Dati strutturati JSON-LD: l'arma segreta del GEO

Cos'è il JSON-LD e perché conta per il GEO

Il JSON-LD (JavaScript Object Notation for Linked Data) è un formato di dati strutturati raccomandato da Google e da Schema.org. Permette di descrivere senza ambiguità entità (aziende, servizi, articoli, persone) in un formato che le macchine, e gli LLM, sanno interpretare direttamente.

Per il GEO (Generative Engine Optimization) i dati strutturati sono decisivi: consentono ai sistemi RAG (Retrieval-Augmented Generation) che alimentano ChatGPT, Perplexity e Gemini di capire chi siete, cosa fate e perché siete autorevoli nel vostro dominio.

Gli schemi essenziali per il GEO: esempi completi

Ogni schema qui sotto è un blocco JSON-LD pronto all'uso. Adattate i valori alla vostra azienda e integrateli nel tag <head> delle vostre pagine tramite un tag <script type="application/ld+json">.

Organization: identità dell'azienda

Lo schema Organization è il fondamento della vostra identità digitale. Va inserito su tutte le pagine del sito.

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "MCVA Consulting SA",
  "legalName": "MCVA Consulting SA",
  "description": "Studio svizzero di consulenza strategica specializzato in IA generativa e GEO",
  "url": "https://mcva.ch",
  "logo": "https://mcva.ch/images/logo-mcva.png",
  "foundingDate": "2024",
  "founder": {
    "@type": "Person",
    "name": "Jérôme Deshaie"
  },
  "sameAs": [
    "https://www.linkedin.com/company/mcva-consulting",
    "https://twitter.com/mcva_consulting"
  ],
  "areaServed": ["CH", "FR", "EU"],
  "knowsAbout": ["GEO", "Generative Engine Optimization", "AI Strategy", "SEO", "Dati strutturati"]
}

Punti chiave:

knowsAbout indica i vostri ambiti di competenza. Gli LLM se ne servono per valutare la vostra autorità.
areaServed precisa la vostra zona geografica di intervento.
sameAs collega la vostra entità ai vostri profili ufficiali su altre piattaforme, il che rafforza la disambiguazione.

LocalBusiness: presenza locale

Se la vostra azienda dispone di un indirizzo fisico e serve una clientela locale o regionale, lo schema LocalBusiness completa Organization con informazioni geolocalizzate.

{
  "@context": "https://schema.org",
  "@type": "LocalBusiness",
  "name": "MCVA Consulting SA",
  "image": "https://mcva.ch/images/bureau-mcva.jpg",
  "telephone": "+41 79 612 38 79",
  "email": "contact@mcva.ch",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Chemin des Crêtes, 7",
    "addressLocality": "Haute-Nendaz",
    "addressRegion": "Vallese",
    "postalCode": "1997",
    "addressCountry": "CH"
  },
  "geo": {
    "@type": "GeoCoordinates",
    "latitude": 46.1884,
    "longitude": 7.3066
  },
  "openingHoursSpecification": {
    "@type": "OpeningHoursSpecification",
    "dayOfWeek": ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday"],
    "opens": "08:00",
    "closes": "18:00"
  },
  "priceRange": "$$"
}

Punto chiave: le coordinate geo e l'indirizzo strutturato permettono agli LLM di raccomandare la vostra azienda in risposta a query locali come «consulente GEO nella Svizzera romanda».

Service: le vostre offerte

Ogni offerta deve avere il proprio schema Service. È quello che permette all'IA di raccomandarvi quando un utente cerca un servizio specifico.

{
  "@context": "https://schema.org",
  "@type": "Service",
  "name": "Audit di Visibilità IA",
  "provider": {
    "@type": "Organization",
    "name": "MCVA Consulting SA"
  },
  "serviceType": "Generative Engine Optimization Audit",
  "areaServed": "Europe",
  "description": "Analisi completa della visibilità di un'azienda su 5 LLM principali con benchmark concorrenziale e piano d'azione prioritizzato.",
  "offers": {
    "@type": "Offer",
    "priceCurrency": "CHF",
    "availability": "https://schema.org/InStock"
  }
}

Punto chiave: siate il più precisi possibile in serviceType. «Consulting» è troppo vago. «Generative Engine Optimization Audit» permette all'IA di associarvi a query mirate.

FAQPage: domande frequenti

Lo schema FAQPage è doppiamente utile: genera risultati arricchiti (rich results) in Google e fornisce coppie domanda/risposta direttamente sfruttabili dagli LLM.

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Cos'è il GEO?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Il GEO (Generative Engine Optimization) è l'insieme delle pratiche volte a ottimizzare la visibilità di un marchio nelle risposte generate dagli LLM come ChatGPT, Perplexity e Gemini."
      }
    },
    {
      "@type": "Question",
      "name": "Perché i dati strutturati sono importanti per il GEO?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "I dati strutturati JSON-LD permettono agli LLM di comprendere senza ambiguità l'identità, i servizi e la competenza di un'azienda, aumentando così la probabilità di essere citati nelle risposte IA."
      }
    }
  ]
}

Punto chiave: ogni coppia domanda/risposta deve essere autonoma e fattuale. Gli LLM estraggono queste risposte così come sono per alimentare le sintesi. È una delle leve più efficaci per essere citati da ChatGPT.

Article: i vostri contenuti

Lo schema Article rafforza l'autorità delle vostre pubblicazioni e permette agli LLM di datarle e attribuirle correttamente.

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Dati Strutturati JSON-LD: L'Arma Segreta del GEO",
  "author": {
    "@type": "Person",
    "name": "Jérôme Deshaie",
    "url": "https://mcva.ch/about",
    "jobTitle": "CEO & Fondatore"
  },
  "publisher": {
    "@type": "Organization",
    "name": "MCVA Consulting SA",
    "logo": {
      "@type": "ImageObject",
      "url": "https://mcva.ch/images/logo-mcva.png"
    }
  },
  "datePublished": "2026-03-12",
  "dateModified": "2026-03-12",
  "image": "https://mcva.ch/images/donnees-structurees-hero.jpg",
  "keywords": ["JSON-LD", "dati strutturati", "GEO", "Schema.org"],
  "inLanguage": "it"
}

Punto chiave: aggiornate dateModified a ogni revisione. Gli LLM con accesso al web privilegiano i contenuti recenti. Il campo inLanguage aiuta i sistemi multilingue a contestualizzare il vostro contenuto.

Person: competenza individuale

Lo schema Person serve a stabilire l'autorità dell'autore. In un contesto E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness), permette ai motori e agli LLM di associare un contenuto a una persona qualificata.

{
  "@context": "https://schema.org",
  "@type": "Person",
  "name": "Jérôme Deshaie",
  "jobTitle": "CEO & Fondatore",
  "worksFor": {
    "@type": "Organization",
    "name": "MCVA Consulting SA"
  },
  "url": "https://mcva.ch/about",
  "sameAs": [
    "https://www.linkedin.com/in/jeromedeshaie"
  ],
  "knowsAbout": ["GEO", "SEO", "IA generativa", "strategia digitale", "dati strutturati"],
  "alumniOf": {
    "@type": "EducationalOrganization",
    "name": "Università di riferimento"
  }
}

Punto chiave: knowsAbout su uno schema Person rafforza il segnale di competenza individuale. Quando un LLM cerca un esperto su un argomento, questo campo è determinante.

BreadcrumbList: gerarchia del sito

I breadcrumb aiutano gli LLM a comprendere la struttura del vostro sito e la relazione tra le vostre pagine.

{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    { "@type": "ListItem", "position": 1, "name": "Home", "item": "https://mcva.ch" },
    { "@type": "ListItem", "position": 2, "name": "Insights", "item": "https://mcva.ch/insights" },
    { "@type": "ListItem", "position": 3, "name": "Dati Strutturati JSON-LD" }
  ]
}

Impatto dei dati strutturati sulla citabilità LLM

I dati strutturati non servono solo al SEO classico. Il loro impatto sulla citabilità da parte degli LLM è una leva strategica ancora poco sfruttata.

I sistemi RAG (Retrieval-Augmented Generation) che alimentano ChatGPT, Perplexity o Gemini procedono in due fasi: prima recuperano documenti pertinenti, poi generano una risposta sintetica. Nella fase di recupero, i dati strutturati offrono un contesto direttamente utilizzabile:

Disambiguazione di entità: il JSON-LD indica senza ambiguità che «MCVA Consulting SA» è un'azienda svizzera specializzata in GEO, non un acronimo generico. Senza questa precisione, l'LLM può confondere il vostro marchio con un'altra entità.
Attribuzione affidabile: quando un LLM cita il vostro contenuto, gli schemi Article e Person gli permettono di attribuire correttamente la fonte, l'autore e la data. Ciò aumenta la fiducia dell'LLM nel vostro contenuto.
Risposta alle query di servizio: un utente che chiede a un LLM «quale studio può effettuare l'audit della mia visibilità IA in Svizzera?» riceverà una risposta che cita la vostra azienda se i vostri schemi Service e LocalBusiness sono correttamente compilati.
Freschezza del contenuto: dateModified segnala agli LLM che il vostro contenuto è mantenuto aggiornato, un criterio di fiducia importante in un dominio che evolve rapidamente.

I dati strutturati trasformano il vostro sito in una base di conoscenza sfruttabile dagli LLM, ben oltre la semplice visualizzazione di rich snippet in Google. Costituiscono un pilastro della vostra visibilità IA.

Errori frequenti nei dati strutturati

Errore 1: dati incoerenti tra le pagine

Se lo schema Organization indica «MCVA Consulting SA» su una pagina e «MCVA Consulting» su un'altra, gli LLM possono trattarle come due entità distinte. Usate esattamente lo stesso nome ovunque.

Errore 2: informazioni obsolete

Dati strutturati con un vecchio indirizzo o un numero di telefono superato sono peggio dell'assenza di dati. Gli LLM riprodurranno queste informazioni errate nelle proprie risposte.

Errore 3: schemi troppo minimalistici

Uno schema Organization con solo nome e URL non porta praticamente nessun valore GEO. Più gli schemi sono ricchi e precisi, più gli LLM hanno informazioni per citarvi correttamente.

Errore 4: dimenticare il legame tra gli schemi

I vostri schemi Service devono fare riferimento al vostro schema Organization tramite provider. I vostri schemi Article devono fare riferimento all'autore e al publisher. Questa maglia semantica rafforza la coerenza della vostra identità digitale.

Errore 5: utilizzare il @type sbagliato

Confondere Organization e Corporation, o utilizzare WebPage invece di Article, invia un segnale errato ai motori di ricerca e agli LLM. Verificate sempre la documentazione Schema.org per scegliere il tipo più specifico applicabile al vostro caso.

Errore 6: proprietà obbligatorie mancanti

Google esige alcune proprietà per attivare i risultati arricchiti. Per esempio, uno schema Article senza headline, image o datePublished non genererà alcun rich result. Consultate la documentazione Google Search Central per conoscere le proprietà richieste per tipo di schema.

Errore 7: dati strutturati non testati

Pubblicare dati strutturati senza validarli è un rischio. Un errore di sintassi JSON, un URL mal formato o un campo mancante può rendere l'intero blocco invisibile per Google e gli LLM. Testate sistematicamente prima di pubblicare.

Come verificare i vostri dati strutturati

Quattro strumenti essenziali:

Google Rich Results Test: lo strumento ufficiale di Google per verificare se i vostri dati strutturati sono idonei ai risultati arricchiti. Rileva gli errori di sintassi, le proprietà mancanti e i problemi di conformità. Testate ogni pagina individualmente.
Schema.org Validator: valida la conformità allo standard Schema.org, indipendentemente dalle esigenze specifiche di Google.
Google Search Console: la sezione «Miglioramenti» mostra gli errori di dati strutturati rilevati durante il crawl del vostro sito. È il miglior strumento di follow-up nel tempo.
Test manuale sugli LLM: ponete domande a ChatGPT e Perplexity per verificare che i vostri dati siano ben presi in considerazione. Chiedete per esempio «Chi è MCVA Consulting?» o «Quale studio propone un audit di visibilità IA in Svizzera?».

Dati strutturati e GEO: la sinergia

Gli LLM non «vedono» il vostro sito come un umano: non percorrono le vostre pagine visualmente. Leggono il codice sorgente, e il JSON-LD è la parte più leggibile e strutturata di questo codice.

Concretamente, ecco perché i dati strutturati sono un moltiplicatore di performance GEO:

Gli LLM leggono nativamente il JSON-LD. Quando un sistema RAG indicizza la vostra pagina, estrae il testo visibile ma anche i blocchi <script type="application/ld+json">. Questi blocchi forniscono metadati strutturati che l'LLM può sfruttare direttamente, senza doverli inferire dal testo libero.

Il Knowledge Graph si alimenta di Schema.org. Google Knowledge Graph, che influenza le AI Overview, si appoggia massicciamente sui dati strutturati per costruire il proprio grafo di conoscenza. Un'entità ben descritta in JSON-LD ha più chance di entrare in questo grafo, e quindi di essere citata da Gemini e dalle Google AI Overview.

La sinergia contenuto + struttura. Un articolo di fondo senza dati strutturati è un buon contenuto. Un articolo di fondo con schemi Article, Person, Organization e FAQPage è un contenuto citabile e attribuibile. Questo approccio si applica anche a progetti IA più ampi, come mostra la nostra guida sull'architettura di un progetto IA performante. Gli LLM privilegiano le fonti che possono identificare e attribuire con fiducia.

Il segnale di fiducia svizzero. Per le aziende con sede in Svizzera, lo schema LocalBusiness con addressCountry: "CH" e un indirizzo completo rafforza un segnale di fiducia specifico. Gli LLM, in risposta a query geolocalizzate, favoriscono le entità la cui localizzazione è chiaramente stabilita.

JSON-LD e GEO: l'impatto misurabile

In MCVA Consulting abbiamo osservato che l'aggiunta di dati strutturati completi (Organization + Service + Article + BreadcrumbList) fa salire lo Score GEO medio di 15-25 punti in 3 mesi.

I dati strutturati non sono un'opzione per il GEO. Sono la base tecnica su cui poggia qualunque strategia di visibilità IA.

Sintesi

I dati strutturati JSON-LD permettono agli LLM di comprendere la vostra azienda senza ambiguità.
Gli schemi essenziali: Organization, LocalBusiness, Service, FAQPage, Article, Person e BreadcrumbList.
knowsAbout e serviceType sono i campi più strutturanti per il GEO.
L'aggiunta di dati strutturati completi migliora lo Score GEO di 15-25 punti in media.
Mantenete una coerenza perfetta tra tutti i vostri schemi (nome, indirizzo, descrizione).
Testate sistematicamente con il Google Rich Results Test prima di pubblicare.

FAQ

I dati strutturati bastano per il GEO?

No. I dati strutturati sono un pilastro tecnico necessario, ma non bastano da soli. Una strategia GEO completa combina dati strutturati, contenuto di qualità ottimizzato per la citabilità, autorità di dominio, presenza su fonti terze affidabili e maglia semantica. I dati strutturati forniscono il quadro; il contenuto fornisce la sostanza. Senza contenuto esperto e aggiornato, anche i migliori schemi JSON-LD non genereranno citazioni da parte degli LLM.

Quale impatto sul ranking Google?

I dati strutturati non sono un fattore di ranking diretto nell'algoritmo di Google. Tuttavia, permettono di ottenere risultati arricchiti (rich results): FAQ, recensioni, breadcrumb, che aumentano significativamente il tasso di clic (CTR). Un miglior CTR invia un segnale di engagement positivo a Google. D'altronde, nel contesto delle AI Overview, i dati strutturati aiutano Google a comprendere e citare il vostro contenuto più precisamente. L'impatto è quindi indiretto ma misurabile.

Serve uno sviluppatore per implementare i dati strutturati?

Non necessariamente. Per un sito WordPress, estensioni come Yoast SEO o Rank Math generano automaticamente gli schemi di base. Per un sito su Next.js o un framework JavaScript, l'integrazione JSON-LD si fa direttamente nel codice dei componenti. Se avete bisogno di schemi avanzati e personalizzati (raccomandato per una strategia GEO), un accompagnamento tecnico è preferibile per garantire la coerenza e la completezza dei dati. In Svizzera, la maggior parte delle agenzie web può integrare il JSON-LD in poche ore di sviluppo.

Volete sapere se i vostri dati strutturati sono correttamente configurati per il GEO? MCVA Consulting può fare l'audit dei vostri schemi JSON-LD e ottimizzare la vostra visibilità nelle risposte IA. Scoprite il nostro audit GEO per una diagnosi completa.