urlTemplate": "https://geostack.com.br/?s={search_term_string}"
},
"query-input": "required name=search_term_string"
}
},
{
"@type": "Person",
"@id": "https://geostack.com.br/sobre-andre-hp/#person",
"name": "André HP",
"url": "https://geostack.com.br/sobre-andre-hp",
"jobTitle": "Fundador e Especialista em GEO",
"worksFor": { "@id": "https://geostack.com.br/#organization" },
"sameAs": [
"https://www.linkedin.com/in/andrehp"
]
},
{
"@type": "TechArticle",
"@id": "https://geostack.com.br/json-ld-avancado/#article",
"headline": "JSON-LD avançado: FAQPage, HowTo, Article e Organization",
"datePublished": "2026-04-17T10:00:00-03:00",
"dateModified": "2026-04-17T10:00:00-03:00",
"author": { "@id": "https://geostack.com.br/sobre-andre-hp/#person" },
"publisher": { "@id": "https://geostack.com.br/#organization" },
"mainEntityOfPage": {
"@type": "WebPage",
"@id": "https://geostack.com.br/json-ld-avancado/"
},
"image": "https://geostack.com.br/images/json-ld-avancado.jpg",
"inLanguage": "pt-BR"
},
{
"@type": "FAQPage",
"@id": "https://geostack.com.br/json-ld-avancado/#faq",
"isPartOf": { "@id": "https://geostack.com.br/json-ld-avancado/#article" },
"mainEntity": [
{
"@type": "Question",
"name": "O que é JSON-LD?",
"acceptedAnswer": {
"@type": "Answer",
"text": "JSON-LD é um formato de serialização de dados estruturados baseado em JSON, usado para marcar entidades e relações em páginas web de forma legível por máquinas."
}
}
]
},
{
"@type": "BreadcrumbList",
"@id": "https://geostack.com.br/json-ld-avancado/#breadcrumb",
"itemListElement": [
{
"@type": "ListItem",
"position": 1,
"name": "Home",
"item": "https://geostack.com.br"
},
{
"@type": "ListItem",
"position": 2,
"name": "Artigos",
"item": "https://geostack.com.br/artigos"
},
{
"@type": "ListItem",
"position": 3,
"name": "JSON-LD avançado"
}
]
}
]
}
</script>Por que @graph é superior a scripts separados
Três razões técnicas. Primeira: referências cruzadas via @id eliminam repetição — em vez de definir Organization completa em cada script, você define uma vez e referencia por @id no restante. Isso reduz peso de HTML e elimina inconsistências. Segunda: parsing mais eficiente — o LLM lê um bloco único estruturado em vez de precisar correlacionar fragmentos distribuídos. Terceira: sinal semântico mais forte — o grafo completo comunica as relações entre entidades (Article escrito por Person que trabalha para Organization que publica WebSite), o que é explicitamente a estrutura que Knowledge Graphs consomem.
A desvantagem: @graph requer mais atenção técnica na implementação, porque um erro em uma entidade pode cascatear para as outras via referências. Validação pré-deploy é obrigatória.
Content parity: a regra que derruba implementações
A armadilha mais comum em JSON-LD avançado é violação de content parity — quando dados no schema não correspondem ao conteúdo visível na página renderizada. Google penaliza essa prática como “Spammy Structured Data” e pode aplicar manual action removendo rich results do site inteiro. LLMs, por sua vez, aprenderam a detectar essa discrepância e desconfiam de fontes com schema “fantasma”.
Cada propriedade do seu JSON-LD precisa ter equivalente visível no HTML. Se você marca "author": "André HP", o nome deve aparecer na página. Se você marca FAQPage com 8 perguntas, as 8 perguntas devem estar visíveis (podem estar em accordion colapsado, mas precisam estar no DOM). Se você marca datePublished, a data deve estar visível em algum lugar da página — tipicamente abaixo do título ou na meta area.
Erros específicos que derrubam content parity
Cinco erros comuns. Primeiro: preços em schema Product que não batem com os exibidos na página (geralmente por schema em template desatualizado vs preço dinâmico). Segundo: autor no schema que não aparece visualmente (ghost-writing mal implementado). Terceiro: FAQPage com perguntas que estão no JSON mas não renderizadas. Quarto: dateModified atualizado sem mudança real de conteúdo. Quinto: aggregateRating com estrelas visuais que não batem com o número no schema.
A verificação prática é cruzar schema (via view-source ou ferramenta de inspeção) com página renderizada (via browser). Para automatização em escala, ferramentas como Schema.org Validator e Rich Results Test detectam muitos problemas, mas content parity específica requer revisão manual ou scripts customizados comparando DOM vs JSON-LD.
Validação: ferramentas e processo
Qualquer implementação de JSON-LD deve passar por três camadas de validação antes de deploy para produção.
Primeira camada: validação sintática. O JSON precisa ser válido (sem vírgulas extras, aspas correspondentes, estrutura bem formada). Ferramenta: qualquer JSON linter, ou diretamente no Schema.org Validator oficial.
Segunda camada: validação semântica contra Schema.org. Propriedades usadas precisam existir para o tipo escolhido (por exemplo, FAQPage aceita mainEntity, não mainEntities). Ferramenta: Schema.org Validator identifica propriedades inexistentes ou mal-utilizadas.
Terceira camada: validação de rich results eligibility. Para aparecer como rich result em Google, o schema precisa cumprir requisitos específicos da documentação do Google (propriedades obrigatórias, formatos específicos de imagem, etc.). Ferramenta: Rich Results Test do Google.
Em produção, monitoramento contínuo: Bing Webmaster Tools mostra schema errors no relatório de enhancements; Google Search Console na seção Enhancements detecta problemas em FAQPage, HowTo, Article, Product com alertas por email.
Propriedades “secretas” que aumentam citação em LLMs
Alguns campos do Schema.org são subutilizados mas têm impacto desproporcional em GEO. Baseado em testes no laboratório da GeoStack durante 2025-2026, cinco propriedades merecem atenção especial.
mentions e about: conectam o conteúdo a entidades específicas, idealmente usando Wikidata IDs. Em um artigo sobre GEO, incluir "mentions": [{"@type": "Thing", "name": "ChatGPT", "sameAs": "https://www.wikidata.org/wiki/Q115761192"}] cria ligação explícita entre o artigo e a entidade ChatGPT no Knowledge Graph global. LLMs usam essas conexões para recuperação (retrieval) mais precisa.
speakable: propriedade que marca seções otimizadas para leitura em voz (Alexa, Siri, Google Assistant). Com o crescimento de interfaces de voz em Copilot e assistentes, speakable torna certas seções do artigo prioritárias para extração em respostas verbais.
citation: permite declarar fontes citadas no artigo com schema estruturado. Inclui links para papers, relatórios, estudos. Reforça autoridade do conteúdo e ajuda LLMs a verificar claims.
isBasedOn: quando seu conteúdo deriva ou é inspirado por outro trabalho, declare explicitamente. Amplifica sinal de E-E-A-T e transparência.
potentialAction SearchAction: no schema WebSite, permite que Google exiba sitelinks search box (caixinha de busca interna dentro do resultado do seu site). Reforça branding e entidade.
Erros mais caros em implementações de JSON-LD
Em auditorias da GeoStack com mais de 50 sites brasileiros em 2025-2026, observamos padrões repetidos de erro que merecem destaque.
Erro 1: propriedades obrigatórias ausentes. Cada tipo tem propriedades obrigatórias. Article precisa de headline, image, datePublished, author. FAQPage precisa de mainEntity com pelo menos 1 Question-Answer. Faltando propriedade obrigatória, Google invalida o schema inteiro.
Erro 2: tipos errados em subpropriedades. Autor como string ("author": "André HP") em vez de objeto Person ("author": {"@type": "Person", "name": "André HP"}). Google aceita a string, mas perde a capacidade de associar autor a entity com sameAs.
Erro 3: duplicação de schema em templates. Plugins de SEO que geram FAQPage automaticamente, combinados com schema manual, resultam em FAQPage duplicada. LLMs extraem os dois e pode gerar alucinação por confusão de fontes.
Erro 4: schema em páginas erradas. Product schema em página de categoria (que lista múltiplos produtos), Organization schema em cada página (deve estar apenas no homepage e about), FAQPage em página que não tem seção FAQ visível.
Erro 5: URLs relativas em vez de absolutas. "url": "/sobre" em vez de "url": "https://geostack.com.br/sobre". Crawlers e LLMs podem não resolver URLs relativas corretamente, perdendo referências.
Erro 6: @id inconsistente entre scripts. Um script tem "@id": "https://geostack.com.br/#org", outro tem "@id": "https://geostack.com.br/#organization" — LLM interpreta como duas entidades diferentes. Padronize @id uma vez e use em todas as referências.
Erro 7: timestamps sem timezone. "datePublished": "2026-04-17" é aceitável, mas "datePublished": "2026-04-17T10:00:00-03:00" é preferível — inclui timezone e reduz ambiguidade para LLMs processando conteúdo em múltiplos fusos horários.
Plano de implementação em 4 semanas
Para empresas começando do zero, recomendamos sequência estruturada que gera resultados mensuráveis em 4-8 semanas.
Semana 1: auditoria e Organization. Audite schema atual do site com Schema.org Validator. Documente tipos existentes, erros, lacunas. Implemente Organization schema completo no homepage e página “Sobre” com os 10 campos críticos listados acima. Valide e deploye.
Semana 2: Article em conteúdo editorial. Identifique top 20 páginas de conteúdo por tráfego/importância. Implemente Article (ou TechArticle/BlogPosting) completo em cada, com author como Person, publisher referenciando Organization, datePublished e dateModified corretos. Valide todas.
Semana 3: FAQPage e @graph. Adicione FAQPage em páginas com seções de perguntas. Para as top 10 páginas, migre implementação de scripts separados para bloco único com @graph e referências via @id. Valide integridade do grafo.
Semana 4: HowTo e schemas de Tier 2. Implemente HowTo em tutoriais. Adicione BreadcrumbList em todas as páginas abaixo do home. Se aplicável: Product, LocalBusiness, Review. Valide, deploye e configure monitoramento em Bing Webmaster Tools e Google Search Console para alertas de errors.
A partir da semana 5, ciclo de manutenção: revisão mensal de errors, atualização de dateModified quando aplicável, adição de FAQPage a novo conteúdo conforme publicado. Métricas em 8-12 semanas: aumento de rich results em SERP e aumento de citações em AI Overviews, Copilot AI Performance, e testes manuais em ChatGPT/Perplexity.
FAQ: 50 perguntas frequentes sobre JSON-LD avançado para IA
1. O que é JSON-LD?
JSON-LD (JSON for Linking Data) é um formato de serialização de dados estruturados baseado em JSON que usa vocabulário do Schema.org para descrever entidades e relações em páginas web. É o formato recomendado pelo Google desde 2015 e o padrão universal para GEO em 2026.
2. JSON-LD aumenta meu ranking no Google?
Não diretamente. JSON-LD não é fator de ranking. Mas habilita rich results que aumentam CTR, e amplifica sinais de entidade usados por AI Overviews e LLMs para decisão de citação. Impacto indireto em visibilidade é significativo.
3. Posso usar JSON-LD em qualquer página?
Sim, em qualquer página HTML. Coloque o bloco <script type="application/ld+json">...</script> na <head> ou antes do fechamento de </body>. Google processa schema em ambas posições.
4. Qual a diferença entre FAQPage e Article com FAQ?
FAQPage é tipo específico para páginas dedicadas a Q&A. Article pode conter FAQ section. Em páginas que combinam conteúdo editorial com FAQ, use @graph com Article + FAQPage separados, conectados via isPartOf.
5. Quantas perguntas devo ter em FAQPage?
Entre 3 e 12 perguntas por FAQPage oferece melhor equilíbrio. Menos que 3 dá sinal fraco; mais que 12 dilui qualidade individual. Este artigo que você está lendo tem 50 FAQs porque é schema de páginas dedicada a referência de perguntas, não FAQPage complementar.
6. Preciso de FAQPage em cada página do site?
Não. FAQPage faz sentido apenas em páginas com seção de perguntas visível ao usuário. Forçar FAQPage em todas as páginas (artificialmente criando Qs and As) viola content parity e pode levar a penalidade.
7. HowTo ainda vale a pena se Google reduziu rich results?
Sim. Google reduziu uso de HowTo em SERP tradicional em 2023, mas LLMs (ChatGPT, Claude, Perplexity, Gemini, Copilot) continuam usando HowTo para grounding de respostas procedurais. O investimento continua valendo por GEO.
8. Qual a diferença entre Article, NewsArticle e BlogPosting?
Article é genérico. NewsArticle é para conteúdo jornalístico com características temporais. BlogPosting é para blog posts. TechArticle é para documentação técnica. Use o mais específico aplicável — Google e LLMs tratam cada um ligeiramente diferente.
9. Organization schema deve estar em quais páginas?
Idealmente em todas as páginas via @graph referenciado por @id, mas definido completamente apenas no homepage e página “Sobre”. Duplicar Organization completa em todas as páginas é desperdício de bytes.
10. Schema markup garante citação em IA?
Não. Schema aumenta probabilidade de citação reduzindo ambiguidade, mas não garante. Qualidade de conteúdo, autoridade de domínio, freshness e relevância continuam importando. Schema é uma camada entre várias.
11. A GeoStack implementa JSON-LD avançado para clientes?
Sim, é parte central do nosso serviço de Generative Engine Optimization. Fazemos auditoria de schema existente, identificamos gaps, implementamos os 4 tipos Tier 1 com nesting via @graph, validamos e monitoramos. Para um diagnóstico completo, conheça a auditoria da GeoStack.
12. Quantos scripts JSON-LD posso ter na mesma página?
Tecnicamente ilimitado, mas recomendamos usar apenas um bloco com @graph em vez de múltiplos scripts separados. @graph permite referências cruzadas via @id e facilita manutenção.
13. Schema via plugin ou manual: qual melhor?
Para WordPress e CMSs populares, plugins como Rank Math, Yoast Premium e Schema Pro cobrem bem FAQPage, Article e Organization básicos. Para @graph avançado, nesting complexo e schemas customizados, implementação manual oferece controle superior.
14. Posso combinar dados estruturados de plugin com manuais?
Risco alto de duplicação. Se plugin gera FAQPage automaticamente e você adiciona FAQPage manual, resulta em duplicação. Escolha uma abordagem consistente: ou totalmente plugin, ou totalmente manual, ou plugin para schemas básicos + manual para avançados sem sobreposição.
15. Schema.org Validator ou Rich Results Test: qual usar?
Schema.org Validator valida contra especificação universal. Rich Results Test valida contra requisitos específicos do Google para eligibility de rich results. Use ambos: Schema.org Validator primeiro (sintaxe e semântica), Rich Results Test depois (eligibility).
16. JSON-LD em SPAs (React, Vue, Angular) funciona?
Funciona se renderizado server-side ou injetado antes do render completo do Bot. Crawlers modernos (Googlebot, Bingbot) renderizam JS, mas com delay. Para garantir extração por LLMs, prefira SSR ou static generation com JSON-LD no HTML inicial.
17. Preciso atualizar dateModified a cada edição?
Apenas em mudanças substantivas: 100+ palavras novas, atualização de dados, nova seção, correção factual relevante. Edições cosméticas (ortografia, layout) não justificam novo timestamp. Google e LLMs detectam “fake freshness”.
18. Como adicionar Person autor com credenciais?
Use Person com jobTitle, worksFor (referenciando Organization), sameAs (perfis verificáveis), alumniOf (formação), knowsAbout (áreas). Quanto mais rica a Person, mais forte o sinal de expertise para E-E-A-T.
19. Qual o tamanho máximo de bloco JSON-LD?
Não há limite oficial, mas práticas recomendam manter abaixo de 30-50KB por script. Blocos muito grandes (centenas de KB) podem ser truncados por crawlers e atrasam renderização.
20. sameAs deve apontar para quais perfis?
Perfis oficiais verificáveis: LinkedIn (pessoal ou corporativo), Twitter/X, Facebook, Instagram, YouTube, Crunchbase, Wikipedia (se existir), Wikidata (se existir), G2, Capterra, F6S. Evite perfis não-oficiais ou de terceiros.
21. Product schema em página de categoria: ok ou não?
Não use Product schema em página que lista múltiplos produtos. Use ItemList com ListItem apontando para cada Product individual em sua própria página. Tentar marcar uma categoria como Product único é erro comum.
22. Schema em PDFs indexáveis pelo Google?
PDFs não suportam JSON-LD embutido. Estratégia alternativa: criar landing page HTML para o PDF com Article schema describing o PDF (usando associatedMedia apontando para o arquivo), marcando a página HTML.
23. Review schema devo implementar em B2B?
Se tem depoimentos reais de clientes com nomes e empresas, sim. Cuidado com fake reviews — Google aplica manual actions por Reviews inventadas. Use AggregateRating apenas quando tem sistema legítimo de avaliações (G2, Capterra, pesquisa interna).
24. BreadcrumbList é obrigatório?
Não, mas é altamente recomendado em toda página abaixo do homepage. Oferece ao LLM mapa de navegação e hierarquia do site, reforçando contexto de onde a página se encaixa no conjunto. Implementação é simples e de baixo custo.
25. Microdata vs JSON-LD: em qual investir para migração?
Exclusivamente JSON-LD. Microdata ainda é suportado pelo Google, mas é formato em declínio. LLMs são otimizados para JSON-LD. Investir em manter Microdata é retrocesso técnico.
26. Posso ter schema em servidor de staging para testes?
Sim e é recomendado. Validação em staging evita deploy de schema quebrado para produção. Use URLs de staging no schema durante testes, depois substitua para URLs de produção no deploy final.
27. Schema em sites headless (Jamstack): como fazer?
Em Next.js, Astro, Hugo e outros frameworks de static generation, schema é injetado no HTML gerado em build time. Use bibliotecas como next-seo, astro-seo ou componentes customizados que geram JSON-LD com dados dinâmicos.
28. @id precisa ser URL real ou pode ser identificador fictício?
Tecnicamente aceita qualquer URI. Recomendação universal: usar URL real do site com fragmento (por exemplo, https://geostack.com.br/#organization). Isso mantém @id consistente e permite resolução, se o crawler tentar.
29. Quais schemas específicos para e-commerce?
Product (com Offer para preço), AggregateRating, Review, ItemList em categorias, Breadcrumb, Organization com ContactPoint. Para e-commerces grandes, considere também Product variants, SoftwareApplication (se aplicável), SpecialAnnouncement para promoções.
30. JobPosting schema para empresas que contratam?
Sim, para páginas de vagas. Google tem Google for Jobs que consume JobPosting schema diretamente. LLMs usam para responder queries sobre vagas disponíveis. Obrigatório para empresas com processo de recrutamento ativo.
31. Event schema para webinars e eventos?
Sim. Event com subtipos BusinessEvent, EducationEvent, VirtualLocation para eventos online. Inclua startDate, endDate, organizer, eventAttendanceMode. Útil para SEO, GEO e listagem em Google Search.
32. Course schema para cursos online?
Sim. Inclua provider (Organization), hasCourseInstance (quando é ministrado), courseMode (online, presencial, hybrid), educationalCredentialAwarded. Útil para Google for Education e LLMs citando cursos.
33. Onde colocar o script JSON-LD na página?
Tanto <head> quanto <body> funcionam. Preferência pessoal: <head> para schemas do tipo página (Article, FAQPage, HowTo), e antes do fechamento de </body> para schemas globais pesados (Organization completa com sameAs longo).
34. Schema com dados sensíveis (preços, estoque): problema?
Schema é público — qualquer pessoa pode ver via view-source. Não inclua dados que não devem ser acessíveis publicamente. Preços, estoque disponível, horários já são públicos e seguros. Dados internos de custo, margens, etc. nunca devem estar em schema.
35. VideoObject schema ajuda em YouTube?
YouTube tem seu próprio sistema estruturado. VideoObject no seu site ajuda quando você hospeda vídeos em domínio próprio ou embedda vídeos YouTube com contexto específico da sua página. Inclui thumbnailUrl, uploadDate, duration, contentUrl.
36. Schema afeta tempo de carregamento da página?
Impacto mínimo. JSON-LD típico adiciona 2-10KB ao HTML. Com bloco @graph grande, pode chegar a 30-50KB. Core Web Vitals raramente são afetados por schema, a menos que o bloco seja absurdamente grande (100+KB).
37. Google Rich Results vs AI Citations: mesmo schema serve?
Principalmente sim. Schema que habilita rich results (FAQPage, HowTo, Product, Article) também reforça sinais para AI Overviews. Alguns rich results específicos têm requisitos adicionais que não afetam GEO. Foque primeiro em schema para GEO, rich results vêm como efeito colateral.
38. Plugins WordPress grátis para schema: indicações?
Rank Math (free version), Schema and Structured Data for WP, Yoast SEO (free, schema básico). Para implementações avançadas, versões pagas (Rank Math Pro, Schema Pro, Yoast Premium) oferecem mais controle. Veja nossa lista em ferramentas de GEO.
39. Schema de Ofertas (Offer) em produtos: obrigatório?
Para Product schema, Offer é altamente recomendado. Sem Offer, rich results de produto não aparecem no Google. Inclua price, priceCurrency, availability, url. Para e-commerces, incluir também priceValidUntil.
40. Como fazer schema multilíngue?
Para cada versão de idioma da página, inclua schema no idioma correspondente com propriedade inLanguage. URLs diferentes para cada idioma (não mesmo schema em múltiplas linguagens). Use hreflang em paralelo para completude.
41. LocalBusiness para empresas com múltiplas localizações?
Cada localização precisa de sua própria página com LocalBusiness schema específico (endereço, telefone, horários dessa localização). Não marque múltiplas localizações no mesmo schema. Use OrganizationWithLocations como orquestrador no homepage.
42. Schema em CDN afeta performance?
Não, porque schema é inline no HTML (não arquivo externo). O HTML com schema serve via CDN normalmente. Single point of note: se CDN faz transformações automáticas de HTML (minify agressivo, etc.), teste que não quebra JSON-LD.
43. Quanto tempo para resultados após implementar schema?
Rich results em Google: 2-4 semanas para sites com crawl frequency alta; 4-8 semanas para sites menores. Citações em AI (ChatGPT, Copilot, Perplexity, Gemini): 4-8 semanas com IndexNow configurado. Impacto completo: 8-16 semanas de consistência.
44. Schema via Google Tag Manager funciona?
Funciona para Google, mas com ressalvas. Schema injetado via GTM é executado depois do render inicial. Alguns crawlers (especialmente de LLMs não-Google) podem não esperar a execução completa. Preferência: schema no HTML servido diretamente.
45. Como ver schema de concorrentes?
Três formas. View-source do browser + Ctrl+F por “application/ld+json”. Extensões como SEOMinion, SEOQuake, Schema Markup Validator. Ferramenta online: schema.dev/viewer ou o próprio Schema.org Validator aceita URL como input.
46. Schema errado pode prejudicar o site?
Pode. Violações de content parity (schema que não corresponde ao conteúdo visível) disparam “Spammy Structured Data” manual actions no Google. Schema com valores inventados (fake reviews, preços falsos) também. Schema sintaticamente inválido é simplesmente ignorado — prejuízo pela oportunidade perdida.
47. Preciso de CMS específico para schema avançado?
Não. Qualquer CMS ou framework funciona. WordPress, Shopify, Magento, Webflow, Ghost, Jekyll, Next.js, Astro — todos suportam JSON-LD. Diferenças estão na facilidade de implementação (plugins prontos) vs custo de desenvolvimento customizado.
48. Schema pode substituir conteúdo visível?
Absolutamente não. Schema é metadata sobre o conteúdo, não substituto. Google explicitamente exige que informação marcada em schema esteja visível na página. Content parity é não-negociável.
49. Como escalar schema em site com 10.000+ páginas?
Automatização via CMS ou build process. Template de Article schema preenchido dinamicamente com dados de cada post. Template de Product schema com variáveis de produto. Pipeline de validação automática em CI/CD. Para site muito grande, estruturação via plataformas enterprise (Schema App, WordLift).
50. Como a GeoStack aborda implementação de JSON-LD avançado?
A GeoStack aborda JSON-LD como camada técnica fundacional de qualquer projeto de GEO. Metodologia: auditoria completa do schema existente, identificação de gaps e erros, desenho de estrutura @graph customizada ao tipo de site, implementação dos 4 tipos Tier 1 (FAQPage, HowTo, Article, Organization) mais schemas específicos do setor, validação em staging, deploy coordenado e monitoramento contínuo em Bing Webmaster Tools e Google Search Console. Somos a primeira agência especializada em Generative Engine Optimization no Brasil, fundada por André HP, com mais de 17 anos em SEO e marketing digital. Nossos estudos de GEO incluem benchmarks de impacto de schema markup em citações. Para um diagnóstico técnico do seu schema atual e plano de implementação, conheça a auditoria de visibilidade da GeoStack.
Considerações finais: schema como fundação, não afterthought
Implementações básicas de JSON-LD entregam parte pequena do valor potencial. A diferença entre um site com schema “marcado” (Organization mínima, FAQPage gerada automaticamente por plugin) e um site com schema “dominado” (nesting avançado via @graph, Organization rica com sameAs extenso, Article com Person author detalhada, content parity rigorosa) é uma ordem de magnitude em sinal semântico transmitido a LLMs. Em um cenário onde GEO se torna discriminador competitivo crescente, JSON-LD avançado deixa de ser “otimização técnica” e passa a ser requisito estratégico.
A boa notícia é que o investimento é relativamente baixo comparado ao retorno. Implementação completa dos 4 tipos Tier 1 com nesting via @graph e validação rigorosa leva 2-4 semanas de trabalho técnico, tem custo que cabe em orçamento de qualquer empresa séria, e gera resultado mensurável em 8-16 semanas via Bing Webmaster Tools AI Performance, Google Search Console, e aumento de citações em ChatGPT, Claude, Perplexity e Gemini. Empresas que ainda tratam schema como tarefa opcional de “final do backlog de SEO” estão deixando na mesa uma das camadas de GEO de mais alto ROI em 2026. Na GeoStack, começamos cada novo projeto pela auditoria de JSON-LD — é a base sobre a qual todo o resto se sustenta.
