Los datos estructurados no hacen que una página suba posiciones por sí solos. Sirven para explicar con claridad qué representa una página, qué entidad aparece en ella y cómo se relacionan sus datos. En Google pueden hacer que una URL pueda optar a ciertos resultados enriquecidos. En ChatGPT, un estudio reciente detectó una señal positiva para negocios locales, pero OpenAI no confirma que LocalBusiness sea un factor de ordenación y el experimento no permite llevar ese resultado a todos los casos.
La decisión útil no va de elegir entre «schema sí» o «schema no». Va de definir para qué se usa, qué resultado puede medirse y qué trabajo más importante podría quedar fuera por dedicarle tiempo.
¿Los datos estructurados mejoran el posicionamiento?
No hay una mejora automática de posiciones por añadir datos estructurados. La documentación de Google los presenta como una ayuda para entender el contenido y como requisito de elegibilidad para ciertas apariencias enriquecidas. Que el marcado sea válido no garantiza que Google muestre un rich result ni que la página suba posiciones.
En ChatGPT la respuesta es menos clara. Un estudio publicado en junio de 2026 observó una mejora relativa en una consulta local general después de añadir marcado avanzado basado en LocalBusiness. El efecto no apareció en una consulta más específica y tampoco se confirmó en Google Search, Google Maps, Gemini, Grok ni en las funciones generativas de Google según el criterio estadístico del autor.
| Objetivo | Utilidad documentada | Lo que no debe prometerse |
|---|---|---|
| Ayudar a interpretar una página | Describir entidades, propiedades y relaciones de forma legible por máquinas. | Que el buscador dependa solo del marcado para entender el contenido. |
| Obtener una apariencia enriquecida | Hacer que una página pueda optar a una función compatible cuando cumple los requisitos. | Que el rich result vaya a mostrarse siempre. |
| Mejorar posiciones | El marcado puede formar parte de una implementación SEO correcta. | Una subida directa en Google, Maps o ChatGPT. |
Qué son los datos estructurados y por qué se confunden con los rich results
Schema.org es un vocabulario amplio para describir productos, organizaciones, personas, negocios, servicios, eventos y muchas otras entidades. Los datos estructurados son la forma de aplicar ese vocabulario mediante formatos como JSON-LD, Microdata o RDFa.
Google solo usa una parte de Schema.org para funciones concretas de su buscador. Por eso pueden darse tres situaciones diferentes:
- El marcado es válido según Schema.org y Google tiene una función compatible.
- El marcado es válido, pero Google no ofrece una apariencia enriquecida asociada.
- El marcado contiene errores o información que no coincide con el contenido visible.
Un rich result es la presentación que Google puede mostrar, por ejemplo con precio, disponibilidad, valoración, receta, evento o empleo. No es sinónimo de schema y tampoco es lo mismo que un featured snippet. Google selecciona los fragmentos destacados con sus propios sistemas y no ofrece un marcado para convertir una página en featured snippet.
Qué aportan los datos estructurados en Google
La documentación oficial de Google explica que los datos estructurados dan pistas explícitas sobre el significado de una página y pueden activar resultados más completos. También recomienda validar el marcado y comprobar cómo lo ha rastreado Google.
Su utilidad depende del tipo de página. En una tienda online, el marcado Product y Offer puede comunicar precio, disponibilidad, envíos o devoluciones. En una oferta de empleo, JobPosting puede hacerla elegible para la experiencia de búsqueda de empleo. En una página corporativa, Organization puede ayudar a diferenciar la entidad y sus datos administrativos.
LocalBusiness permite describir información como dirección, horarios, teléfono o departamentos. Eso no lo convierte en una palanca independiente de SEO local. Google Business Profile, la información visible de la web, las páginas locales, las menciones externas y la relevancia para la consulta siguen siendo piezas distintas.
Google también indica que no existe un schema especial para aparecer en AI Overviews o AI Mode. Su guía para búsquedas generativas recomienda no concentrar demasiados recursos en datos estructurados con ese objetivo. Las prácticas SEO habituales, la indexación, los enlaces internos, la información textual y la coherencia entre el marcado y el contenido siguen siendo la base.
Qué encontró el estudio sobre Google, Maps y ChatGPT
El estudio de Jake Hundley para Evergrow Marketing analizó empresas estadounidenses de jardinería y cuidado del césped. Según la metodología publicada, incluyó 29 dominios y 36 ubicaciones de Google Business Profile. Primero se retiró el marcado y se dejó un periodo de estabilización de cinco semanas. Después se añadió un grafo avanzado basado en LocalBusiness al grupo de prueba durante otras cinco semanas.
El tratamiento no se quedó en un nombre y una dirección. Incluía horarios, coordenadas, áreas de servicio, perfiles externos, identificadores sectoriales, servicios y relaciones entre el negocio, la página y el sitio web. Por eso el experimento no permite aislar qué propiedad concreta pudo influir.
Las posiciones tradicionales se midieron con Moz Pro. Google Maps y las respuestas de sistemas generativos se midieron con LocalFalcon. En el caso de ChatGPT, «posición» significa el orden que esa herramienta asignó a las marcas detectadas dentro de respuestas obtenidas desde una geocuadrícula. No es una métrica oficial de OpenAI.
| Entorno | Consulta local general | Consulta con zona y horario |
|---|---|---|
| Google Search y Google Mobile | No se aceptó una mejora atribuible al marcado. | No se aceptó una mejora atribuible al marcado. |
| Google Maps | El grupo de control rindió mejor. | El grupo de control rindió mejor. |
| Gemini, Grok y funciones generativas de Google | No se superó el umbral definido por el autor. | No se superó el umbral definido por el autor. |
| ChatGPT | Se comunicó una señal positiva en posición y frecuencia de aparición. | No se aceptó un efecto. |
El resultado positivo comunicado para ChatGPT
En la consulta general, la posición media del grupo de control pasó de 12,65 a 11,97. La del grupo con marcado pasó de 12,63 a 8,63. El estudio calculó una ventaja relativa aproximada de 3,33 posiciones y comunicó un nivel de confianza del 92,91 %.
En la métrica llamada Share of AI Voice, el grupo de control pasó del 34,75 % al 31,02 %. El grupo de prueba pasó del 37,76 % al 44,03 %. La diferencia relativa entre ambos cambios fue cercana a diez puntos porcentuales y el nivel de confianza comunicado fue del 91,51 %.
Estos porcentajes no significan que una empresa tenga más de un 90 % de probabilidades de mejorar. Son el resultado de una prueba estadística aplicada por el autor con un umbral propio del 90 %. El estudio hizo varias comparaciones, no publicó los datos brutos y los dos indicadores positivos salen de las mismas respuestas de ChatGPT.
Qué puede concluirse y qué no
| Afirmación | Valoración |
|---|---|
| Los datos estructurados pueden habilitar rich results en Google. | Está documentado, siempre que el tipo sea compatible y se cumplan las políticas. |
LocalBusiness mejora por sí solo el ranking en Google o Maps. |
No lo sostiene la documentación oficial ni el experimento analizado. |
| El estudio observó una señal positiva en ChatGPT. | Sí, pero solo en una consulta general y con la métrica de LocalFalcon. |
| OpenAI confirma schema como factor de ordenación. | No. La documentación oficial revisada no lo afirma. |
| El efecto está probado para empresas españolas. | No. La muestra corresponde a un sector local de Estados Unidos. |
La explicación causal sigue abierta. Los datos estructurados podrían facilitar la extracción o la desambiguación de información. También es posible que el efecto dependa de la herramienta, de cómo se formula la consulta, de fuentes externas o de cambios ocurridos durante el periodo. El experimento observa una diferencia, pero no identifica el mecanismo.
OpenAI sí documenta un requisito más directo para su buscador. Para que un sitio pueda aparecer en las respuestas de búsqueda conviene permitir el acceso de OAI-SearchBot. La documentación de ChatGPT Search explica que el sistema también puede reformular consultas y utilizar proveedores externos, así que la accesibilidad del sitio no equivale a controlar el orden de las recomendaciones.
Cuándo merece la pena implementar datos estructurados
La implementación suele tener sentido cuando cumple al menos una de estas condiciones:
- Existe una función documentada de Google que puede aportar información útil al resultado.
- La web necesita desambiguar una organización, un producto, una oferta, un evento o un negocio local.
- Los datos ya están visibles, son fiables y pueden mantenerse cuando cambien.
- El coste de implementación y revisión es proporcionado al proyecto.
- Hay una forma razonable de comprobar errores y medir resultados.
Cuándo no debería ser la prioridad
No conviene empezar por schema cuando existen problemas más básicos:
- Páginas importantes bloqueadas, no indexadas o difíciles de rastrear.
- Información comercial contradictoria entre la web, los perfiles y los directorios.
- Contenido insuficiente para responder a la intención de búsqueda.
- Arquitectura confusa o enlaces internos que no permiten encontrar las páginas relevantes.
- Marcado generado por varios plugins con entidades duplicadas o datos incompatibles.
- Falta de una persona responsable de actualizar precios, horarios, stock o ubicaciones.
En una tienda online, por ejemplo, corregir productos no indexables, filtros que crean miles de URLs o fichas sin información comercial suele ser más urgente que añadir propiedades opcionales al marcado.
Cómo implementarlos y medirlos sin convertirlos en una promesa
- Define el objetivo. Determina si buscas una función de Google, una descripción coherente de la entidad o una prueba de visibilidad.
- Revisa el contenido visible. Confirma que horarios, precios, disponibilidad, direcciones y servicios sean correctos.
- Elige el tipo adecuado. Usa la documentación específica de Google cuando el objetivo sea un rich result.
- Evita duplicidades. Comprueba qué marcado generan el tema, WooCommerce y los plugins SEO antes de añadir otro sistema.
- Valida y rastrea. Usa Rich Results Test, Schema Markup Validator y la inspección de URL de Search Console.
- Comprueba los rastreadores. Revisa robots.txt, el cortafuegos y la CDN para Googlebot y OAI-SearchBot cuando quieras optar a ambos sistemas.
- Mide por separado. Observa errores, apariencias de búsqueda, clics, referencias desde ChatGPT y conversiones. No confundas una mención con una venta.
Google recomienda probar primero en un conjunto limitado de páginas y comparar su rendimiento durante un periodo suficiente. En ChatGPT puede revisarse el tráfico con el parámetro de referencia utm_source=chatgpt.com, además de registrar manualmente consultas relevantes. La variabilidad de las respuestas obliga a tener cuidado al hablar de posiciones estables.
La decisión correcta depende de la prioridad, no del entusiasmo por la herramienta
Los datos estructurados aportan valor cuando describen información real, habilitan una función útil o reducen ambigüedades. No sustituyen el contenido, la indexación, la arquitectura, la reputación ni la calidad de la información comercial.
El estudio analizado justifica probar LocalBusiness en determinados negocios locales, pero no venderlo como una garantía de visibilidad en ChatGPT. Lo razonable es implementarlo bien cuando el coste sea proporcionado, mantenerlo y medirlo dentro de una estrategia de posicionamiento orgánico más amplia.
Cuando una web combina varios plugins, ubicaciones, catálogos o fuentes de datos, conviene revisar primero qué entidades se están publicando y qué resultado se espera. Una reunión puede servir para valorar ese alcance y separar correcciones necesarias de mejoras opcionales.
