Lo schema markup non è più un’ottimizzazione SEO. È il linguaggio con cui parli agli algoritmi AI.
Per anni, lo schema markup è stato trattato come un’ottimizzazione tecnica secondaria: qualcosa che “fa bene alla SEO”, che magari porta le stelle nelle SERP, utile ma non urgente. I developer lo implementavano se c’era tempo.
Nel 2026, questo approccio è costoso. Lo schema markup è diventato il meccanismo primario attraverso cui i sistemi AI capiscono chi sei, cosa fai, chi ha scritto i tuoi contenuti e perché dovrebbero citarti invece di un concorrente.
Il cambio di paradigma
| Prima (SEO classica) | Ora (GEO / AI search) |
|---|---|
| Schema utile per rich results (stelle, FAQ, breadcrumb) | Schema essenziale per essere riconosciuti come entità affidabile dagli LLM |
| Google legge il markup per arricchire la SERP visivamente | Gli AI agents usano il markup per decidere se citare la fonte o ignorarla |
| Implementazione opzionale, impatto marginale senza markup | Senza markup, il brand è ambiguo per gli algoritmi, e le fonti ambigue non vengono citate |
| Formato: qualsiasi (Microdata, RDFa, JSON-LD) | Formato: JSON-LD, Google lo raccomanda esplicitamente per i contenuti ottimizzati AI |
| Validazione: nice-to-have | Validazione: obbligatoria, il markup errato viene ignorato o penalizzato |
Come gli AI agents usano i dati strutturati
Gli AI agents non leggono le pagine web come fa un umano. Le analizzano come dati.
Un sistema AI che deve rispondere alla domanda “Qual è la migliore agenzia di brand advisory in Italia?” non legge ogni pagina web dall’inizio alla fine. Analizza segnali strutturati per identificare le entità rilevanti, valuta la loro affidabilità, e costruisce la risposta citando le fonti più verificabili.
Identificazione dell’entità, Schema Organization dice all’AI: “Questo è il brand X, opera nel settore Y, esiste dal Z, ha sede in W.” Senza questo, l’AI deve dedurre queste informazioni dal testo, con più rischio di errore e meno fiducia nella fonte.
Verifica dell’autore, Schema Author dice: “Questo contenuto è stato scritto da [nome], che ha queste credenziali, con questo profilo LinkedIn.” L’AI usa questa informazione per valutare l’expertise della fonte — uno dei pilastri E-E-A-T.
Estrazione delle risposte, Schema FAQPage e HowTo strutturano le domande e le risposte in formato machine-readable. L’AI può estrarre la risposta esatta senza dover interpretare il testo circostante.
Riduzione delle allucinazioni, Lo schema alimenta il Knowledge Graph di Google, che gli LLM usano come checkpoint di verità. Un brand ben rappresentato nel Knowledge Graph viene citato con più fiducia perché i dati sono verificabili da più fonti.
Collegamento tra entità, Schema con proprietà sameAs linka il brand ai suoi profili ufficiali (LinkedIn, Wikipedia, Wikidata). L’AI costruisce una mappa dell’entità confermata da più fonti, e la cita con maggiore confidenza.
Il meccanismo fondamentale: i LLM usano lo schema markup come checkpoint anti-allucinazione. Quando un AI deve scegliere tra due fonti che trattano lo stesso argomento, preferisce quella con dati strutturati verificabili perché riduce il rischio di citare informazioni errate. Lo schema non è solo metadata, è garanzia di accuratezza.
I numeri: impatto del markup sulla citabilità AI
I dati sono inequivocabili. Il markup cambia la citabilità in modo misurabile.
8,2x: più frequentemente citato dai motori AI il contenuto con dati strutturati vs contenuto non strutturato (UpGrowth Schema Research, 2025)
3,2x: più citazioni AI per siti con schema markup correttamente implementato — analisi su 73 siti (Medium / Vicki Larson, 2026)
2,5x: più probabilità di apparire in risposte AI generative con schema markup appropriato (Superlines AI Search Data, 2026)
+73%: probabilità di selezione in AI Overview con schema markup strutturato corretto (Wellows, 2026)
+340%: più citazioni per FAQPage con entity-linked answers rispetto a testo semplice equivalente (UpGrowth Schema Research, 2025)
60-90 giorni: per vedere miglioramenti misurabili nelle citazioni AI dopo implementazione completa (DemandLocal Agency Analysis, 2026)
Il dato che mette tutto in prospettiva: il 30-40% di aumento di visibilità AI con schema corretto significa che due contenuti identici per qualità e profondità, uno con schema completo, uno senza, hanno probabilità di citazione AI che differiscono del 30-40%. Non è una variazione marginale. È la differenza tra apparire e non apparire nelle risposte che i tuoi potenziali clienti ricevono ogni giorno.
JSON-LD: il formato corretto
Tre formati esistono. Uno solo vale nel 2026.
Lo schema markup può essere implementato in tre formati: Microdata, RDFa e JSON-LD. La scelta non è neutra, Google raccomanda esplicitamente JSON-LD per i contenuti ottimizzati per i sistemi AI dall’aggiornamento delle linee guida di maggio 2025.
JSON-LD, RACCOMANDATO. Separato dall’HTML, si inserisce nel tag script. Facile da aggiornare senza toccare il markup visuale. Leggibile dai sistemi AI in modo diretto. Google lo preferisce esplicitamente per l’ottimizzazione AI. L’unico formato da usare nel 2026.
Microdata, SCONSIGLIATO. Integrato nell’HTML visuale, ogni attributo schema deve essere aggiunto ai tag HTML esistenti. Difficile da mantenere, errore-prone, non preferito dai sistemi AI. Da non usare per nuove implementazioni.
RDFa, OBSOLETO. Derivato da Microdata con sintassi diversa. Non aggiunge vantaggi rispetto a JSON-LD. Più complesso da implementare. Non supportato in modo ottimale dai sistemi AI moderni. Da non usare.
Struttura base di un JSON-LD
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "Bliss",
"url": "https://blissagency.it",
"logo": "https://blissagency.it/logo.png",
"description": "Agenzia di brand advisory, governance e operations con sede a Roma e Milano.",
"foundingDate": "2018",
"sameAs": [
"https://www.linkedin.com/company/blissagency",
"https://www.instagram.com/blissagency.it"
]
}
</script>Le 10 tipologie di schema essenziali per brand e contenuto
Non tutti gli schema sono uguali. Questi 10 sono quelli che impattano direttamente sulla citabilità AI.
01. Organization
Per ogni sito aziendale, il più importante di tutti.
Impatto AI: definisce il brand come entità riconoscibile nel knowledge graph. Senza Organization, l’AI non sa chi sei.
Campi chiave: name, url, logo, description (obbligatori); foundingDate, numberOfEmployees, areaServed (aumentano il profilo dell’entità); sameAs, array di URL dei profili ufficiali (LinkedIn, Instagram, Wikipedia, Wikidata); contactPoint con email e telephone (segnale di Trust); address con addressLocality e addressCountry (ancora locale e geografica).
02. Article / BlogPosting
Per ogni articolo, guida e contenuto editoriale.
Impatto AI: attribuisce il contenuto a un autore verificabile e segnala la freschezza del contenuto.
Campi chiave: headline (il titolo dell’articolo); author con @type Person e url al profilo (collega il contenuto all’expertise dell’autore); datePublished e dateModified (segnale di recency, aggiornare dateModified ad ogni revisione); image (URL dell’immagine principale); publisher (link all’Organization schema del brand).
03. FAQPage
Per sezioni Q&A e pagine con domande frequenti.
Impatto AI: il formato che genera il 340% di citazioni in più rispetto al testo equivalente. Massima priorità.
Campi chiave: mainEntity, array di Question objects; ogni Question: name (la domanda) e acceptedAnswer con text (la risposta); la risposta deve essere autonoma e comprensibile senza contesto esterno; lunghezza ottimale risposta: 40-80 parole; non usare HTML nelle risposte, solo testo puro.
04. HowTo
Per guide operative step-by-step.
Impatto AI: ottimizzato per rispondere a query “come si fa”, sia in AEO che in voice search.
Campi chiave: name (il titolo della guida); step, array di HowToStep con name e text; specificità batte genericità: “7 step usando Figma, durata 45 min” è citato 6,4x di più di “7 step generici”; aggiungere tool, durata e costo per ogni step quando applicabile; totalTime, durata totale del processo in formato ISO 8601 (es. PT45M).
05. Person (Author)
Per ogni autore del sito.
Impatto AI: collega il contenuto a una persona reale con credenziali verificabili, pilastro E-E-A-T.
Campi chiave: name, jobTitle, description (identificazione completa); url (link al profilo LinkedIn o alla pagina autore del sito); sameAs (profili verificabili: LinkedIn, Twitter/X, Wikipedia se presente); worksFor (link all’Organization schema); knowsAbout, array di aree di expertise (aiuta l’AI ad associare l’autore al dominio).
06. BreadcrumbList
Per la navigazione gerarchica del sito.
Impatto AI: aiuta l’AI a capire l’architettura del sito e la posizione del contenuto nella struttura tematica.
Campi chiave: ListItem in sequenza dalla homepage alla pagina corrente; ogni item: position (numero), name (titolo), item (URL); implementare su ogni pagina, non solo quelle interne; supporta la comprensione della topical authority verticale.
07. WebSite con SearchAction
Per siti con funzionalità di ricerca interna.
Impatto AI: abilita il sitelinks search box nella SERP e segnala all’AI la struttura del sito.
Campi chiave: url (URL del sito); potentialAction, SearchAction con target che include il parametro di ricerca; query-input: required name=search_term_string. Rilevante soprattutto per e-commerce e siti con vasto catalogo di contenuti.
08. Product / Service
Per pagine di prodotto o servizio.
Impatto AI: per chi vende prodotti fisici o descrive servizi, non impatta direttamente la citabilità ma aumenta i rich results.
Campi chiave: name, description, image (obbligatori); offers, PriceSpecification con price e priceCurrency; aggregateRating, ReviewAggregation con ratingValue e reviewCount; areaServed (per servizi con copertura geografica specifica).
09. Dataset
Per ricerche, survey e contenuto con dati originali.
Impatto AI: il tipo di schema che sblocca le citazioni per dati proprietari, usato nei motori di ricerca verticali.
Campi chiave: name, description, url (identificazione del dataset); creator (link all’Organization o Person che ha prodotto i dati); datePublished (data di pubblicazione, critica per la recency); variableMeasured (cosa misurano i dati). Priorità alta per brand che producono ricerche originali di settore.
10. SpeakableSpecification
Per sezioni ottimizzate per voice search.
Impatto AI: segnala a Google quali sezioni sono appropriate per essere lette vocalmente.
Campi chiave: cssSelector, selettore CSS delle sezioni da segnalare come speakable; usare su paragrafi di risposta diretta (40-60 parole) nelle guide principali; non segnalare come speakable testo tecnico, codice o contenuto non adatto alla lettura vocale; supportato da Google Assistant, aumenta la probabilità di risposta nelle query vocali.
Implementazione pratica: Organization e Article
I due schema fondamentali, esempi completi pronti per l’implementazione.
Schema Organization completo
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "Bliss",
"legalName": "Bliss S.r.l.",
"url": "https://blissagency.it",
"logo": "https://blissagency.it/wp-content/uploads/logo.webp",
"description": "Agenzia italiana di brand advisory, brand governance e brand operations. Specializzata in brand consulting per PMI, gruppi industriali e brand premium.",
"foundingDate": "2018",
"areaServed": ["IT", "EU"],
"address": {
"@type": "PostalAddress",
"addressLocality": "Roma",
"addressCountry": "IT"
},
"contactPoint": {
"@type": "ContactPoint",
"contactType": "customer service",
"email": "hello@blissagency.it"
},
"sameAs": [
"https://www.linkedin.com/company/blissagency",
"https://www.instagram.com/blissagency.it"
]
}
</script>Schema Article completo per articolo del blog
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "E-E-A-T: la guida completa per capire come Google decide di chi fidarsi",
"image": "https://blissagency.it/wp-content/uploads/eeat-guida-2026.webp",
"datePublished": "2026-04-01T09:00:00+02:00",
"dateModified": "2026-04-18T11:30:00+02:00",
"author": {
"@type": "Person",
"name": "Nome Autore",
"jobTitle": "Brand Strategist",
"url": "https://blissagency.it/team/nome-autore/",
"sameAs": "https://www.linkedin.com/in/nome-autore"
},
"publisher": {
"@type": "Organization",
"name": "Bliss",
"url": "https://blissagency.it",
"logo": {
"@type": "ImageObject",
"url": "https://blissagency.it/logo.webp"
}
}
}
</script>FAQPage e HowTo: i due schema che moltiplicano la citabilità AEO
FAQ e HowTo sono i due schema con il rapporto impatto/sforzo più alto.
Schema FAQPage, esempio implementativo
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "Cos'è l'E-E-A-T e perché influenza il ranking?",
"acceptedAnswer": {
"@type": "Answer",
"text": "E-E-A-T sta per Experience, Expertise, Authoritativeness e Trustworthiness. È il framework che Google usa per valutare la qualità dei contenuti online. Non è un ranking factor diretto, ma informa i segnali algoritmici che determinano il posizionamento, inclusa la probabilità di essere citati nei risultati AI."
}
},
{
"@type": "Question",
"name": "Quanto tempo ci vuole per migliorare l'E-E-A-T del sito?",
"acceptedAnswer": {
"@type": "Answer",
"text": "In settori non YMYL, i miglioramenti sono visibili in 3-6 mesi con lavoro sistematico su autori, fonti e reputazione esterna. In settori YMYL o molto competitivi il processo richiede 6-18 mesi."
}
}
]
}
</script>Schema HowTo, esempio implementativo
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "HowTo",
"name": "Come implementare lo schema markup Organization in JSON-LD",
"description": "Guida step-by-step per implementare il markup Organization sul sito",
"totalTime": "PT30M",
"step": [
{
"@type": "HowToStep",
"name": "Raccogliere i dati del brand",
"text": "Preparare: nome legale, URL, logo, data fondazione, indirizzo, email, profili social ufficiali.",
"url": "https://blissagency.it/guida-schema/#step-1"
},
{
"@type": "HowToStep",
"name": "Creare il JSON-LD nel tag script",
"text": "Aprire il tema WordPress o il template HTML, aggiungere script type application/ld+json nel head.",
"url": "https://blissagency.it/guida-schema/#step-2"
},
{
"@type": "HowToStep",
"name": "Validare con Rich Results Test",
"text": "Incollare la pagina su search.google.com/test/rich-results e correggere eventuali errori prima del deploy.",
"url": "https://blissagency.it/guida-schema/#step-3"
}
]
}
</script>Schema avanzati: Author, Dataset, SpeakableSpecification
I tre schema che fanno la differenza per brand con contenuto originale ed expertise verificabile.
Schema Author (Person), per pagine autore
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Person",
"name": "Nome Cognome",
"jobTitle": "Brand Strategist & Head of Advisory",
"description": "12 anni di esperienza in brand strategy per PMI italiane e brand premium. Specializzato in Brand Governance e GEO optimization.",
"url": "https://blissagency.it/team/nome-cognome/",
"image": "https://blissagency.it/team/foto-nome.webp",
"sameAs": [
"https://www.linkedin.com/in/nome-cognome",
"https://twitter.com/nomecognome"
],
"worksFor": {
"@type": "Organization",
"name": "Bliss",
"url": "https://blissagency.it"
},
"knowsAbout": ["brand governance", "brand advisory", "GEO", "brand consulting PMI"]
}
</script>Schema Dataset, per ricerche e survey originali
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Dataset",
"name": "Survey Brand Governance PMI italiane 2026",
"description": "Analisi condotta su 250 PMI italiane sul livello di governance del brand. Dati su: sistemi di governance attivi, key person risk, presenza schema markup.",
"url": "https://blissagency.it/ricerche/brand-governance-pmi-2026/",
"creator": {
"@type": "Organization",
"name": "Bliss",
"url": "https://blissagency.it"
},
"datePublished": "2026-03-15",
"license": "https://creativecommons.org/licenses/by/4.0/",
"variableMeasured": "Livello di brand governance nelle PMI italiane"
}
</script>Come validare lo schema: strumenti e processi
Il markup non validato può essere ignorato o penalizzato. La validazione è obbligatoria.
Gli strumenti da usare sono: Google Rich Results Test (search.google.com/test/rich-results), Schema.org Validator (validator.schema.org), Google Search Console (search.google.com/search-console), Structured Data Linter (linter.structured-data.org), e l’estensione Chrome Schema Markup Validator disponibile sul Chrome Web Store.
Il processo di validazione corretto
- Sviluppare il JSON-LD in locale e validarlo con Schema.org Validator.
- Prima del deploy, testare su Google Rich Results Test con il codice diretto.
- Correggere tutti gli errori, non solo i warning, prima della pubblicazione.
- Post-deploy: verificare su Google Rich Results Test con URL reale.
- Monitorare Google Search Console ogni 2-4 settimane per nuovi errori.
- Aggiornare dateModified in Article schema ad ogni revisione del contenuto.
Gli errori più comuni e come evitarli
Sette errori che rendono il markup invisibile o controproducente.
01. Markup che non corrisponde al contenuto visibile. Lo schema deve descrivere esattamente ciò che l’utente vede sulla pagina. Se il markup dice “articolo scritto da Mario Rossi” ma la pagina non mostra alcun autore, Google invalida il markup. Regola: lo schema specifica, il contenuto visibile conferma.
02. Proprietà obbligatorie mancanti. Ogni tipo di schema ha proprietà obbligatorie (required) e raccomandate (recommended). Un FAQPage senza mainEntity, un Article senza headline o datePublished vengono ignorati dai rich results. Verificare sempre le proprietà obbligatorie su schema.org.
03. Formato data errato. Le date in schema devono essere in formato ISO 8601: “2026-04-18T09:00:00+02:00”. Date in formato italiano (“18 aprile 2026”) o americano (“April 18, 2026”) non vengono parsate correttamente. Errore comune che invalida il segnale di recency.
04. Organization implementata solo in homepage. L’Organization schema deve essere presente su ogni pagina del sito, non solo in homepage. I sistemi AI scansionano pagine singole: se trovano un articolo senza Organization nell’head, non possono associarlo al brand publisher.
05. FAQPage con risposte che dipendono dal contesto. La risposta in FAQPage deve essere autonoma e comprensibile senza leggere il resto della pagina. “Come spiegato nella sezione precedente…” o “Vedi la tabella sopra…” sono risposte che non vengono estratte dai sistemi AI. Ogni risposta deve stare in piedi da sola.
06. sameAs con URL non verificabili. I profili linkati nel sameAs devono esistere e devono citare il brand. Un sameAs che punta a un profilo LinkedIn vuoto o a un Wikipedia inesistente indebolisce invece di rafforzare il segnale di entità. Verificare ogni URL prima di includerlo.
07. Schema mai aggiornato dopo la pubblicazione. dateModified in Article schema deve essere aggiornato ogni volta che il contenuto viene revisionato. Un articolo con dateModified del 2024 viene trattato come datato dai sistemi AI, anche se i contenuti sono stati aggiornati senza toccare il markup.
Il piano di implementazione in 6 settimane
Come implementare lo schema markup in modo sistematico e misurabile.
Settimane 1-2: Foundation
Implementare Organization schema in tutte le pagine del sito (header globale). Implementare BreadcrumbList su tutte le pagine interne. Validare con Rich Results Test, zero errori prima di procedere. Audit: quali pagine hanno già schema? Quali sono vuote?
Settimane 2-3: Content Markup
Implementare Article schema su tutti gli articoli del blog (includere author e dateModified). Creare pagine autore dedicate con Person schema per ogni contributor. Aggiornare dateModified per ogni articolo revisionato.
Settimane 3-4: FAQ & HowTo
Identificare le 10 pagine con più traffico informativo. Aggiungere sezione FAQ in fondo a ognuna con 5-7 domande e risposte autonome. Implementare FAQPage schema su tutte le sezioni FAQ. Implementare HowTo schema su ogni guida step-by-step.
Settimane 4-5: Advanced & Voice
Implementare SpeakableSpecification sui paragrafi di risposta diretta delle guide principali. Implementare Dataset schema se il brand ha dati originali da pubblicare. Verificare e completare il profilo Wikidata del brand se applicabile.
Settimane 5-6: Audit & Monitoring
Audit completo di tutte le pagine con il Chrome Schema Extension. Verificare Google Search Console per errori di markup emersi post-implementazione. Primo test manuale di citabilità AI: cercare il brand su ChatGPT e Perplexity. Impostare monitoraggio mensile con KPI di citabilità AI.
FAQ
Lo schema markup impatta direttamente il ranking SEO tradizionale?
Non direttamente, Google non usa il markup come ranking factor diretto. Ma abilita i rich results (stelle, FAQ, HowTo nella SERP) che aumentano il CTR medio del 20-30%. E, come documentato in questa guida, aumenta significativamente la citabilità nei risultati AI.
Devo implementare tutti i 10 tipi di schema?
No. La priorità è Organization (su tutte le pagine), Article (su tutti i contenuti editoriali), FAQPage (su tutte le sezioni Q&A) e Author (sulle pagine autore). Gli altri si aggiungono in base al tipo di contenuto specifico del sito.
WordPress ha plugin per lo schema markup?
Sì, Yoast SEO, RankMath e Schema Pro sono i più diffusi. Gestiscono automaticamente Article, BreadcrumbList e alcune varianti di schema. Ma per Organization completo con sameAs, FAQPage personalizzata e Author con knowsAbout, è necessario aggiungere JSON-LD manuale nel tema.
Quanto spesso devo aggiornare lo schema?
Organization: aggiornare se cambia qualcosa (indirizzo, team, servizi). Article: aggiornare dateModified ad ogni revisione del contenuto. FAQPage: aggiornare se cambiano le risposte o si aggiungono domande. Dataset: aggiornare quando si pubblicano nuovi dati.
Il markup funziona anche se il sito non è nella top 10 di Google?
Per i rich results Google, il markup aiuta principalmente i contenuti già nelle prime pagine. Per la citabilità AI (ChatGPT, Perplexity), il markup è utile indipendentemente dal ranking, questi sistemi scansionano anche fonti non in top 10. Il markup migliora comunque la priorità SEO nel tempo.