GEO/AEO

O que é schema markup e por que IAs o usam (2026)

Luiz Gardelin
30/06/2026

Schema markup é um código adicionado ao HTML do seu site que traduz o conteúdo da página em linguagem que máquinas entendem sem ambiguidade. Não é sobre rich snippets de estrelinhas no Google. É sobre dizer a IAs como o ChatGPT, o Google AI Overview e o Perplexity quem você é, o que você publica e por que deveriam confiar no que você diz.

Em março de 2025, Google e Microsoft confirmaram publicamente o que pesquisadores de SEO suspeitavam: ambas as empresas usam schema markup para suas funcionalidades de IA generativa. A confirmação oficial mudou o status do schema markup, que passou de tática opcional de SEO para infraestrutura de comunicação com IA.

A maioria dos sites brasileiros ainda não entendeu essa mudança.

Pontos Importantes

Schema markup traduz conteúdo do seu site em dados estruturados que IAs entendem sem inferência
Em março 2025, Google e Microsoft Bing confirmaram publicamente que usam schema para funcionalidades de IA generativa
Experimento controlado do Search Engine Land: site sem schema não foi indexado; site com schema bem implementado apareceu em AI Overview na posição 3
63% dos sites têm zero schema markup. Dos 37% restantes, apenas 5-10% implementam corretamente
JSON-LD é o formato recomendado pelo Google. Os outros formatos (Microdata, RDFa) são legados
Schema não é fator de ranking direto, mas é fator de citabilidade em IA – uma distinção importante

O que é schema markup

Schema markup (ou dados estruturados) é um vocabulário padronizado de código que você adiciona ao HTML de um site para descrever entidades e relações de forma que motores de busca e sistemas de IA consigam processar sem ambiguidade.

Antes do schema, um buscador lia um parágrafo e precisava inferir se aquele texto era sobre uma pessoa, um produto, um evento ou uma receita. Com schema, a página declara explicitamente: “isto é um Article, escrito por esta Person, publicado por esta Organization, nesta data”. Não há interpretação. Há dados.

Schema markup, dados estruturados e Schema.org: a diferença entre os três

Três termos aparecem juntos e confundem todo mundo. A distinção é simples:

Dados estruturados é o conceito: qualquer código que organiza informação em formato legível por máquinas, não só por humanos.
Schema markup é a implementação prática desse conceito usando o vocabulário Schema.org.
Schema.org é o vocabulário compartilhado, criado em 2011 pelo Google, Bing, Yahoo e Yandex para padronizar como sites se comunicam com buscadores. A versão atual conta com 823 tipos de schema disponíveis.

Na prática: você usa schema markup (a técnica) para implementar tipos do Schema.org (o vocabulário) no formato de dados estruturados (o conceito) que o Google vai ler.

Como o schema markup funciona na prática

O formato recomendado pelo Google é o JSON-LD (JavaScript Object Notation for Linked Data). Um bloco de JSON-LD fica no <head> da página como um script separado, sem modificar o HTML visível.

Exemplo real de Article schema para um artigo de blog:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "O que é schema markup e por que IAs o usam",
  "datePublished": "2026-04-14",
  "dateModified": "2026-04-14",
  "author": {
    "@type": "Person",
    "name": "Luiz Gardelin",
    "url": "https://tropk.ai/sobre"
  },
  "publisher": {
    "@type": "Organization",
    "name": "Tropk.ai",
    "url": "https://tropk.ai",
    "logo": {
      "@type": "ImageObject",
      "url": "https://tropk.ai/logo.png"
    }
  },
  "description": "Schema markup traduz seu site para máquinas. Veja o que mudou com a IA e como começar."
}
</script>

Cada propriedade tem função específica: @type declara o que a página é, author com @type Person declara quem escreveu, publisher com @type Organization declara quem publica. A IA não precisa adivinhar nenhuma dessas informações. Estão declaradas.

Schema markup é obrigatório ou opcional?

Schema markup não é tecnicamente obrigatório para que um site seja indexado ou ranqueado pelo Google. Mas um estudo controlado do Search Engine Land (set/2025) mostrou que uma página sem schema, mesmo com conteúdo de qualidade equivalente, não foi indexada – enquanto a página com schema bem implementado foi indexada, ranqueou para 6 keywords e apareceu na posição 3 do Google AI Overview. Na prática, para qualquer site que queira aparecer em AI Overviews em 2026, schema markup é obrigatório.

O que mudou: de tática de SEO a infraestrutura para IA

Schema markup passou de tática opcional de SEO a infraestrutura obrigatória de comunicação com IA a partir de março de 2025, quando Google e Microsoft declararam publicamente que usam dados estruturados em suas funcionalidades de IA generativa. Antes de março de 2025, schema era recomendado para rich snippets. A partir de então, tornou-se a forma padrão pela qual IAs acessam, verificam e citam informação de sites.

Quando Google e Microsoft confirmaram o que já suspeitávamos

Em março de 2025, duas declarações mudaram o status do schema markup no mercado:

Google: “Structured data is critical for modern search features because it is efficient, precise, and easy for machines to process.” A declaração foi registrada por Mike King (iPullRank) em tweet público e gerou repercussão imediata na comunidade de SEO.

Microsoft Bing: Fabrice Canel, Principal Product Manager do Bing, confirmou no LinkedIn que o Bing usa schema markup para seus LLMs e para o Copilot. O registro da declaração está documentado por David Mihm.

Em maio de 2025, o Google publicou o guia “Succeeding in AI Search”, reforçando dados estruturados como prioridade. E o OpenAI confirmou que o ChatGPT usa structured data para determinar quais produtos aparecem em resultados de shopping.

Não são correlações ou experimentos. São declarações formais das empresas que controlam os principais sistemas de busca e IA do mundo.

A timeline que explica tudo

Para entender onde estamos, vale ver de onde viemos:

2011: Google, Bing, Yahoo e Yandex lançam o Schema.org como vocabulário compartilhado
Agosto de 2023: Google retira FAQ e HowTo rich results da SERP. Sites que dependiam dessas features perderam tráfego overnight. Martha van Berkel, CEO da Schema App, documentou o impacto: “In August 2023, Google announced it was retiring FAQ and How-to rich results. For many enterprise sites, those features accounted for a significant share of their organic clicks. Overnight, traffic disappeared.”
Março de 2025: Google e Microsoft declaram publicamente que usam schema para IA generativa. Ponto de inflexão.
Maio de 2025: Google publica guia formal de structured data para AI Search.
2026: Schema como infraestrutura de comunicação com IA, não mais como tática de rich snippets.

A retirada do FAQ e HowTo em 2023 foi o sinal mais importante. Os sites que tinham schema apenas por causa de rich results perderam. Os sites que tinham schema para ajudar máquinas a entender significado continuaram crescendo. Como Martha van Berkel escreveu: “A resposta nunca foram os rich results. Sempre foi sobre ajudar máquinas a entender significado.”

Por que schema markup importa para o Google AI Overview

O Google AI Overview (AIO) decide o que citar usando sinais que vão além do ranking tradicional. Schema bem implementado é um deles.

Como o AI Overview decide o que citar

O AI Overview usa schema para identificar entidades, verificar autoridade e confirmar que a informação está atualizada. Quando uma página tem schema que declara quem escreveu, quando foi publicado, por qual organização e sobre qual tema, a IA tem dados verificáveis para trabalhar. Sem schema, ela precisa inferir – e inferência gera alucinação.

Dados que confirmam o impacto:

Após implementar Entity Linking (uma forma avançada de schema), a própria Schema App mediu +19,72% de aumento em AI Overview visibility no seu site.
Páginas com schema válido são 2-4 vezes mais propensas a aparecer em AI Overviews do que páginas sem schema.
Sites com schema bem implementado têm 36% mais chance de citação em resumos de IA.

O experimento que prova que schema muda tudo

Em setembro de 2025, Molly Nogami e Ben Tannenbaum publicaram no Search Engine Land o único experimento controlado disponível sobre schema e AI Overviews. Três sites com conteúdo similar, keywords de dificuldade equivalente, submetidos para indexação ao mesmo tempo. A única variável era o schema.

Site	Schema	Apareceu em AI Overview	Ranking máximo	Keywords ranqueadas
A	Bem implementado	Sim (posição 3)	Posição 3	6 keywords
B	Mal implementado	Não	Posição 8	10 keywords
C	Sem schema	Não (não indexado)	N/A	0 keywords

O Site B ranqueou para mais keywords que o Site A, mas não apareceu em nenhum AI Overview. O Site C foi rastreado pelo Google em minutos, mas não foi indexado.

A conclusão dos pesquisadores: “A qualidade do schema – não apenas sua presença – pode ter papel na visibilidade em AI Overview.”

O resultado do experimento é significativo: schema ruim é quase tão ineficaz quanto schema ausente para aparição em AI Overviews. E a ausência total de schema pode comprometer até a indexação – o Site C foi rastreado mas nunca indexado pelo Google.

Por que schema markup importa para ChatGPT, Perplexity e outros

Schema markup influencia a forma como ChatGPT, Perplexity e outros LLMs (Large Language Models) processam e citam informação sobre marcas e empresas – não apenas o Google. O OpenAI confirmou que o ChatGPT usa dados estruturados para resultados de shopping, e o Microsoft Bing (Copilot) confirmou em março de 2025 que usa schema markup em seus modelos de linguagem. Quando o schema está inconsistente ou ausente, as consequências aparecem como informação errada sobre a sua marca nas respostas de qualquer uma dessas IAs.

Como LLMs processam dados estruturados

LLMs não leem páginas como humanos, processando parágrafos em sequência. Eles processam sinais estruturados para identificar entidades e relações confiáveis. Schema markup cria um grafo de conhecimento ao estruturar dados usando propriedades como @id, sameAs, about e mentions.

O Gartner identificou Knowledge Graphs como “critical enabler for generative AI adoption”. Schema markup é a forma prática de construir esse grafo para o seu site.

O resultado medido: conteúdo com entity-based SEO aparece significativamente mais em respostas de IA do que conteúdo sem essa estrutura. Se você quiser ver o impacto técnico completo com dados de implementação, veja o guia técnico de otimização para citabilidade em IA que publicamos com os requisitos detalhados por tipo de página.

O que acontece quando o schema é inconsistente: o caso Wells Fargo

O Wells Fargo passou por um problema documentado pela Schema App: o Google AI Overview mostrava que uma de suas agências estava fechada. A informação era falsa. A agência estava aberta e funcionando.

O que havia acontecido: a IA encontrou um artigo de notícia antigo que mencionava o fechamento temporário da agência. Na ausência de schema atualizado na página oficial da localização, a IA não tinha como comparar qual fonte era mais confiável. Escolheu o artigo.

A solução, documentada no case study da Schema App: adicionar schema markup semântico à página da localização e conectar ao Knowledge Graph do site. Após a implementação, o AI Overview passou a responder corretamente.

A lição não é sobre o Wells Fargo. É sobre o mecanismo. Alucinações de IA sobre a sua marca raramente são problema da IA – são problema de schema. A IA usa a fonte mais estruturada disponível. Se a fonte mais estruturada sobre a sua empresa for um artigo externo desatualizado, é isso que ela vai citar. Vale lembrar que 96% das citações de IA vêm de sites de terceiros, não do site oficial da marca: schema + entity linking é a forma de inverter esse dado.

E o InSinkErator, outra empresa que trabalhou com schema em escala via Entity Linking, registrou +69% de aumento em clicks de queries não-branded após a implementação. O schema não só corrigiu informações: gerou tráfego incremental real.

Os tipos de schema que mais impactam a citabilidade em IA

Existem 823 tipos de schema no Schema.org. A maioria é irrelevante para o seu site. Os que importam para citabilidade em IA são específicos.

Antes de ver quais são: 63% dos sites têm zero schema. Dos 37% que têm algum schema, apenas 5-10% implementam corretamente. Se você está nesse grupo, já está à frente da maioria.

Tipo de schema	Para que serve	Impacto em IA	Quando usar
Article / BlogPosting	Declara autor, data, publisher, tema	Base para IAs verificarem autoria e autoridade	Em todo conteúdo editorial
FAQPage	Estrutura perguntas e respostas	Alto: IAs adoram extrair Q&A diretamente	Em páginas com FAQ
Organization	Identidade da empresa: nome, site, redes sociais	Base para IAs identificarem a entidade “sua empresa”	Em toda página do site
Person	Perfil de autores e pessoas da empresa	IAs verificam credibilidade pelo perfil do autor	Em páginas de autor
HowTo	Tutoriais em steps estruturados	IAs citam steps para responder “como fazer”	Em tutoriais e guias
Speakable	Marca trechos para leitura por voice AI	Criado especificamente para IA e voice search	Em partes-chave de artigos

Article e BlogPosting: o mínimo para qualquer página de conteúdo

Article schema declara quem escreveu, quando foi publicado e qual entidade publica. Sem essas informações estruturadas, uma IA não tem como verificar autoria e autoridade – dois critérios que ela usa para decidir se cita uma fonte.

As propriedades mínimas: headline, author (com @type: Person), datePublished, dateModified, publisher (com @type: Organization), description e image.

FAQPage: o schema com maior CTR e alto potencial de citação

FAQ Schema tem o CTR médio de 87% – o mais alto entre todos os tipos de rich results. Mais do que isso: FAQPage é o schema mais alinhado com o formato que IAs usam para responder perguntas. Uma pergunta com resposta autocontida é exatamente o que um AI Overview extrai.

O Google retirou FAQ rich results da SERP em agosto de 2023. Mas o FAQPage schema continuou sendo consumido pelos sistemas de IA para entender estrutura de conteúdo. Implementar FAQPage não é sobre aparecer com perguntas na SERP. É sobre estruturar seu conteúdo de forma que IAs consigam extrair respostas claras.

Organization e Person: a identidade da sua marca para IAs

Organization schema é a “carteira de identidade” da empresa para sistemas de IA: nome, URL oficial, redes sociais, @id único, sameAs apontando para entidades confiáveis (Wikipedia, Wikidata, Google Knowledge Panel).

Sem Organization schema, uma IA não tem como verificar se o site existe como entidade confiável. Ela pode citar a Wikipedia sobre a sua empresa, ou um artigo de terceiros, em vez da sua página oficial.

Person schema para autores tem impacto direto na E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) que IAs usam para avaliar credibilidade de fontes. Incluir nome, cargo, links para LinkedIn e outras fontes confiáveis.

HowTo: tutoriais que IAs adoram citar

HowTo schema estrutura tutoriais em steps numerados com name, text, image e url. Quando alguém pergunta ao ChatGPT “como implementar schema markup”, o sistema busca conteúdo estruturado em passos claros. HowTo schema é a forma mais direta de sinalizar esse formato.

Como o Article FAQPage, o Google retirou HowTo rich results da SERP em 2023. O schema HowTo, no entanto, continua sendo processado por sistemas de IA para identificar estrutura tutorial.

Speakable: o schema desenhado especificamente para IA

Speakable é o único tipo de schema criado especificamente para experiências de IA e voice search. Ele marca as partes do conteúdo que devem ser lidas ou citadas por assistentes de voz e AI Overviews.

A documentação oficial está em developers.google.com/search/docs/appearance/structured-data/speakable. Está em fase experimental, mas a relevância cresce conforme AI Overviews expandem para voz.

Nenhum dos principais concorrentes brasileiros de “o que é schema markup” menciona Speakable. Para sites que produzem conteúdo editorial, é um diferencial de estrutura agora e um requisito provável em breve.

Como implementar schema markup no formato certo

Implementar schema markup corretamente requer escolher o formato certo (JSON-LD), saber onde testá-lo (Rich Results Test e Schema Markup Validator) e entender as limitações dos plugins para WordPress. Os erros mais comuns – schema mal estruturado ou ausente – são exatamente os que o experimento do Search Engine Land (set/2025) provou reduzirem a zero a aparição em AI Overviews, mesmo com conteúdo de qualidade.

JSON-LD: o formato que o Google recomenda “sempre que possível”

O Google documenta oficialmente o JSON-LD como formato preferencial para dados estruturados. Os outros formatos – Microdata e RDFa – existem por compatibilidade histórica. Para sites novos ou páginas sendo atualizadas, JSON-LD é a escolha certa.

Por que JSON-LD é melhor: não exige alteração no HTML visível, é adicionado como bloco de script separado, e é muito mais fácil de manter e atualizar do que Microdata embutido no HTML.

Como testar se o schema markup está funcionando

Para verificar se o schema markup de uma página está correto, existem três ferramentas oficiais gratuitas. A validação é obrigatória: schema com erros estruturais pode ser ignorado pela IA, como provou o Site B do experimento do Search Engine Land (que tinha schema mas mal implementado e não apareceu em nenhum AI Overview).

Rich Results Test (search.google.com/test/rich-results): verifica se o schema é válido e elegível para rich results no Google. Mostra o que o Googlebot enxerga.
Schema Markup Validator (validator.schema.org): verifica aderência ao vocabulário Schema.org. Mais abrangente que o Rich Results Test – testa tipos que não geram rich results mas são consumidos por IAs.
Google Search Console: o painel de “Melhorias” mostra erros e avisos de schema para todo o site em escala, não só para uma página isolada.

Implementação no WordPress sem código

A maioria dos sites brasileiros usa WordPress. Para schema básico, plugins resolvem:

Yoast SEO: gera Article, Organization e BreadcrumbList automaticamente. Cobertura básica.
RankMath: schema mais completo que o Yoast no plano gratuito, incluindo FAQPage integrado ao editor de blocos.
Schema Pro: plugin dedicado a schema com tipos mais avançados.

Para schema avançado – Organization com sameAs, Entity Linking, Knowledge Graph – plugins têm limitações. JSON-LD manual ou ferramentas especializadas geralmente são necessários.

O que schema markup não é

Schema markup não é um fator de ranking direto no Google, não garante citação em IA e não salva conteúdo de baixa qualidade. Confundir schema com solução mágica de SEO é um erro comum. Schema é infraestrutura de comunicação com máquinas, não substituto para conteúdo relevante – e essa distinção importa para definir onde investir tempo e recursos.

Schema não é fator de ranking direto

O Google confirmou: schema markup não é um sinal de ranking direto. Implementar schema não sobe a posição orgânica da página.

O que schema faz: melhora CTR via rich results, melhora compreensão semântica da página, e aumenta probabilidade de aparecer em AI Overviews e ser citado por LLMs. São efeitos reais, mas indiretos no ranking.

O impacto no CTR é significativo: rich results representam 58% dos cliques em resultados de busca vs 41% para resultados comuns. Casos documentados mostram a diferença: a Nestlé registrou +82% de CTR em páginas com rich snippets, a Food Network +35% de tráfego com markup de receitas.

Mas esses ganhos são consequência de schema bem feito em conteúdo que já é relevante, não schema compensando conteúdo raso.

Schema não salva conteúdo ruim

O Site B do experimento do Search Engine Land ranqueou para 10 keywords, mas não apareceu em nenhum AI Overview. Tinha schema, só que mal implementado.

A conclusão prática: schema é infraestrutura. Infraestrutura boa com conteúdo ruim é uma casa bem construída sem ninguém dentro. Schema perfeito com conteúdo que não responde à pergunta do leitor não vai ser citado por nenhuma IA.

O ponto de partida correto é conteúdo que realmente responde à busca do leitor. Schema markup vem depois, para garantir que máquinas consigam ler e verificar o que humanos já encontraram útil.

Se você quer monitorar como sua marca aparece nas respostas de IA – e se o schema está funcionando para isso – a Tropk.ai faz exatamente isso: mede visibilidade de marcas em ChatGPT, Google AI Overviews e Perplexity, e identifica os gaps que estão deixando sua marca invisível para as IAs. Entenda o que é Visibility Score e como medir a presença da sua marca em IA.

FAQ: Schema markup e respostas de IA

Schema markup é fator de ranqueamento no Google?

Não. O Google confirmou que schema markup não é um sinal de ranking direto. O que schema faz é melhorar o CTR via rich results, aumentar a probabilidade de aparecer em AI Overviews e ajudar LLMs a compreender e verificar o conteúdo da página. Esses efeitos podem influenciar métricas que contribuem para ranking ao longo do tempo, mas schema sozinho não sobe posição.

Qual é a diferença entre schema markup e dados estruturados?

Dados estruturados é o conceito: qualquer código que organiza informação em formato legível por máquinas. Schema markup é a implementação prática usando o vocabulário Schema.org, o padrão criado em 2011 por Google, Bing, Yahoo e Yandex. Na prática, os termos são usados como sinônimos, mas tecnicamente dados estruturados é o conceito mais amplo e schema markup é a implementação específica.

Schema markup ajuda a aparecer no ChatGPT e no Perplexity?

Sim. O OpenAI confirmou que o ChatGPT usa structured data para determinar quais produtos aparecem em resultados de shopping. O Microsoft Bing (Copilot) confirmou em março de 2025 que usa schema markup para seus LLMs. Perplexity e outros sistemas de busca com IA também processam dados estruturados para identificar entidades e verificar informação. Schema não garante citação em nenhuma IA, mas aumenta significativamente a probabilidade de ser compreendido e citado corretamente.

Como saber se meu site já tem schema markup?

Três formas: (1) Cole a URL da página no Rich Results Test (search.google.com/test/rich-results) para ver se há schema válido. (2) Use o Schema Markup Validator (validator.schema.org) para verificação mais completa. (3) No Google Search Console, acesse “Melhorias” para ver o relatório de schema de todo o site, incluindo erros e avisos. A presença de schema no código-fonte também pode ser verificada abrindo a página, clicando em “Ver código-fonte” e buscando por application/ld+json.

Preciso de programador para implementar schema markup?

Depende do nível de implementação. Para schema básico em WordPress, plugins como RankMath e Yoast SEO geram Article, Organization e BreadcrumbList automaticamente, sem código. Para schema avançado – Organization com sameAs apontando para bases externas, Entity Linking entre páginas, Knowledge Graph personalizado – geralmente é necessário JSON-LD manual ou ferramentas especializadas. O ponto de partida sem código é suficiente para a maioria dos sites.

O que é Entity Linking e por que importa para schema markup?

Entity Linking é a prática de conectar entidades do seu site a bases de dados externas confiáveis (Wikidata, Wikipedia, Google Knowledge Panel) usando a propriedade sameAs no schema. Quando você declara que sua empresa no schema é a mesma entidade que existe no Wikidata, a IA consegue cruzar informações sobre a sua marca de fontes múltiplas com confiança. É isso que corrigiu o problema do Wells Fargo: o schema conectou a página oficial da agência ao Knowledge Graph da empresa, e o AI Overview passou a usar a fonte certa. A Schema App mediu +19,72% de aumento em AI Overview visibility após implementar Entity Linking no seu próprio site.

Compartilhe: