Quais erros de Schema.org impedem que as IAs me citem?

Erros em Schema.org não apenas eliminam os benefícios dos dados estruturados — em alguns casos, podem reduzir ativamente a confiança que sistemas de IA depositam na fonte, porque sinalizam descuido ou inconsistência. Os erros mais comuns não são erros de código complexos: são problemas de dados desatualizados, atributos obrigatórios faltando, conflito entre o Schema e o conteúdo visível da página, e uso de tipos incorretos para o segmento. A boa notícia é que todos são identificáveis e corrigíveis com as ferramentas certas.

Erro 1: Atributos obrigatórios faltando

Cada tipo de Schema.org tem atributos obrigatórios para gerar rich results no Google — e para ser processado corretamente por sistemas de IA. Exemplos por tipo:

Article sem image: o Google exige ao menos uma imagem para gerar rich results de artigo. Sem ela, o Schema ainda é lido, mas não gera o destaque visual e tem menor peso.

Product sem offers: um produto sem preço e disponibilidade declarados tem utilidade limitada para IAs respondendo queries de compra.

FAQPage com respostas vazias: perguntas sem respostas preenchidas no acceptedAnswer.text não têm valor — e podem ser interpretadas como conteúdo defeituoso.

LocalBusiness sem address: um negócio local sem endereço declarado no Schema não pode ser citado corretamente em queries com intenção geográfica ("melhor clínica de fisioterapia em Campinas").

Erro 2: Conflito entre Schema e conteúdo visível

Um dos erros mais graves — e que pode levar ao manual action do Google — é declarar no Schema informações diferentes do que está visível na página. Exemplos:

• Schema declara preço R$ 99,90, mas a página mostra R$ 149,90 (após promoção encerrada)
• Schema declara availability: InStock para produto fora de estoque
• Schema declara um número de avaliações diferente do exibido na página
• Horário de funcionamento no Schema diverge do horário mostrado no rodapé

Para IAs generativas, esse tipo de inconsistência é especialmente problemático: se o sistema detecta que o Schema diz uma coisa e o HTML diz outra, a confiança na fonte cai — porque há sinal de dado incorreto ou desatualizado.

Erro 3: Tipo de Schema inadequado para o segmento

Usar um tipo genérico quando existe um mais específico reduz a precisão da sinalização para as IAs:

Errado	Correto
Organization para restaurante	Restaurant (subtipo de FoodEstablishment)
Organization para hospital	Hospital (subtipo de MedicalOrganization)
Organization para advogado	LegalService ou Attorney
Article para receita culinária	Recipe
Article para produto	Product

O tipo correto carrega semântica adicional que os sistemas de IA usam para categorizar a fonte no contexto adequado.

Erro 4: Schema implementado mas não renderizado para bots

Em sites com JavaScript pesado (CSR), o JSON-LD pode estar no JavaScript em vez do HTML estático. Se o bot de IA não executa JavaScript, o Schema nunca é lido — mesmo que esteja tecnicamente correto no código-fonte. O sintoma: o Rich Results Test do Google encontra o Schema, mas o PerplexityBot ou o GPTBot não o lê.

Como verificar: acessar view-source:seudominio.com/pagina e procurar pelo <script type="application/ld+json"> no código-fonte puro. Se não aparecer, o Schema está sendo injetado via JavaScript.

Como corrigir: garantir que o JSON-LD seja renderizado no HTML do servidor (SSR/SSG), não injetado pelo client-side JavaScript.

Erro 5: Schema duplicado ou contraditório

Múltiplos blocos JSON-LD na mesma página declarando tipos conflitantes confundem os sistemas de processamento. Um exemplo clássico: plugins de SEO que geram automaticamente um Organization Schema, combinados com um Schema customizado que declara LocalBusiness com informações diferentes. O Google tende a priorizar o mais específico, mas a ambiguidade reduz a confiabilidade da fonte.

Como identificar: usar o Rich Results Test e verificar se aparecem múltiplos blocos do mesmo tipo com dados divergentes.

Erro 6: Dados desatualizados

datePublished e dateModified desatualizados, preços desatualizados, telefones e endereços antigos — todos são sinais negativos de que o site não é mantido ativamente. Para IAs que priorizam conteúdo recente, um artigo com dateModified de 2021 em uma query sobre dados de 2026 tem desvantagem clara.

Prática recomendada: estabelecer um processo periódico (trimestral) de revisão dos dados no Schema, especialmente para informações que mudam com frequência — preços, horários, telefones, datas de publicação.

Como identificar erros no Schema do seu site

Rich Results Test (search.google.com/test/rich-results): testa uma URL específica e lista os erros e avisos de cada Schema encontrado.

Google Search Console > Melhorias: mostra erros de Schema em escala para todo o site, agrupados por tipo.

Schema Markup Validator (validator.schema.org): valida conformidade com o vocabulário Schema.org independentemente do Google.

A FRT Digital inclui auditoria completa de Schema.org — identificando erros, tipos incorretos e dados desatualizados — como parte da auditoria de AIO Score. Conheça o serviço de AIO para implementação e manutenção contínua dos dados estruturados.