Marcado Schema on-page: imprescindible para los resultados enriquecidos, no dispara las citas en IA

Por qué el marcado Schema on-page es relevante para el B2B

El marcado Schema, también llamado datos estructurados, traduce el contenido de una página web a un vocabulario legible por máquinas. Con él, los buscadores y, cada vez más, los sistemas de IA reconocen de forma explícita qué describe una página: una empresa, un artículo, un servicio, una persona. En la región DACH (Alemania, Austria y Suiza), esta comprensión gana peso porque el comportamiento de búsqueda está cambiando.

Las cifras de Austria confirman el cambio. Según la AI Readiness Studie 2025 del Handelsverband, el 68 % de las empresas austriacas encuestadas usa IA, el 37 % de ellas como buscador inteligente y el 49 % para redactar textos. ChatGPT es conocido por casi tres cuartas partes de la población austriaca y una quinta parte usa el servicio varias veces por semana. Quien quiera que lo encuentren y lo entiendan correctamente en este entorno necesita una base limpia y legible por máquinas.

Al mismo tiempo, la búsqueda clásica está cambiando de forma medible. Tras el lanzamiento de Google AI Overviews en Alemania y Austria en marzo de 2025, según un estudio realizado por Wordsmattr.io, los clics cayeron una media del 17,8 % y el CTR, un 14 %, mientras que las impresiones se mantuvieron casi estables, con un descenso de solo el 1,2 %. La muestra abarcaba 125 landing pages optimizadas y más de 1.000 palabras clave en Alemania y Austria. El mensaje para los responsables B2B es claro: la visibilidad se genera cada vez más en la propia respuesta, no solo en la página de destino. El marcado Schema es una de las piezas para estar bien representado en esta capa de respuestas.

Qué aporta realmente el marcado Schema on-page y qué no

Aquí la honestidad importa más que cualquier promesa. Los datos estructurados tienen un propósito claramente demostrado y un límite igual de claro.

El beneficio demostrado es la elegibilidad para resultados enriquecidos. Google lo deja claro: las páginas a las que les faltan propiedades obligatorias no son aptas para resultados enriquecidos. Sin un marcado correcto no hay valoraciones con estrellas ni otros resultados enriquecidos en las SERP. Schema es el requisito técnico para que Google pueda siquiera ofrecer estos formatos de presentación.

En cambio, el efecto que tantas veces se le atribuye como impulso directo de las citas en IA no se sostiene. Un análisis de Ahrefs de 2026 siguió 1.885 páginas que introdujeron Schema en JSON-LD entre agosto de 2025 y marzo de 2026, comparadas con 4.000 páginas de control mediante un método de diferencias en diferencias. El resultado es aleccionador: Google AI Overviews menos 4,6 %, AI Mode más 2,4 %, ChatGPT más 2,2 %, y los dos últimos valores no se distinguen estadísticamente de cero. La conclusión del estudio: Schema no produjo un aumento significativo de las citas en ninguna plataforma.

Por eso, la conclusión honesta para el B2B es esta: el marcado Schema no es una palanca que fuerce directamente las citas en IA. Es una base. Hace que el contenido se pueda interpretar sin ambigüedad, asegura la elegibilidad para presentaciones enriquecidas y reduce la ambigüedad sobre las entidades. Quien vende Schema con la promesa de un aumento garantizado de citas estira la evidencia más de la cuenta. Quien lo implementa como una base limpia y legible por máquinas acierta, y los datos lo respaldan.

Cómo implementar JSON-LD correctamente

JSON-LD se ha impuesto como estándar. Según el Web Almanac 2024, el 41 % de las páginas usa JSON-LD, frente al 34 % en 2022. Es el formato preferido por Google y el que más rápido crece de las tres opciones. JSON-LD separa los datos estructurados del HTML visible y por eso es más fácil de mantener que Microdata o RDFa, que van entrelazados con el marcado.

En la implementación hay algunos puntos que cuentan especialmente:

• Formato y ubicación: JSON-LD como bloque de script en el <head> o al final del <body>. No hace falta entrelazarlo con el código HTML visible.
• Conectar entidades mediante @graph: En lugar de fragmentos aislados, reúne los objetos de una página (Organization, WebSite, Article, Author) en un @graph y referéncialos mediante @id. Así se obtiene una imagen coherente en lugar de piezas inconexas.
• Veracidad: Google exige que los datos estructurados sean una representación fiel del contenido de la página y que no se marque contenido que no sea visible para los lectores. Un marcado sin equivalente visible infringe las directrices.
• Campos obligatorios completos: Como la falta de propiedades obligatorias excluye la elegibilidad para resultados enriquecidos, cada propiedad obligatoria debe figurar en el marcado.
• Validar: Comprueba cada marcado antes de publicarlo con el Rich Results Test y el validador de Schema.org. El primero verifica la elegibilidad en Google; el segundo, la conformidad sintáctica general.

Qué tipos de Schema priorizar en B2B

No todos los tipos aportan el mismo valor. Para los proveedores B2B, este orden tiene sentido:

• Organization: Define la empresa como entidad con nombre, logotipo, datos de contacto y referencias sameAs a LinkedIn y Wikidata. Este vínculo aporta claridad sobre la entidad y ayuda a las máquinas a atribuir la marca sin ambigüedad.
• WebSite: Representa el dominio en su conjunto y puede marcar la función de búsqueda interna.
• BreadcrumbList: Refleja la jerarquía de navegación. Desde enero de 2025, Google solo muestra la ruta de navegación en los resultados de búsqueda en escritorio.
• Article: Para artículos especializados y entradas de blog, con author, datePublished y dateModified como señales de E-E-A-T.
• LocalBusiness: Para sedes con dirección, horario de apertura y referencia geográfica, relevante para la visibilidad regional.
• Service o Product: Para la oferta concreta de servicios o productos que describe la actividad de la empresa.

El denominador común es el vínculo sameAs con perfiles de autoridad como Wikidata y LinkedIn. Ancla las entidades propias en un grafo de conocimiento más amplio y reduce el riesgo de confusión, sobre todo con nombres de empresa genéricos.

Schema en combinación con el resto de la arquitectura on-page

Los datos estructurados no sustituyen una base on-page bien hecha, se apoyan en ella. Un marcado que describe un contenido mal estructurado en el HTML visible no tiene efecto o incluso infringe las directrices.

La base se compone de varias capas. Las etiquetas title y las meta descriptions formulan la promesa que aparece en las SERP y en la capa de respuestas. Una jerarquía lógica de H1 a H6 organiza el contenido para que tanto los lectores como los parsers capten su estructura. El HTML semántico, con los elementos correctos para artículos, navegación y contenido secundario, aporta el significado estructural que después el JSON-LD hace explícito. Schema y HTML deben contar la misma historia, porque el requisito de veracidad de Google se aplica en todo momento. Quien mantiene en orden los fundamentos on-page crea la condición para que los datos estructurados puedan aportar algo.

GEO on-page más allá de Schema

Si Schema no aumenta directamente las citas en IA, cabe preguntarse qué funciona en su lugar. La respuesta está en la Generative Engine Optimization, GEO para abreviar, que actúa a nivel de contenido. La base científica la aporta el trabajo de Aggarwal et al., presentado en KDD 2024. Muestra que los métodos GEO pueden aumentar hasta un 40 % la visibilidad en las respuestas de motores generativos.

Un matiz importante para situarlo: este estudio es internacional y académico, no una prueba práctica específica de la región DACH. La afirmación central demostrada es el aumento de visibilidad gracias a GEO en su conjunto. Las tácticas concretas que el debate general asocia a GEO tienen que ver con la calidad del contenido: estadísticas citables con una fuente clara, citas integradas, referencias inequívocas a las fuentes y una alta densidad de entidades, es decir, la mención precisa y frecuente de términos técnicos y nombres propios relevantes. Para el contenido B2B, esto significa en concreto: respaldar las afirmaciones, nombrar las fuentes y usar los términos técnicos de forma coherente. Esta sustancia de contenido tiene más efecto en la capa de respuestas que el simple marcado, que solo describe el envoltorio.

Cómo preparar los featured snippets y la posición 0

Los featured snippets son un puente entre la SERP clásica y la capa de respuestas. Se pueden preparar de forma específica, pero su efecto en el tráfico es un arma de doble filo.

A nivel estructural ayudan los bloques de pregunta y respuesta, las tablas, las listas y las definiciones compactas de unas 40 a 60 palabras. Estos formatos le dan a Google piezas de respuesta fáciles de extraer. Un HTML semántico limpio y unos encabezados claros aumentan la probabilidad de aparecer como snippet.

Pero la canibalización de clics también forma parte de la realidad. Según un estudio de Ahrefs de 2017 con dos millones de featured snippets, alrededor del 12,29 % de las búsquedas en EE. UU. mostraba un featured snippet. Cuando un snippet ocupaba la posición 1, recibía de media solo alrededor del 8,6 % de los clics. El resultado orgánico inmediatamente inferior bajaba de alrededor del 26 % de los clics sin snippet a alrededor del 19,6 % con snippet. Los valores son anteriores a AI Overviews. La lección: un featured snippet asegura visibilidad y presencia de marca, pero no garantiza más clics. Sumado a la caída de clics provocada por AI Overviews, el valor se desplaza del número de clics a la presencia en la respuesta.

Gestión de tipos obsoletos y preparación para el futuro

Schema no es un terreno estático. Google reduce activamente el número de marcados que generan resultados enriquecidos visibles. Google dejó de mostrar los resultados enriquecidos HowTo en septiembre de 2023 y los de FAQ el 7 de mayo de 2026. Esto cambia de forma notable el ROI de cada tipo.

La consecuencia estratégica es una separación clara. Algunos marcados siguen aportando un beneficio visible en las SERP, como Product, Organization o Breadcrumb (este último ya solo en escritorio). Otros ya no generan ningún resultado enriquecido, pero pueden seguir siendo útiles porque ayudan a las máquinas y a los LLM a entender el contenido. Desde mayo de 2026, el marcado FAQ pertenece por completo a esta segunda categoría: ya no da ventaja de presentación, pero en algunos casos todavía contribuye a la interpretación automática. Los equipos B2B deberían priorizar su cartera de marcados según si un tipo aún aporta un beneficio visible o solo sirve para la comprensión automática. El esfuerzo va primero a los tipos con elegibilidad demostrable.

Cómo llevar E-E-A-T a la práctica on-page

Las señales de confianza se pueden expresar de forma estructurada. Así, Google y los LLM pueden saber quién ha escrito un contenido y cuándo se actualizó.

Hay varios elementos concretos que se pueden implementar. Los tipos Author y Person de Schema nombran a la persona responsable y pueden remitir a sus perfiles profesionales mediante sameAs. Las cajas de autor visibles dan al marcado un equivalente visible, lo que cumple el requisito de veracidad de Google. Los datos de Publisher en el objeto Organization aclaran quién publica. El marcado de fechas con datePublished y dateModified indica actualidad y mantenimiento. Precisamente en el contenido especializado B2B de la región DACH, donde la autoridad profesional cuenta, estos datos hacen explícitas la experiencia y la responsabilidad en lugar de dejarlas al azar de la interpretación.

Optimización de imágenes y contenido multimedia con datos estructurados

La búsqueda visual y multimodal gana importancia, y los datos estructurados también llegan hasta aquí. ImageObject marca las imágenes con propiedades como licencia, autor y descripción. Unos textos alternativos descriptivos aportan el significado textual de una imagen, que favorece tanto la accesibilidad como la comprensión automática. El marcado de caption vincula de forma inequívoca la imagen con su pie de foto. En las respuestas multimodales de IA, que combinan texto e imagen, estos marcados aportan un contexto que una imagen sin más no ofrece. También aquí rige la veracidad: el marcado debe corresponder a la imagen que realmente se muestra.

Medición y monitorización

Las métricas de clics clásicas ya no reflejan por sí solas el valor de Schema y GEO. La caída de clics provocada por AI Overviews en Alemania y Austria, menos 17,8 % con impresiones casi estables, muestra que visibilidad y clic van por caminos distintos. Quien solo mide clics subestima el alcance real.

Una monitorización actual abarca varios niveles. El seguimiento de citas en IA observa si los contenidos aparecen en las respuestas de IA y cómo lo hacen. El análisis de Google Search Console tras el despliegue de AI Overviews en Austria y Alemania separa impresiones de clics y hace visible el efecto. Como KPI más allá del clic ganan importancia las impresiones, las menciones de marca y la presencia en la capa de respuestas. Sigue siendo importante tener expectativas realistas: como, según el análisis de Ahrefs, Schema no produce un aumento significativo de citas, en la monitorización debe figurar como base de elegibilidad, no como motor de una curva de citas. El éxito de Schema se ve en una presentación correcta y en la interpretabilidad automática; el de GEO, en la visibilidad del contenido.

Para profundizar

El marcado Schema on-page es una base, no una solución milagrosa. Asegura la elegibilidad para presentaciones enriquecidas, aporta claridad sobre las entidades y hace que el contenido sea interpretable por máquinas sin ambigüedad. Está demostrado que no es una palanca directa para conseguir más citas en IA. La palanca más potente en la capa de respuestas es la sustancia del contenido en el sentido de GEO: afirmaciones respaldadas, fuentes claras, alta densidad de entidades. Para el B2B en la región DACH, la estrategia fiable es, por tanto: una base de JSON-LD sólida con los tipos principales, HTML semántico limpio como soporte, la citabilidad del contenido como verdadero motor de visibilidad y una monitorización que mida impresiones y presencia, no solo clics.