Analizador de schema gratuito
Audita tus datos estructurados y tu JSON-LD para que los motores de IA y los rastreadores de búsqueda entiendan exactamente quién eres y de qué trata tu página.
¿Qué es un analizador de schema?
El marcado schema es la capa de datos estructurados que indica a las máquinas qué significa tu contenido — tu organización, productos, artículos, FAQ y autores. Los buscadores lo usan para resultados enriquecidos; los motores de IA lo usan cada vez más para verificar hechos antes de citarte.
El analizador de schema lee el JSON-LD de cualquier URL, lo valida con Schema.org y señala lo que falta, está mal formado o no es verificable. El resultado: un mapa claro de los datos estructurados que la IA necesita para representar bien tu marca.
Cómo funciona
Pega tu URL
Introduce una página y recuperamos sus datos estructurados al instante — sin acceso al código.
Validamos el marcado
Analizamos cada bloque JSON-LD, lo comprobamos con Schema.org y detectamos errores y carencias.
Recibe tu lista de acciones
Descubre qué tipos de schema añadir o reparar para que la IA y la búsqueda lean bien tu página.
Preguntas frecuentes
Guía completa sobre datos estructurados y JSON-LD para visibilidad en IA
Los datos estructurados son la capa legible por máquinas que se encuentra bajo tu contenido visible. Donde los lectores humanos ven un nombre de producto, un precio o una respuesta de FAQ, los motores de búsqueda y los modelos de IA ven un bloque HTML sin formato, a menos que les proporciones un marcado de esquema para decodificarlo. JSON-LD, el formato recomendado por Google, te permite insertar una descripción estructurada de tu página directamente en el encabezado del documento.
Los motores de respuesta de IA han elevado considerablemente las apuestas para los datos estructurados. Los usan no solo para estilizar resultados de búsqueda con fragmentos enriquecidos, sino para verificar hechos antes de citar una marca. Cuando ChatGPT o Perplexity recupera tu página como fuente, cruza tu texto visible con tu marcado de esquema. Un esquema incompleto o inconsistente es una señal de desconfianza que afecta directamente tu presencia en las respuestas de IA.
Los tipos de esquema más impactantes para la visibilidad en IA son Organization, FAQPage, Article y BlogPosting, Product y BreadcrumbList. Más allá de estos, Review, Person, LocalBusiness, HowTo y VideoObject añaden profundidad de entidad que ayuda a los modelos de IA a representar tu marca con precisión.
Los errores más comunes de datos estructurados son silenciosos: campos obligatorios faltantes, nombres de propiedades obsoletos, objetos anidados con valores @type incorrectos y marcado que existe en el código fuente pero nunca se renderiza. Un analizador de esquema los detecta sistemáticamente validando cada propiedad contra la especificación Schema.org.
Manual de optimización de esquema
Ocho pasos para hacer que tus datos estructurados estén listos para IA y sean válidos.
Auditar todos los JSON-LD en cada página clave
Pasa tu página de inicio, las principales páginas de categoría y las páginas de mayor tráfico por un analizador de esquema. Muchos sitios tienen marcado incompleto u obsoleto que falla silenciosamente en la validación de IA.
Añadir un esquema Organization completo
Cada sitio necesita un esquema Organization o LocalBusiness en la página de inicio. Incluye nombre, url, logo, descripción, sameAs (perfiles sociales y directorios), contactPoint y foundingDate.
Implementar schema FAQPage en todas las páginas informativas
El schema FAQPage es uno de los tipos de datos estructurados con mejor ROI para AEO y visibilidad de IA. Escribe de cinco a diez pares Q&A genuinos por página y asegúrate de que coincidan con el texto real de la página.
Añadir schema Article a cada contenido
El schema Article y BlogPosting debe incluir author (con schema Person y @id), publisher, datePublished, dateModified, headline e image. Las señales de actualidad son un factor de confianza clave para los motores de IA.
Validar contra Schema.org y los requisitos de Google
Usa el Analizador de Esquema para verificar cada nombre de propiedad y valor contra la especificación Schema.org. Errores silenciosos comunes: usar "streetAddress" fuera de PostalAddress, mezclar valores @type.
Añadir schema Product para páginas de e-commerce
El schema Product debe incluir name, description, sku, brand, offers (con price, priceCurrency, availability y url) y si es posible un GTIN o MPN. Las experiencias de compra de IA dependen de estos datos.
Implementar BreadcrumbList en todas las páginas internas
El schema BreadcrumbList comunica la jerarquía de tu sitio tanto a los motores de búsqueda como a los modelos de IA, ayudándoles a entender cómo se relacionan las páginas entre sí.
Monitorear la cobertura de entidades en respuestas de IA
Después de actualizar tu esquema, usa una herramienta de visibilidad de IA para consultar motores sobre tu marca y verificar que los hechos coincidan con tu marcado.
Glosario de datos estructurados
Definiciones en lenguaje claro de los términos más importantes al validar tu JSON-LD.
- JSON-LD
- JavaScript Object Notation for Linked Data — el formato de datos estructurados recomendado por Google. Embebido en una etiqueta <script type="application/ld+json"> en el encabezado de la página, describe el significado de la página sin cambiar su apariencia visible.
- Schema.org
- El vocabulario compartido creado por Google, Bing, Yahoo y Yandex que define los tipos y propiedades utilizables en el marcado de datos estructurados. Referencia autorizada para JSON-LD válido.
- Datos estructurados
- Información legible por máquinas embebida en una página web que indica a los motores de búsqueda y modelos de IA lo que significa el contenido — no solo lo que dice.
- Resultado enriquecido
- Listado de búsqueda mejorado generado a partir de datos estructurados — calificaciones de estrellas, desplegables de FAQ, tarjetas de recetas. Los motores de IA también usan estos datos para verificar hechos antes de citar.
- Entidad
- Concepto del mundo real únicamente identificable — una persona, organización, lugar o concepto. Los modelos de IA construyen su comprensión de la web a partir de entidades.
- Grafo de conocimiento
- Base de datos de Google de entidades y sus relaciones. Cuando tus datos estructurados son completos y consistentes, aumentan la probabilidad de que tu organización aparezca en el grafo de conocimiento.
- Schema Organization
- Tipo Schema.org que describe una empresa u organización: nombre, logo, URL, datos de contacto, perfiles sociales y descripción. El tipo de esquema más fundamental para la identidad de marca en respuestas de IA.
- Schema FAQPage
- Tipo Schema.org que marca pares de preguntas y respuestas en una página. Cada par Q&A se convierte en un pasaje discreto y citable para los motores de IA.
- Migas de pan
- Ruta de navegación que muestra la jerarquía de una página dentro de un sitio. El schema BreadcrumbList comunica esta jerarquía a los rastreadores y modelos de IA.
- Microdata
- Método más antiguo de agregar datos estructurados basado en atributos HTML, ahora ampliamente reemplazado por JSON-LD. Todavía válido pero más difícil de mantener.
- RDFa
- Resource Description Framework in Attributes — formato de datos estructurados que embebe propiedades de esquema como atributos HTML. Menos común que JSON-LD pero todavía soportado.
- Open Graph
- Protocolo creado por Facebook para describir el contenido de páginas web en contextos de compartición social. Las etiquetas og:title, og:description y og:image influyen en cómo los motores de IA resumen tus páginas.
Quién necesita un Analizador de Esquema
Los equipos y escenarios que más se benefician de la validación sistemática de datos estructurados.
Gestores de marca
Cuando los motores de IA describen tu marca incorrectamente — categoría equivocada, productos desactualizados, ubicación incorrecta — un schema Organization o Product incompleto suele ser la causa raíz.
Equipos de e-commerce
La calidad del schema Product afecta directamente la elegibilidad para compras en IA. GTINs faltantes, precios obsoletos o estado de disponibilidad no válido son razones comunes por las que los productos se excluyen de recomendaciones de compra de IA.
Desarrolladores antes del lanzamiento
Los errores de schema introducidos durante una migración de CMS o rediseño de sitio son generalmente silenciosos. Ejecutar una auditoría completa de schema antes del lanzamiento previene semanas de degradación de visibilidad en IA.
Agencias SEO
Las auditorías de schema de clientes son entregables de alto valor que la mayoría de las agencias subutiliza. Un informe de datos estructurados diferencia una oferta de SEO técnico.
Empresas SaaS
Las empresas de software B2B que marcan sus datos de producto, precios y reseñas con el esquema correcto son citadas con mayor precisión por asistentes de IA que ayudan a compradores a comparar herramientas.
Editores
Los sitios de noticias y editoriales dependen del schema Article con información precisa sobre autor, editorial y fecha para ser citados como fuentes oportunas y confiables por los resúmenes de IA.