Dati strutturati nel 2026: quali markup aiutano davvero Google e i motori AI a interpretare un sito
Il markup schema.org è entrato nei siti per ottenere risultati avanzati in SERP, con stelline, prezzi, date degli eventi e percorsi di navigazione al posto dell’URL, e per molto tempo l’obiettivo dei dati strutturati è coinciso con l’aspetto grafico dello snippet.
Google ha poi ridotto progressivamente i tipi di rich result supportati, limitando le FAQ ai siti governativi e sanitari autorevoli ed eliminando gli snippet HowTo, mentre nel 2025 ha annunciato la dismissione di altre tipologie poco usate.
Con la diffusione delle risposte generate dall’intelligenza artificiale il markup ha acquistato una funzione diversa, perché aiuta i sistemi a identificare in modo univoco entità, prodotti, persone e relazioni tra loro, riducendo il margine di interpretazione.
Microsoft ha dichiarato pubblicamente che lo schema aiuta i propri modelli linguistici a comprendere i contenuti, e anche per Google i dati strutturati restano uno dei segnali con cui interpreta una pagina.
Markup che generano ancora risultati avanzati su Google
Le tipologie che continuano a produrre effetti visibili in SERP sono quelle legate a contenuti con attributi precisi, come Product con prezzo, disponibilità e valutazioni, Review e AggregateRating nei contesti ammessi, Recipe, Event, VideoObject, JobPosting e BreadcrumbList, quest’ultima utile su quasi tutti i siti per mostrare il percorso di navigazione.
Per gli e-commerce il markup Product va allineato con il feed di Google Merchant Center, perché incongruenze su prezzo o disponibilità tra pagina, markup e feed possono portare alla sospensione dei prodotti nelle superfici Shopping.
Article e NewsArticle restano adatti a blog e testate, con autore, data di pubblicazione e data di aggiornamento, informazioni che Google usa anche fuori dagli snippet per valutare freschezza e paternità dei contenuti.
L’elenco aggiornato dei tipi supportati si trova nella galleria della documentazione di Google Search Central, da consultare prima di implementare un nuovo markup, dato che l’elenco cambia periodicamente e alcune tipologie documentate in passato non producono più alcun risultato visibile.
Inserire un markup corretto non garantisce il risultato avanzato, che Google mostra a propria discrezione in base alla qualità della pagina e alla pertinenza con la query.
Dati strutturati per entità e motori AI
Per i motori AI il valore più alto viene dal markup che descrive chi c’è dietro il sito, a partire da Organization, con nome legale, logo, contatti, indirizzo e soprattutto la proprietà sameAs, che collega l’azienda ai profili ufficiali su LinkedIn, Wikipedia, Wikidata, social network e registri camerali.
Questi collegamenti aiutano i sistemi a riconoscere l’entità e a non confonderla con omonimi, condizione necessaria perché un brand venga citato correttamente nelle risposte. Il legame con Wikidata è particolarmente utile per le aziende che hanno una voce nel database, perché fornisce un identificativo univoco riconosciuto da molti sistemi, mentre chi non ce l’ha può lavorare sulla coerenza dei profili aziendali e sulle citazioni nelle testate di settore.
Lo stesso ragionamento vale per gli autori, descritti con il tipo Person e collegati agli articoli tramite la proprietà author, con indicazione del ruolo, delle competenze e dei profili esterni, informazioni che rafforzano i segnali di esperienza e affidabilità. Le pagine chi siamo, le schede dei professionisti di uno studio e le pagine dei servizi guadagnano chiarezza quando il markup esplicita relazioni come worksFor, knowsAbout o areaServed, che indicano per chi lavora una persona, di cosa si occupa e in quale territorio opera un’attività.
Il controllo di coerenza tra testo visibile, markup e profili esterni va quindi ripetuto a ogni modifica di nome, sede o servizi, e nei progetti più strutturati si trasforma in una vera analisi delle entità.
È l’approccio che l’agenzia SEO Wolf Agency segue negli audit tecnici, partendo dalla mappatura di come l’azienda viene descritta nel sito, nelle schede aziendali e nelle testate che la citano, per poi confrontare queste informazioni con il markup presente nelle pagine e con le risposte che ChatGPT, Gemini e AI Mode restituiscono quando un utente chiede del brand.
Dal confronto emergono le incongruenze da correggere, come una sede non più attiva ancora indicata in un profilo o un collegamento sameAs che punta a una pagina social abbandonata, e su questa base si costruisce il markup Organization e Person più adatto, collegando l’azienda e i suoi professionisti alle fonti che i modelli considerano affidabili.
Schema per e-commerce e attività locali
Nei negozi online la combinazione più efficace unisce Product e Offer nelle schede, con GTIN, marca, prezzo, valuta, disponibilità, condizioni di spedizione e politica di reso, informazioni che Google consente di indicare direttamente nel markup e che alimentano anche le esperienze di shopping basate sull’AI.
Le pagine categoria possono usare ItemList per descrivere l’elenco dei prodotti, mentre BreadcrumbList chiarisce la gerarchia del catalogo e la posizione di ogni scheda al suo interno.
Per le attività con sede fisica il tipo LocalBusiness, o la sottocategoria più specifica come Restaurant, Dentist o LegalService, permette di indicare indirizzo, coordinate geografiche, orari di apertura, area servita e link alla scheda Google Business Profile.
I dati devono coincidere con quelli della scheda e delle directory, perché incongruenze su orari o indirizzo indeboliscono la fiducia dei motori nelle informazioni dell’attività e la probabilità di comparire nelle risposte locali.
Le aziende con più sedi devono creare un markup separato per ciascuna, nella pagina dedicata a quella sede, collegato all’Organization principale tramite la proprietà parentOrganization, così che i motori possano distinguere i singoli punti vendita senza confonderli con il brand.
Validazione e manutenzione del markup
Ogni implementazione va verificata con il test dei risultati avanzati di Google, che indica se il markup è idoneo agli snippet e segnala errori e avvisi, e con lo Schema Markup Validator di schema.org, che controlla la correttezza sintattica anche dei tipi non supportati da Google. Il formato consigliato resta JSON-LD, inserito nell’head o nel body, più semplice da gestire e da aggiornare rispetto a Microdata o RDFa.
Sui siti WordPress plugin come Yoast SEO e Rank Math generano in automatico una parte del markup, in genere Organization o Person per il sito, WebPage, Article e BreadcrumbList, e la configurazione iniziale va controllata con attenzione perché dati incompleti nelle impostazioni, come un logo mancante o un nome aziendale diverso da quello ufficiale, si replicano su tutte le pagine. Per i tipi più specifici conviene affiancare al plugin blocchi JSON-LD personalizzati, evitando che lo stesso tipo venga dichiarato due volte con valori diversi.
Dopo la pubblicazione i report sui miglioramenti di Search Console mostrano quante pagine hanno markup valido, quante presentano errori e come cambiano nel tempo, mentre gli audit di Semrush o SEOZoom e un crawl con Screaming Frog, configurato per estrarre i dati strutturati, permettono di controllare l’intero sito. I problemi più comuni nascono da aggiornamenti di plugin o di tema che duplicano il markup o lo eliminano senza avvisi, e da informazioni come prezzi e orari non più allineate al contenuto visibile.
Su siti di grandi dimensioni la gestione dei dati strutturati diventa un’attività continuativa, da pianificare insieme allo sviluppo, con markup generati in automatico dai dati del CMS e controlli periodici dopo ogni rilascio o aggiornamento del tema.