Structured data schema é a ponte entre o seu conteúdo e as máquinas.

Bem implementado, gera rich results e citações de IA fiáveis; mal feito, quebra elegibilidade e espalha dados errados.

Este guia mostra como desenhar templates JSON-LD, governar IDs, validar em escala e monitorizar impacto em pesquisa de IA.

Use-o em conjunto com o nosso pilar de dados estruturados em Structured Data: The Complete Guide for SEO & AI e com o pilar de entidades em Entity Optimization: The Complete Guide & Playbook.

O que é structured data schema

É contexto legível por máquinas (normalmente JSON-LD) que rotula as suas entidades — Organization, Product, Person, Article, LocalBusiness, Event, FAQ, HowTo — e as respetivas relações.

O schema deve espelhar o conteúdo on-page e manter-se consistente em todo o site e feeds.

Princípios para schema fiável

  • Usar JSON-LD em vez de microdata; manter um bloco limpo por entidade/grupo.

  • Reutilizar valores @id estáveis entre páginas e idiomas.

  • Fazer corresponder valores do schema ao conteúdo visível; nada de dados escondidos ou contraditórios.

  • Preencher campos obrigatórios e recomendados; evitar tipos descontinuados.

  • Validar antes e depois do deploy; monitorizar continuamente.

Arquitetura: templates e mapa de IDs

  • Criar templates de schema por tipo de conteúdo (Article, Product, FAQ, HowTo, LocalBusiness, Event, Person, Organization, WebSite).

  • Manter um ID map com @id, sameAs, owner e last updated para cada entidade.

  • Usar anchors nos IDs (por ex. /product/widget-2000#product) para se manterem estáveis durante redesigns.

  • Localizar texto, não IDs; usar inLanguage e hreflang para gerir locales.

Checklists ao nível de campos

Article/BlogPosting

  • headline, author (Person @id), publisher (Organization @id), datePublished/dateModified, image, about/mentions, BreadcrumbList.

FAQ

  • Perguntas e respostas visíveis on-page; nada de stuffing ou FAQs escondidas.

HowTo

  • Passos com name/text; imagens quando útil; duração/custo se fizer sentido; seguir a ordem on-page.

Product/Service

  • name, description, image, brand, identificadores (sku/gtin/mpn), offers (price, priceCurrency, availability, url, priceValidUntil se promo), aggregateRating se first-party.

LocalBusiness

  • name, address, geo, telephone, openingHoursSpecification, image, parentOrganization, priceRange, sameAs.

Event

  • name, startDate/endDate com timezone offset, eventAttendanceMode, eventStatus, location, organizer, offers, performer/speaker.

Person

  • name, jobTitle, worksFor, description, image, sameAs, knowsAbout/specialty, @id estável.

Organization/WebSite

  • name, url, logo, sameAs, contactPoint, potentialAction (SearchAction) para Sitelinks searchbox.

Exemplos de snippets JSON-LD

Product

{
  "@context": "https://schema.org",
  "@type": "Product",
  "@id": "https://example.com/products/widget-2000#product",
  "name": "Widget 2000",
  "description": "Industrial widget designed for 24/7 uptime.",
  "image": ["https://example.com/images/widget-2000-front.jpg"],
  "brand": {"@type": "Organization", "@id": "https://example.com/#org", "name": "Example Systems"},
  "sku": "W2000",
  "gtin13": "5601234567890",
  "offers": {
    "@type": "Offer",
    "price": "1999.00",
    "priceCurrency": "EUR",
    "availability": "https://schema.org/InStock",
    "priceValidUntil": "2025-12-31",
    "url": "https://example.com/products/widget-2000"
  }
}

Article com autor e about/mentions

{
  "@context": "https://schema.org",
  "@type": "Article",
  "@id": "https://example.com/insights/schema-os-guide#article",
  "headline": "Structured Data Schema OS",
  "author": {"@id": "https://example.com/team/ana-silva#person"},
  "publisher": {"@id": "https://example.com/#org"},
  "datePublished": "2025-02-10",
  "dateModified": "2025-02-12",
  "image": "https://example.com/images/schema-os.jpg",
  "about": [{"@id": "https://example.com/#org"}],
  "mentions": [{"@id": "https://example.com/products/widget-2000#product"}]
}

Dicas de performance e UX

  • Manter JSON-LD enxuto; evitar blocos duplicados ou propriedades não usadas.

  • Servir schema do lado do servidor; garantir que renderiza mesmo com scripts bloqueados.

  • Usar URLs de imagem rápidas e fiáveis; imagens partidas prejudicam confiança e elegibilidade.

  • Evitar scripts bloqueantes que atrasam render; manter schema perto do head para clareza.

Capacitação da equipa

  • Treinar editores nos campos obrigatórios por template e nas regras de about/mentions.

  • Dar a devs exemplos de JSON-LD e test scripts; incluir checks de schema em CI.

  • Dar a analistas acesso ao ID map e definições para montarem dashboards fidedignos.

  • Partilhar wins (novos rich results, citações) para reforçar disciplina de governação.

Workflow de implementação

  1. Definir entidades e IDs; atualizar o ID map.

  2. Escolher template e campos obrigatórios para cada tipo de página.

  3. Injetar JSON-LD via componentes ou tag manager; evitar schema duplicado.

  4. Validar em staging com Rich Results Test e Schema Markup Validator.

  5. Correr parity checks (preço, horários, bios) vs página e feeds.

  6. Fazer deploy com linting em CI e checks de HTML renderizado; anotar release.

Governação e controlos

  • CI: validar campos obrigatórios, detetar @id duplicados, falhar builds em caso de campos vazios.

  • Rendering: Playwright/Puppeteer para garantir que schema existe pós-hidratação.

  • Registry: ID/sameAs map central com approvals; nada de IDs novos para entidades já existentes.

  • Change log: registar alterações de schema com links de validação; obrigatório para auditorias.

  • Ownership: atribuir owners por tipo de schema (Product, Article, LocalBusiness, Person, Event).

QA em escala

  • Crawlers (Screaming Frog/Sitebulb/custom) a extrair JSON-LD; verificar cobertura e campos obrigatórios.

  • Scripts de paridade a comparar schema com on-page/feeds (preços, disponibilidade, horários, credenciais).

  • Deteção de IDs duplicados; garantir anchors únicos por entidade.

  • Monitorizar enhancements em Search Console; alertar em caso de picos de erros.

Preparação para pesquisa em IA

  • Adicionar about/mentions para ligar páginas a entidades; reutilizar @id em todo o cluster.

  • Manter definições concisas nas intros on-page; schema deve espelhá-las.

  • Acompanhar citações IA via prompt logging; corrigir erros com updates de schema/texto.

  • Garantir frescura (dateModified, preços/horários/bios atuais) para evitar respostas antigas.

Medição e KPIs

  • Coverage: % de páginas alvo com schema obrigatório por template.

  • Elegibilidade: rich result detections, taxas de erro/warning, tempo até fix.

  • AI citations: menções em AI Overviews/assistentes; notas de precisão.

  • CTR: delta entre páginas com schema completo vs sem schema na mesma banda de posição.

  • Conversões: leads/bookings/add-to-cart em páginas com schema completo; conversões assistidas.

  • Freshness: idade de campos críticos (preços, horários, credenciais, imagens).

Paridade e integridade de dados

  • Usar a mesma fonte de verdade para schema e valores on-page (PIM, booking, CMS).

  • Adicionar parity tests em CI para preço/disponibilidade/horários/bios.

  • Atualizar schema e página em conjunto; evitar “ver carrinho” ou preços escondidos.

  • Em eventos, atualizar eventStatus e offers quando cancelar/adiar; retirar eventos passados.

Localização

  • Um @id por entidade; traduzir name/description; manter datas/horas ISO e moeda correta no schema.

  • Alinhar hreflang com língua do schema; localizar ofertas e moradas.

  • Monitorizar propriedades Search Console localizadas e AI citations por locale.

Segurança e compliance

  • Evitar PII em schema; usar Organization.contactPoint em vez de emails pessoais.

  • Obter consentimento para fotos/bios; remover a pedido.

  • Guardar trilhos de auditoria em setores regulados; armazenar approvals e resultados de validação.

  • Respeitar políticas de reviews: apenas marcar reviews first-party que aloja e consegue moderar.

Cadência de manutenção

  • Weekly: crawl a templates chave; corrigir erros bloqueantes; paridade rápida para dados que mudam frequentemente.

  • Monthly: prompt tests para respostas IA; revisão de sameAs/ID map; atualizar change log.

  • Quarterly: audit completo de schema; remover tipos descontinuados; atualizar imagens/bios/estatísticas.

  • Após releases: smoke-test de schema em templates afetados; voltar a correr amostras no Rich Results Test.

Dashboards a construir

  • Coverage: % de URLs por template com campos obrigatórios; contagem de IDs duplicados; páginas sem about/mentions.

  • Elegibilidade: rich result detections, tendências de erro/warning; tempo médio de resolução.

  • Paridade: taxa de match de preço/horários/disponibilidade/bios; alertas em caso de mismatch.

  • AI citations: menções por assistant por entidade/template com notas de precisão; tendências em prompt logs.

  • Performance: CTR e conversões em páginas com schema completo vs sem; conversões assistidas.

  • Freshness: idade de campos críticos (preços, horários, credenciais, imagens); cores por SLA.

Experiências a correr

  • FAQ/HowTo add: aplicar a subset de páginas elegíveis; medir uplift de CTR e rich results vs controlo.

  • Offer enrichment: adicionar identificadores e detalhes de shipping a parte do catálogo; comparar CTR e precisão de citações IA com baseline.

  • Author/reviewer refresh: atualizar bios e sameAs num cluster; medir sinais de E-E-A-T nas respostas IA e CTR.

  • Link e breadcrumb fixes: adicionar BreadcrumbList e anchors melhoradas em metade de um cluster; monitorizar crawl depth e elegibilidade.

Prompt bank para QA de schema

  • "What is [product/service] and what does it cost?"

  • "Who wrote/reviewed [article]?"

  • "Is [location] open now and where is it?"

  • "What events are upcoming for [brand] in [city]?"

  • "What are the specs of [product]?"

  • Correr mensalmente em AI Overviews/assistentes; registar fontes e precisão; corrigir schema/conteúdo se estiver errado.

Tool stack guidance

  • ID map: Sheets/Airtable/BD com approvals e histórico.

  • Validators: Rich Results Test, Schema Markup Validator, extração via crawler; Playwright para checks de rendering.

  • Parity scripts: Python/JS a comparar schema com on-page/feeds para preços/horários/credenciais.

  • BI: Looker/Looker Studio/Power BI a juntar Search Console, analytics e prompt logs.

  • Alerts: integrações Slack/Teams para erros de schema, quebras de coverage, parity mismatches, queda de citações.

Migration checklist

  • Exportar schema existente; mapear valores atuais de @id para novas URLs; planear redirects.

  • Congelar IDs; não criar novos IDs para entidades já existentes.

  • Validar staging com checks de rendering; correr crawls para coverage e duplicados.

  • Após lançamento: monitorizar picos de erros, elegibilidade e AI citations; corrigir rápido; atualizar change log.

Governance scorecard

  • IDs estáveis? yes/no

  • Campos obrigatórios presentes em todos os templates alvo? yes/no

  • Parity checks a passar? yes/no

  • sameAs links ativos/de alta confiança? yes/no

  • Prompt bank corrido este mês? yes/no

  • Dashboards atualizados com anotações? yes/no

  • Change log atualizado para o último release? yes/no

Localização: detalhes específicos

  • Usar descrições e ofertas localizadas mantendo IDs e estrutura idênticos.

  • Garantir timezones corretos em Event e horários, incluindo mudanças de hora de verão; testar.

  • Usar EUR e formatos locais on-page; manter formatos ISO em schema.

  • Alinhar sameAs localizados quando há perfis distintos; ligar ao mesmo ID canónico.

Erros comuns e respetivos fixes

  • Conteúdo escondido ou não coincidente: garantir que schema corresponde ao visível; sincronizar com sistemas fonte.

  • Vários blocos JSON-LD com dados em conflito: consolidar; remover microdata legacy.

  • Conflitos de plugins: desligar outputs de schema que se sobrepõem; usar templates controlados.

  • FAQ/HowTo exagerados: marcar apenas conteúdo visível e útil; evitar Q&A de spam.

  • eventStatus/horários desatualizados: automatizar updates; alertar se eventos passados ainda estiverem como scheduled.

Add-ons em briefs de conteúdo para schema

  • Especificar tipo de schema, campos obrigatórios e about/mentions.

  • Incluir referências @id para entidades; linkar ao ID map.

  • Listar prompts/perguntas alvo que a página deve responder.

  • Indicar fontes de dados para paridade (PIM, booking, RH) e respetivos owners.

Juntar dados para reporting

  • Usar URL de página e @id como chaves para ligar Search Console, analytics, crawl data e prompt logs.

  • Criar dimensões personalizadas para entity IDs e templates em analytics.

  • Guardar outputs de prompts com tags de entidade para correlacionar citation wins com mudanças de schema.

Response playbook para erros

  • Blocking errors: hotfix em templates; rollback se necessário; anotar dashboards; voltar a validar.

  • Warnings: dar prioridade aos que afetam display (imagens, marca); agendar em sprints.

  • Wrong AI answers: rever paridade schema/texto, sameAs e definições; corrigir e retestar prompts.

  • Duplicate IDs: regenerar a partir do registry; adicionar guardrails em CI.

90-day rollout plan

  • Semanas 1–2: auditar coverage, IDs, paridade; construir ID map e standards; corrigir top templates.

  • Semanas 3–4: implementar lint/render checks em CI; atualizar templates; validar em staging.

  • Semanas 5–6: fazer deploy; configurar dashboards e alerts; iniciar prompt logging.

  • Semanas 7–8: escalar para restantes templates; adicionar about/mentions; limpar sameAs.

  • Semanas 9–12: correr experiências (FAQ/HowTo/Offer enrichment); auditar localização; atualizar bios/imagens; afinar standards.

Vertical-specific notes

  • B2B SaaS: foco em Product/SoftwareApplication schema, menções de integrações e clareza de author/reviewer em docs; manter ofertas e trials atuais.

  • Clínicas e serviços locais: precisão em LocalBusiness/Person/Event é crítica; horários e credenciais de profissionais têm de estar alinhados com sistemas de marcação.

  • Ecommerce: identificadores, ofertas e autenticidade de reviews conduzem elegibilidade; parity checks evitam preços “inventados”.

  • Publishers: clareza em Person/Organization e about/mentions melhora desambiguação de tópicos; Knowledge Panel beneficia de cleanup de sameAs.

AI prompt bank (reutilizar mensalmente)

  • Who is [brand] and what do they do?

  • What are the specs/price for [product]?

  • Who wrote/reviewed [article]?

  • Is [location] open now? Where is it?

  • What events are coming up for [brand]?

  • How do I [task] with [product/service]?

  • Registar outputs, avaliar precisão e corrigir schema/conteúdo antes de retestar.

Juntar schema com analytics

  • Marcar páginas com entity IDs em analytics para agrupar performance por tipo de entidade.

  • Ligar dados de query de Search Console ao ID map para ver que entidades geram impressões e quais carecem de citações.

  • Adicionar dimensões por tipo de template para comparar CTR e conversões em páginas com schema completo.

  • Visualizar assisted conversions de páginas citadas em respostas de IA para demonstrar impacto no negócio.

Fiável? AISO Hub desenha templates, ID maps e sistemas de QA que mantêm rich results e citações de IA estáveis.

  • AISO Audit: encontrar gaps de schema, problemas de ID e de paridade com uma lista de fixes priorizada

  • AISO Foundation: implementar governação, automação e validação de schema para manter markup alinhado com a realidade

  • AISO Optimize: testar enriquecimentos e posicionamentos de schema e medir ganhos de CTR e de citações

  • AISO Monitor: monitorizar coverage, paridade e AI mentions com alerts e dashboards para gestão

Conclusão: schema é a sua camada de fiabilidade para IA

Structured data schema torna o seu site legível para máquinas.

Padronize IDs, imponha templates, valide sem parar e ligue resultados a métricas de negócio.

Quando schema corresponde à realidade e se mantém fresco, rich results duram e assistentes de IA citam o seu conteúdo com confiança.