---
title: "Schema markup ajuda nas citações da IA? O que diz a evidência"
description: "A Ahrefs verificou que páginas citadas por IA têm JSON-LD quase 3× mais vezes, mas o teste controlado não mostrou ganho causal. O que o schema faz mesmo."
lang: pt
canonical: https://upgradepro.eu/pt/blog/structured-data-ai
published: 2026-07-16
tags: ["GEO", "SEO", "técnico"]
---

# Schema markup ajuda nas citações da IA? O que diz a evidência

> A Ahrefs verificou que páginas citadas por IA têm JSON-LD quase 3× mais vezes, mas o teste controlado não mostrou ganho causal. O que o schema faz mesmo.

Os dados estruturados são marcação legível por máquina — vocabulário schema.org, normalmente escrito em JSON-LD — que descreve o que uma página contém. A evidência de que impulsionam a visibilidade em IA é mista: a Microsoft confirma que os seus LLM usam schema, a Google afirma que não é exigida marcação especial para as funcionalidades de IA, e a Ahrefs verificou que as páginas citadas por IA têm JSON-LD quase 3× mais vezes — mas a sua experiência controlada não encontrou ganho causal. O schema ajuda os sistemas de IA a compreender o seu site; por si só, não faz com que o citem.

## O que são dados estruturados e que parte da web já os usa?

Os dados estruturados são código que rotula o significado do conteúdo de uma página através do vocabulário partilhado schema.org, quase sempre incorporado num bloco JSON-LD. Dizem às máquinas que isto é um produto, que este é o seu preço, que esta é a organização por trás do site — sem as obrigar a interpretar prosa.

Já não é uma prática de nicho. Segundo o [Web Data Commons](https://www.uni-mannheim.de/dws/news/wdc-json-ld-microdata-rdfa-data-corpus-2024-published/) da Universidade de Mannheim (dezembro de 2024), 51,25 % das 2,4 mil milhões de páginas HTML do Common Crawl de outubro de 2024 contêm dados estruturados, face a 5,7 % em 2010. Cerca de 11,5 milhões de sites usam JSON-LD — 70 % de todos os sites que anotam — e os sites com marcação Product passaram de 581.000 para 3,3 milhões.

O [Web Almanac 2024](https://almanac.httparchive.org/en/2024/structured-data) do HTTP Archive (novembro de 2024) mediu JSON-LD em 41 % das páginas móveis, face a 34 % em 2022. Os tipos de JSON-LD mais frequentes são WebSite (12,73 %), Organization (7,16 %), BreadcrumbList (5,66 %) e LocalBusiness (3,97 %). Metade da web já fala esta língua. A pergunta a sério é se os motores de IA a ouvem.

## Que empresas de IA confirmam mesmo que usam schema markup?

Só a Microsoft confirmou que o schema markup alimenta os LLM por trás do seu assistente. As confirmações públicas da Google referem-se à Pesquisa em geral — para as AI Overviews e o AI Mode, a documentação afirma que não é exigido schema especial. A OpenAI, a Perplexity e a Anthropic não confirmaram nada. No SMX Munich, em março de 2025, Fabrice Canel, Principal Product Manager do Microsoft Bing, confirmou que o schema markup ajuda os LLM da Microsoft — os modelos por trás do Copilot — a compreender conteúdos web, e recomendou enviar conteúdo fresco através do IndexNow, conforme noticiado pelo [Search Engine Land](https://searchengineland.com/microsoft-bing-copilot-use-schema-for-its-llms-453455) (março de 2025):

> "Gen AIs value fresh content in particular, partly as a reference check of their LLM training data."
> — Fabrice Canel, Microsoft Bing, no SMX Munich, março de 2025

A Google é mais cautelosa. A documentação sobre [funcionalidades de IA](https://developers.google.com/search/docs/appearance/ai-features) (consultada em julho de 2026) afirma que não há "no special schema.org structured data that you need to add" para aparecer nas AI Overviews ou no AI Mode, nem ficheiros legíveis por máquina adicionais. O [guia de otimização para IA](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide) que o acompanha (atualizado a 10 de julho de 2026) repete que os dados estruturados não são obrigatórios para a pesquisa generativa, recomendando ainda assim mantê-los para resultados enriquecidos, dentro da estratégia geral de SEO.

John Mueller, da Google, questionado sobre se schema extensivo ajuda os LLM, respondeu "yes, no, and it depends", segundo o [Search Engine Roundtable](https://www.seroundtable.com/mueller-schema-helps-llms-google-40693.html) (janeiro de 2026). Algumas funcionalidades dependem muito dos dados estruturados — o Shopping precisa de preço, portes e disponibilidade —, enquanto noutras apenas enriquecem o resultado. Ele sublinhou que não se tratava de orientação oficial.

E os restantes? Em março de 2026, a OpenAI, a Perplexity e a Anthropic não tinham publicado qualquer confirmação oficial de que usam schema markup da página nas suas respostas, segundo o [Search Engine Land](https://searchengineland.com/schema-markup-ai-search-no-hype-472339) (março de 2026).

## Acrescentar schema markup aumenta as citações da IA?

A resposta honesta: a correlação é forte, mas a causalidade não está provada. Três conjuntos de dados contam a história.

A [Ahrefs](https://ahrefs.com/blog/schema-ai-citations/) (maio de 2026) analisou 6 milhões de URL e verificou que as páginas citadas por IA tinham quase três vezes mais probabilidade de conter JSON-LD do que as não citadas. A mesma equipa conduziu depois uma experiência controlada: 1.885 páginas que acrescentaram JSON-LD entre agosto de 2025 e março de 2026, contra um grupo de controlo de 4.000 páginas. Acrescentar schema não produziu ganhos relevantes em citações em nenhuma plataforma — AI Overviews -4,6 %, AI Mode +2,4 % (não significativo), ChatGPT +2,2 % (não significativo).

Um estudo da AirOps compilado pela [Analyzify](https://analyzify.com/hub/schema-markup-ai-citations-research) (16.851 consultas ao ChatGPT, 353.799 páginas) aponta no sentido contrário: as páginas com JSON-LD tiveram uma taxa de citação de 38,5 % contra 32,0 % sem ele, uma diferença de 6,5 pontos. Os tipos com taxas de citação mais altas foram BreadcrumbList (46,2 %), FAQPage (45,6 %) e Organization (44,3 %). Ainda assim, a mesma compilação inclui resultados contraditórios: a OtterlyAI não encontrou impacto na Perplexity.

| Estudo | Amostra | Resultado | Limitação |
|---|---|---|---|
| Correlação Ahrefs (maio de 2026) | 6 milhões de URL | Páginas citadas por IA quase 3× mais propensas a ter JSON-LD | Só correlação, sem causalidade |
| Experiência controlada Ahrefs (ago. 2025 – mar. 2026) | 1.885 páginas de teste vs 4.000 de controlo | Sem ganho significativo de citações em qualquer plataforma | Experiência única, uma só janela temporal |
| AirOps via Analyzify | 16.851 consultas ao ChatGPT, 353.799 páginas | Taxa de citação de 38,5 % com JSON-LD vs 32,0 % sem ele | Correlacional; contrariado pela OtterlyAI na Perplexity |

No sistema de etiquetas da UpgradePro: a diferença de 3× é MEDIDO, mas a afirmação de que o schema provoca citações continua SUPOSTO — e o único teste controlado disponível não a confirmou.

## Como chega a sua marcação a uma resposta de IA: acesso direto ou índice de pesquisa?

Há dois caminhos distintos, e o schema só percorre um deles. Quando um chatbot vai buscar a sua página em direto para compor uma resposta, lê o HTML visível. Quando se apoia num índice de pesquisa — da Google ou da Bing —, a sua marcação já moldou a forma como esse índice compreende a página.

A [searchVIU](https://www.searchviu.com/en/schema-markup-and-ai-in-2025-what-chatgpt-claude-perplexity-gemini-really-see/) (dezembro de 2025) realizou 8 testes em outubro de 2025 com uma página cujos preços fictícios estavam repartidos entre HTML visível, JavaScript e JSON-LD. Nenhum dos cinco sistemas testados — ChatGPT, Claude, Perplexity, Gemini e Google AI Mode — leu o preço que existia apenas no JSON-LD durante um acesso direto. Só o Gemini renderizou JavaScript.

> "JSON-LD Schema is NOT read by AI chatbots during direct fetch"
> — searchVIU, dezembro de 2025

A implicação prática: o schema influencia as respostas de IA de forma indireta, através dos índices de pesquisa que os assistentes consultam, e não através do rastreio a pedido. É esta a nuance que a maior parte do conteúdo de fornecedores salta. A forma como os assistentes selecionam e ordenam as suas fontes é um tema por si só — desmontamo-lo em [como os motores de IA escolhem o que citar](/pt/blog/how-ai-engines-cite).

## Que tipos de schema deve uma PME priorizar em 2026?

Priorize Organization, Product se vender, e Article com BreadcrumbList nos conteúdos — e deixe de esperar seja o que for do FAQPage na Google.

| Tipo de schema | Melhor para | Evidência | Não recomendado para |
|---|---|---|---|
| Organization | Consolidar a sua entidade: name, url, logo, sameAs | Taxa de citação de 44,3 % no ChatGPT (AirOps); segundo tipo de JSON-LD mais comum, com 7,16 % (Web Almanac 2024) | Esperar resultados enriquecidos visíveis só por causa dele |
| Product | Comércio eletrónico; preço e disponibilidade estruturados | As funcionalidades de Shopping dependem muito de dados estruturados (Mueller, reportado); as compras no ChatGPT exigem feeds de produto | Sites sem páginas transacionais |
| Article + BreadcrumbList | Blogues e sites de conteúdo | BreadcrumbList teve a taxa de citação mais alta no ChatGPT no estudo AirOps (46,2 %) | — |
| FAQPage | Conteúdo em pergunta-resposta, a baixo custo | Taxa de citação de 45,6 % no ChatGPT (AirOps) | Resultados enriquecidos da Google — desapareceram por completo desde 7 de maio de 2026 |

É no Product que a estrutura tem dentes a sério. A [especificação de feed de produto](https://developers.openai.com/commerce/product-feeds/spec) da OpenAI para as compras no ChatGPT (Agentic Commerce) exige um feed estruturado com campos obrigatórios — item_id, title, description, brand, price em ISO 4217, url, image_url, availability — que determina se um produto aparece nas pesquisas do ChatGPT e se pode ser comprado por checkout direto. É a prova direta de que o comércio com IA assenta em dados estruturados, ainda que por feed e não por JSON-LD na página.

O FAQPage é um aviso à navegação. A Google restringiu os resultados enriquecidos de FAQ a sites governamentais e de saúde autorizados em agosto de 2023 e, desde 7 de maio de 2026, deixaram de aparecer por completo, com os relatórios e a API a serem descontinuados entre junho e agosto de 2026, segundo o [Search Engine Journal](https://www.searchenginejournal.com/google-drops-faq-rich-results-from-search/574429/) (maio de 2026). Mantenha a marcação se já a tem; não construa uma estratégia sobre ela.

Tudo isto só compensa sobre uma base sólida: marcação válida, servida no HTML, em páginas rastreáveis. Essa base é o que tratamos em [fundamentos de SEO técnico](/pt/blog/technical-seo-foundations), e é a primeira coisa que uma [auditoria de SEO técnico](/pt/services/seo) deve verificar.

## Que papel têm o SEO de entidades e os grafos de conhecimento?

O SEO de entidades desloca a unidade de otimização das páginas para as entidades: as empresas, produtos e pessoas de que o seu conteúdo fala. Uma marcação Organization consistente — um @id estável, mais ligações sameAs para os seus perfis reais — dá aos grafos de conhecimento uma identidade inequívoca onde ancorar, para que os sistemas consigam resolver quem a sua empresa é em toda a web.

O sinal mais claro de que o schema.org está a tornar-se infraestrutura de IA é o NLWeb. A [Microsoft anunciou-o](https://news.microsoft.com/source/features/company-news/introducing-nlweb-bringing-conversational-interfaces-directly-to-the-web/) a 19 de maio de 2025: um projeto open source que transforma sites em interfaces conversacionais de IA, construído sobre os dados schema.org e RSS que os sites já publicam. O seu criador é R.V. Guha — que criou também o schema.org, o RDF e o RSS — e cada instância NLWeb funciona ao mesmo tempo como servidor MCP, pronta a falar com agentes de IA.

Um site com marcação limpa está a meio caminho de ser legível por agentes. Outras propostas legíveis por máquina, como o llms.txt, apontam ao mesmo objetivo por outro ângulo — comparamos adoção e evidência no [nosso guia do llms.txt](/pt/blog/llms-txt-guide).

## O que não deve esperar do schema markup?

Não espere que o schema, sozinho, lhe traga citações. Em março de 2026 não existiam estudos com revisão por pares sobre schema markup e visibilidade em IA, segundo o [Search Engine Land](https://searchengineland.com/schema-markup-ai-search-no-hype-472339) (março de 2026) — a evidência disponível vem de investigação de fornecedores e da indústria de SEO, com as contradições acima.

Atenção a uma atribuição errada muito frequente. O artigo académico que cunhou o termo GEO, [Aggarwal et al.](https://arxiv.org/abs/2311.09735) (KDD 2024), mediu que táticas como acrescentar citações de fontes, estatísticas e citações textuais aumentam a visibilidade até 40 % nas respostas dos motores generativos — visibilidade medida como Position-Adjusted Word Count, não como tráfego. O artigo não testou o schema.org como método. Há blogues que colam regularmente esses 40 % à marcação; o artigo não sustenta isso.

E lembre-se da posição da própria Google: os dados estruturados não são obrigatórios para a pesquisa generativa com IA. O schema é infraestrutura de compreensão, não uma alavanca de citação.

## O que fazer esta semana?

Uma checklist realista para uma PME, por ordem:

1. **Inventarie e valide a marcação que já tem.** JSON-LD partido ou contraditório não ajuda ninguém; corrija o que já existe antes de acrescentar mais.
2. **Sirva o JSON-LD no HTML inicial, não injetado por JavaScript.** Nos testes da searchVIU, só o Gemini renderizou JavaScript; tudo o que dependa apenas de JS é invisível para os restantes durante o acesso direto.
3. **Acrescente ou complete a marcação Organization na página inicial** — name, url, logo, um @id estável e ligações sameAs para os seus perfis reais — para que os grafos de conhecimento resolvam a sua entidade.
4. **Se vende online, prepare dados de produto estruturados.** As compras no ChatGPT exigem um feed conforme, e as funcionalidades de Shopping dependem muito de preço, portes e disponibilidade estruturados, segundo John Mueller (Search Engine Roundtable, janeiro de 2026; não é orientação oficial).
5. **Deixe de esperar resultados enriquecidos de FAQPage.** Desapareceram da Google a 7 de maio de 2026. Em vez disso, mantenha visível na página o conteúdo em formato de resposta.
6. **Não bloqueie os crawlers que alimentam os índices.** O schema chega às respostas de IA através dos índices da Google e da Bing; se não conseguirem rastrear o seu site, a marcação não conta.
7. **Meça antes e depois.** Estabeleça a baseline das suas menções em IA antes de mexer na marcação — caso contrário, não distingue sinal de ruído.

Este último passo é a sequência que seguimos no nosso [serviço de visibilidade em IA](/pt/services/ai-visibility): primeiro auditoria de baseline, depois implementação, depois medição contra a baseline. O schema markup ganha o seu lugar nesse plano — como infraestrutura, não como alavanca mágica.

## Perguntas frequentes

### Os motores de IA leem o JSON-LD do meu site?

Depende do caminho. Em testes realizados em outubro de 2025 e publicados em dezembro de 2025, a searchVIU verificou que ChatGPT, Claude, Perplexity, Gemini e o Google AI Mode ignoraram todos o JSON-LD durante o acesso direto à página e leram apenas o HTML visível. Pela via do índice de pesquisa a história muda: a Microsoft confirmou que o schema markup ajuda os LLM que estão por trás do Copilot a compreender conteúdos web. A posição pública da Google é mais estreita: a documentação afirma que não é preciso schema.org especial para as AI Overviews nem para o AI Mode, e o benefício que confirma publicamente é para a Pesquisa em geral.

### A Google exige schema markup especial para as AI Overviews ou o AI Mode?

Não. A documentação oficial da Google afirma que não há dados estruturados schema.org especiais a acrescentar nem ficheiros legíveis por máquina adicionais para além das práticas normais de SEO. Ainda assim, a Google recomenda manter os dados estruturados como parte da estratégia global de SEO, porque continuam a alimentar os resultados enriquecidos.

### Está provado que acrescentar schema aumenta as citações da IA?

A correlação é forte, a causalidade não está provada. A Ahrefs verificou que as páginas citadas por IA têm quase três vezes mais probabilidade de conter JSON-LD, e a AirOps mediu uma taxa de citação de 38,5 por cento com JSON-LD contra 32,0 por cento sem ele, em 16.851 consultas ao ChatGPT. Mas a experiência controlada da Ahrefs sobre 1.885 páginas não encontrou qualquer ganho significativo depois de acrescentar schema. A leitura honesta: o schema acompanha sites bem mantidos e, por si só, não é uma alavanca mágica.

### Que tipos de schema deve uma PME priorizar?

Organization com ligações sameAs para consolidar a identidade nos grafos de conhecimento, dados de Product se vender online, já que as compras no ChatGPT assentam em feeds de produto estruturados obrigatórios, e Article mais BreadcrumbList nas páginas de conteúdo. BreadcrumbList, FAQPage e Organization apresentaram as taxas de citação mais altas no estudo da AirOps.

### Ainda vale a pena acrescentar schema FAQPage?

A Google já não mostra nada a partir dele. Os resultados enriquecidos de FAQ ficaram restritos a sites governamentais e de saúde autorizados em agosto de 2023 e deixaram de aparecer por completo na Pesquisa Google a 7 de maio de 2026. A marcação não faz mal, e a AirOps correlaciona-a com citações do ChatGPT, mas não espere resultados enriquecidos da Google por causa dela.

### O que têm os dados estruturados a ver com a web agêntica?

Muito. O NLWeb, projeto open source da Microsoft criado por R.V. Guha, o criador do schema.org, transforma sites em interfaces conversacionais usando os dados schema.org e RSS que o site já publica, e cada instância NLWeb funciona também como servidor MCP para agentes de IA. Um site com marcação limpa já tem metade do trabalho feito.

## Fontes

Todas as afirmações deste artigo remetem para a fonte de onde provêm, com a respetiva data de publicação.

- [Search Engine Land — Microsoft Bing: Copilot uses schema for its LLMs](https://searchengineland.com/microsoft-bing-copilot-use-schema-for-its-llms-453455) — 2025-03-20
- [Google Search Central — AI features and your website](https://developers.google.com/search/docs/appearance/ai-features) — 2026-07 (living doc, consulted 2026-07-16)
- [Google Search Central — AI optimization guide](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide) — 2026-07-10
- [Microsoft Source — Introducing NLWeb](https://news.microsoft.com/source/features/company-news/introducing-nlweb-bringing-conversational-interfaces-directly-to-the-web/) — 2025-05-19
- [Aggarwal et al., GEO: Generative Engine Optimization (arXiv 2311.09735, KDD 2024)](https://arxiv.org/abs/2311.09735) — 2023-11-16
- [Web Data Commons / Universität Mannheim — JSON-LD, Microdata, RDFa corpus 2024](https://www.uni-mannheim.de/dws/news/wdc-json-ld-microdata-rdfa-data-corpus-2024-published/) — 2024-12
- [HTTP Archive — Web Almanac 2024, Structured Data chapter](https://almanac.httparchive.org/en/2024/structured-data) — 2024-11
- [Ahrefs — Schema and AI citations (correlation study and controlled experiment)](https://ahrefs.com/blog/schema-ai-citations/) — 2026-05-11
- [searchVIU — Schema markup and AI in 2025: what ChatGPT, Claude, Perplexity, Gemini really see](https://www.searchviu.com/en/schema-markup-and-ai-in-2025-what-chatgpt-claude-perplexity-gemini-really-see/) — 2025-12-02
- [Search Engine Roundtable — Mueller on whether schema helps LLMs](https://www.seroundtable.com/mueller-schema-helps-llms-google-40693.html) — 2026-01
- [Search Engine Journal — Google drops FAQ rich results from Search](https://www.searchenginejournal.com/google-drops-faq-rich-results-from-search/574429/) — 2026-05-10
- [Analyzify — Schema markup and AI citations research (AirOps study)](https://analyzify.com/hub/schema-markup-ai-citations-research) — 2026
- [OpenAI Developers — Product Feed Spec (Agentic Commerce)](https://developers.openai.com/commerce/product-feeds/spec) — 2025-Q4 approx. (living doc, consulted 2026-07-16)
- [Search Engine Land — Schema markup and AI search: no hype](https://searchengineland.com/schema-markup-ai-search-no-hype-472339) — 2026-03-25