JSON-LD é a alavanca técnica mais barata e mais ignorada do GEO. Leva uma tarde para implementar, custa zero em infraestrutura e diz a qualquer modelo de linguagem, de forma direta e padronizada, exatamente quem é a sua empresa e o que ela oferece.
Toda auditoria de site que rodamos na Promptis revela a mesma lacuna: sem schema de Organization, sem schema de Product, sem schema de Article. A página é legível para um humano e significa quase nada para um modelo que precisa inferir sua identidade a partir de copy de barra lateral e rodapé. Para decidir quais desses tipos o seu site precisa de fato, o artigo Schema.org para GEO: quais tipos usar traz o critério de seleção.
O que são dados estruturados e por que um LLM se importa com eles?
Dados estruturados são blocos de código inseridos no HTML de uma página para descrever, em formato padronizado, o que aquela página contém. O formato mais usado hoje é JSON-LD (JavaScript Object Notation for Linked Data), recomendado pelo Google desde 2016 e adotado pelos principais rastreadores da web.
Para o SEO clássico, os dados estruturados habilitam rich results: avaliações com estrelas, preços, breadcrumbs visíveis na SERP. Para o GEO, a função é diferente e mais fundamental. Um modelo de linguagem que rastreia a web (como os que alimentam o ChatGPT Search, o Perplexity ou o Gemini com Google) não precisa inferir o que a sua página é: você declara explicitamente, em um vocabulário que ele foi treinado a reconhecer.
A diferença prática: sem schema, o LLM precisa extrair informação do texto corrido e pode cometer erros de associação. Com schema, a relação entre entidades fica explícita. "Esta empresa chama X, opera no setor Y, oferece o serviço Z. O site oficial é esse aqui."
Para entender o contexto mais amplo do GEO técnico, o guia de GEO técnico da Promptis cobre todos os elementos de infraestrutura que afetam a visibilidade em IA.
Por que JSON-LD é a vitória mais barata?
A maioria das ações de GEO requer tempo editorial: escrever conteúdo denso, construir autoridade ao longo de meses, conseguir menções em fontes relevantes. Dados estruturados são a exceção.
Um bloco de Organization bem escrito leva 30 minutos para criar. Publicado, ele trabalha para você toda vez que um rastreador de IA visita a página, sem custo incremental. A razão pela qual poucos sites fazem isso não é dificuldade técnica: é invisibilidade do impacto. JSON-LD não aparece para o visitante humano. Não gera like, não vira print de story.
O resultado: a maioria dos concorrentes da sua empresa tem o mesmo vazio que você. Quem preenche primeiro captura um sinal que os outros ainda estão deixando passar.
Há uma segunda camada de vantagem. Um schema bem formado reduz a chance de o modelo associar a sua marca de forma incorreta. Empresas com nomes comuns ou que operam em setores concorridos sofrem mais com esse problema: o modelo confunde entidades, mistura atributos, gera descrições erradas. Dados estruturados são a defesa mais direta contra esse tipo de ruído.
Quais schemas implementar primeiro?
A ordem de prioridade para a maioria das empresas brasileiras:
1. Organization
Declara nome, URL, logo, contato e, opcionalmente, área de atuação e redes sociais. É o schema de identidade da empresa. Sem ele, o modelo trabalha com inferências.
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "Nome da Empresa",
"url": "https://www.suaempresa.com.br",
"logo": "https://www.suaempresa.com.br/logo.png",
"contactPoint": {
"@type": "ContactPoint",
"telephone": "+55-11-9999-9999",
"contactType": "customer service",
"availableLanguage": "Portuguese"
},
"sameAs": [
"https://www.linkedin.com/company/suaempresa",
"https://www.instagram.com/suaempresa"
]
}
O campo sameAs merece atenção especial: ele conecta o seu site às entidades correspondentes em outras plataformas. Modelos de linguagem usam esse tipo de referência cruzada para consolidar a identidade da marca de fontes diferentes.
2. Product ou Service
Para empresas que vendem produtos ou serviços específicos, o schema Product (ou Service, para serviços) descreve o que você oferece com atributos que o modelo pode consultar: nome, descrição, categoria, área de atendimento. Combine com Organization para criar uma relação explícita entre a empresa e o que ela oferece. Para lojas virtuais, esse dado de produto é o que mais pesa quando a IA monta uma recomendação: o artigo GEO para e-commerce mostra como ele vira citação.
3. Article
Para blogs e portais de conteúdo, o schema Article (ou BlogPosting) declara autor, data de publicação, data de atualização e tema. Data de atualização é especialmente relevante para GEO: modelos que têm acesso à data da informação tendem a preferir conteúdo recente ao responder sobre temas que evoluem.
A sequência mais eficiente: comece pelo Organization na página inicial e nas páginas de contato. Depois adicione Product nas páginas de produto ou serviço. Por fim, implemente Article no blog se ele for um canal editorial ativo.
Como auditar o que está faltando no seu site?
Antes de implementar, vale saber onde está o gap. Dois recursos gratuitos cobrem isso:
- Schema Markup Validator (validator.schema.org): cole qualquer URL e veja quais schemas estão presentes, com detalhe de campos.
- Rich Results Test do Google (search.google.com/test/rich-results): mostra não só o que está presente, mas o que está elegível para rich results.
Audite pelo menos as dez páginas com mais tráfego ou mais relevantes para o negócio. Para a maioria dos sites, a lista inclui: página inicial, sobre, página de produtos ou serviços e as cinco postagens mais visitadas do blog.
A Promptis tem uma funcionalidade de auditoria de site que mapeia esses dados automaticamente, incluindo a presença de schemas e outros fatores de GEO técnico. Vale usar como ponto de partida antes de partir para a implementação manual.
Para aprofundar em como o conteúdo editorial se relaciona com a citabilidade em IA, veja o artigo sobre conteúdo citável para IAs. E se você procura outro ajuste de meia hora na mesma linha, o passo seguinte é criar o llms.txt do seu site, o arquivo que sugere às IAs o que ler primeiro.
O que muda quando o seu site fala a língua do modelo?
Um site sem dados estruturados força o modelo a trabalhar com dedução. O LLM lê o título da página, o texto do rodapé, os links de navegação e tenta montar uma imagem coerente da empresa. Funciona razoavelmente bem para empresas grandes, com muito material disponível na web. Para PMEs com presença digital menor, o resultado costuma ser vago ou incorreto.
Com schema bem implementado, a relação muda. O modelo encontra as respostas que precisa em um formato que foi construído para ele. Nome, produto, área de atuação, contato: tudo declarado, sem ambiguidade.
O contexto maior em que isso opera vale ser entendido. O crescimento das AI Overviews e das respostas diretas em chatbots está mudando onde as marcas precisam aparecer. O artigo sobre o que é AI Overview contextualiza essa mudança para quem quer entender o quadro completo.
E para quem está começando a montar uma estratégia de GEO do zero, o guia de GEO para empresas brasileiras cobre os fundamentos antes de ir para o técnico.
Por onde começar hoje?
Se você fizer só uma coisa neste trimestre, faça esta: audite as suas dez páginas mais importantes, identifique as que não têm schema de Organization, adicione o bloco e publique.
O trabalho que vem depois, conteúdo editorial consistente, presença em fontes de autoridade, construção de reputação ao longo do tempo, é genuinamente mais difícil e mais demorado. Dados estruturados não são. São a parte que qualquer pessoa com acesso ao HTML do site consegue fazer em um dia.
Deixar esse gap aberto não é neutro. É uma escolha de não falar com os modelos que seus clientes já estão consultando.
