Última atualização: julho de 2026.
O schema markup está no centro do debate em GEO agora. Três estudos analisaram a mesma questão, usaram métodos diferentes e chegaram a três conclusões diferentes. Antes de investir tempo em um sprint de schema ou descartar dados estruturados por completo, você precisa entender o que cada estudo realmente mediu.
Este artigo cobre os tipos de JSON-LD mais observados em páginas citadas por IA, o mecanismo por trás de cada um, e os três dados contraditórios que você vai encontrar em toda conversa sobre schema em 2026.
Os 7 tipos de JSON-LD mais associados a citações de IA
A tabela abaixo mapeia cada tipo de schema para o mecanismo de citação de IA que ele suporta e os motores onde profissionais e pesquisadores o observam com mais frequência. Este é um guia de referência, não uma lista classificada por eficácia.
| Tipo de schema | O que ele sinaliza para motores de IA | Motores onde mais aparece | Caso de uso principal |
|---|---|---|---|
| FAQPage | Pares estruturados de perguntas e respostas que o motor pode extrair como resposta direta sem parafrasear | Google AI Overviews, Google AI Mode | Páginas que respondem a várias perguntas relacionadas sobre um mesmo tema |
| HowTo | Formato de instruções passo a passo que o motor pode reproduzir como resposta numerada | Google AI Overviews, Perplexity | Tutoriais, guias de processo, conteúdo prático |
| Article / NewsArticle | Identidade do autor, data de publicação, tema e contexto editorial em bloco analisável | ChatGPT (navegação), Perplexity, Google AI Overviews | Posts de blog, matérias editoriais, conteúdo explicativo do setor |
| Product | Nome, descrição, preço, disponibilidade e avaliações agregadas de um item específico | Google AI Overviews (intenção comercial), Microsoft Copilot | Páginas de detalhes de produto, páginas de comparação |
| Review / AggregateRating | Sinais de credibilidade de terceiros via avaliações com estrelas e contagem de reviews | Google AI Overviews, Microsoft Copilot | Reviews de produtos, reviews de serviços, páginas de comparação de software |
| BreadcrumbList | Contexto de hierarquia do site que ajuda os motores a entender onde uma página se situa em relação ao domínio | Google AI Overviews, Gemini | Todos os tipos de página; apoia sinais de autoridade temática |
| SpeakableSpecification | Marca passagens específicas como otimizadas para leitura por voz e IA, indicando quais frases contêm a resposta principal | Google AI Overviews, assistentes de voz | Páginas de análise aprofundada, conteúdo com resposta antecipada |
Por que o mecanismo importa mais do que o tipo de marcação
Os motores de IA não citam páginas porque elas têm schema. Eles citam páginas porque o motor decidiu que aquele conteúdo é a melhor resposta para a consulta do usuário. O schema ajuda o motor a confirmar do que trata uma página e a extrair a passagem relevante com mais rapidez. Isso é um auxílio de análise, não um impulso de ranking.
A implicação prática: o schema ajuda mais quando o conteúdo por trás dele já é a melhor resposta disponível para uma pergunta específica. Schema aplicado a conteúdo fraco, genérico ou mal estruturado não transforma esse conteúdo em uma fonte citável.
O schema FAQPage funciona porque pré-formata o conteúdo como uma lista de perguntas e respostas diretas. Os sistemas de IA do Google podem extrair pares individuais de perguntas e respostas de um bloco FAQPage e apresentá-los em AI Overviews sem reescrever nada. Essa eficiência de extração é o mecanismo, não uma preferência especial por conteúdo FAQPage.
O schema HowTo funciona pelo mesmo princípio: um formato numerado passo a passo permite que o motor reproduza a sequência de instruções na resposta gerada. Quanto mais precisamente a marcação HowTo corresponde à estrutura de prosa da página, mais fácil é a extração.
Os schemas Article e NewsArticle importam em contextos onde o motor precisa confirmar a credibilidade da fonte: quem escreveu, quando foi publicado e qual organização produziu o conteúdo. Esses sinais importam mais para o ChatGPT em modo de navegação e para o Perplexity, ambos os quais valorizam mais a atualidade e a atribuição de autor do que o Google AI Overviews.
Os schemas Product e Review dominam nos AI Overviews com intenção comercial porque os sistemas de IA do Google tratam essas páginas como candidatas para recomendações diretas de produtos. O bloco AggregateRating (avaliação com estrelas mais contagem de reviews) fornece um atalho de credibilidade que o motor usa ao gerar respostas comparativas.
O que os estudos realmente descobriram
Três dados definem o debate atual. Cada um é real. Cada um tem limitações importantes de escopo. Veja os três lado a lado.
1. O estudo controlado da Ahrefs: sem ganho significativo (2026)
A Ahrefs acompanhou 1.885 páginas que adicionaram JSON-LD entre agosto de 2025 e março de 2026, comparando-as com 4.000 páginas de controle. O resultado: adicionar schema não produziu ganho estatisticamente significativo em citações de IA no Google AI Overviews, Google AI Mode ou ChatGPT.
Os números específicos: o Google AI Overviews mostrou uma pequena queda (cerca de -4,6%). O Google AI Mode mostrou +2,4%. O ChatGPT mostrou +2,2%. Ambos os valores positivos eram estatisticamente indistinguíveis de zero.
A limitação crítica de escopo: cada página no conjunto de dados da Ahrefs já tinha 100 ou mais citações em AI Overviews antes do início do experimento. O estudo não pode dizer se o schema ajuda páginas com zero citações. Ele diz que adicionar schema a páginas já citadas não aumenta de forma confiável o volume de citações.
Fonte: Ahrefs, “We Tracked 1885 Pages Adding Schema. AI Citations Didn’t Move.” Louise Linehan e Xibeijia Guan, maio de 2026 (ahrefs.com/blog/schema-ai-citations/).
2. O preprint arXiv de Kumar e Palkhouski: +39% de ganho (2025)
Um preprint da UC Berkeley de Arlen Kumar e Leanid Palkhouski (arXiv:2509.10762, setembro de 2025) auditou 1.100 URLs em 1.702 citações extraídas do Brave, Google AI Overviews e Perplexity. O estudo classificou dados estruturados como o terceiro maior preditor de probabilidade de citação por IA, associado a um ganho de +39%.
Os dois preditores mais fortes nesse preprint: metadados e atualidade (+47%) e estrutura semântica de HTML (+42%).
A limitação crítica de escopo: este é um estudo de correlação, não um experimento controlado. Ele identifica dados estruturados como uma característica presente com mais frequência em páginas citadas, não como uma característica que causa ganhos de citação quando adicionada. Um estudo observacional e um estudo controlado de adição medem coisas diferentes.
Fonte: Kumar & Palkhouski, “AI Answer Engine Citation Behavior: An Empirical Analysis of the GEO16 Framework,” arXiv:2509.10762, setembro de 2025.
3. O experimento em todo o site da Otterly.AI: +1.500% em aparições, depois uma retratação (2025-2026)
Após implementar cinco tipos de schema em todo o seu site entre dezembro de 2025 e março de 2026, a Otterly.AI registrou um aumento de +1.500% nas aparições em Google AI Overviews ao longo de três meses.
A própria conclusão deles: o ganho não foi causado pelo schema. Concorrentes que não fizeram nenhuma mudança de schema viram movimento equivalente no mesmo período. A Otterly.AI atribuiu o pico a uma mudança algorítmica mais ampla no Google, não ao lançamento do schema. O aumento também foi específico do Google: as citações caíram no ChatGPT, Gemini e Copilot durante o mesmo período.
A métrica acompanhada aqui foi as aparições em AI Overviews na SERP, não citações no sentido tradicional. Essa distinção importa ao comparar esse resultado com o estudo de citações da Ahrefs.
Fonte: Otterly.AI, “Schema Markup’s Real Impact on AI Search” (otterly.ai/blog/schema-markup-real-impact-ai-search/). Thomas Peham também apresentou essas descobertas no BrightonSEO, abril de 2026.
O que isso significa para sua estratégia de schema
A pesquisa não apoia abandonar o schema. Ela apoia ser preciso sobre o que você espera que o schema faça.
Schema como sinal de base. Toda página que poderia razoavelmente aparecer em um AI Overview deve ter schema corretamente implementado para o seu tipo de conteúdo. Schema ausente é um ponto de atrito que os motores de IA precisam contornar. Esse atrito é desnecessário.
Schema como auxílio de análise, não como alavanca de citação. Não espere que adicionar marcação FAQPage a uma página que atualmente não recebe citações de IA vá gerar citações de repente. O conteúdo em si precisa ser a melhor resposta disponível primeiro.
O mecanismo que realmente funciona. Os dados da Ahrefs e a correlação de Kumar e Palkhouski apontam para o mesmo princípio subjacente: o schema ajuda quando a estrutura de conteúdo que ele descreve é genuinamente clara, direta e no formato de resposta a perguntas. Um bloco FAQPage envolvendo respostas vagas em prosa não ajuda. Um bloco FAQPage que descreve com precisão quatro pares nítidos de perguntas e respostas sobre um tema específico dá ao motor exatamente o que ele precisa para extrair uma resposta.
O sinal da parte inicial da página. Uma análise separada de Kevin Indig de 1,2 milhão de respostas do ChatGPT descobriu que 44,2% das citações do ChatGPT foram extraídas dos primeiros 30% do conteúdo de uma página. Essa descoberta é específica do ChatGPT, não de citações de IA de forma ampla, e deve ser atribuída como tal. Mas ela reforça um padrão consistente em múltiplos estudos: o formato de resposta antecipada, onde a resposta direta à consulta aparece no início da página, supera os formatos que chegam a uma conclusão. O schema sozinho não resolve um problema de estrutura de página.
Ferramentas que lidam com schema para AEO
Se seu gargalo é gerar e validar schema em escala, estas são as ferramentas que profissionais nesta categoria utilizam.
Otto SEO audita páginas existentes em busca de lacunas de cobertura de schema e gera blocos JSON-LD em seções do site. Foi criado para equipes que executam sprints de schema em grandes inventários de páginas.
Surfer inclui validação de schema no fluxo de trabalho do Content Editor. Se você está escrevendo e otimizando conteúdo na mesma sessão, o Surfer permite confirmar que o schema está implementado antes de publicar.
HubSpot AEO Grader pontua páginas para prontidão em AEO, incluindo dados estruturados. É útil como diagnóstico rápido para identificar onde o schema está ausente ou malformado em um domínio.
Otterly.AI merece menção precisamente porque conduziu o experimento público de schema mais detalhado nesta categoria e publicou os resultados, inclusive a parte em que o schema não explicou o desfecho. A plataforma Otterly.AI acompanha as aparições em AI Overviews ao longo do tempo, o que a torna uma ferramenta prática para medir qualquer experimento de schema que você realize em seu próprio site.
Temso cobre o ciclo completo de AEO, desde a geração de schema até o monitoramento de citações. Para equipes que querem conectar a implementação de schema ao rastreamento de citações sem trocar de ferramenta, é uma das poucas plataformas que cuida das duas pontas do fluxo de trabalho por um preço único e fixo.
Uma comparação dessas e de outras plataformas de AEO está em /rankings/aeo-tools. Os critérios de pontuação específicos para schema são explicados em /methodology.
A lista de verificação prática
Antes de executar um sprint de schema esperando ganhos em citações, confirme:
- Seu conteúdo já responde à consulta-alvo de forma mais direta do que as páginas mais citadas atualmente. Schema aplicado a conteúdo mais fraco não supera conteúdo mais forte sem schema.
- Sua marcação de schema descreve com precisão a estrutura do conteúdo na página. Um bloco FAQPage com perguntas que não correspondem às respostas em prosa abaixo é uma inconsistência, não um sinal.
- Você tem uma linha de base de medição. O experimento da Otterly.AI é um modelo útil: acompanhe as aparições em AI Overviews antes, durante e depois do lançamento, em pelo menos dois domínios concorrentes que não estejam fazendo mudanças de schema, para distinguir um efeito de schema de um efeito algorítmico.
- Você está validando com o Rich Results Test do Google antes de publicar. JSON-LD malformado é comum o suficiente para que a validação não seja opcional.
- Você não está tratando schema como substituto para uma estrutura de conteúdo com resposta antecipada. O sinal de posicionamento na parte inicial da página da análise de Indig sobre o ChatGPT, o mecanismo de análise do FAQPage e a descoberta da Ahrefs sobre páginas já citadas apontam todos na mesma direção: o conteúdo por trás da marcação é a variável que move as taxas de citação de IA.
O /glossary tem definições para cada tipo de schema mencionado aqui, caso você precise de linguagem de referência precisa para um briefing de equipe ou documento para stakeholders.
O schema markup é infraestrutura necessária para AEO. Não é suficiente por si só, e a pesquisa atual não suporta uma relação causal clara entre a adição de schema e ganhos em citações. Construa a marcação corretamente, construa o conteúdo corretamente e meça antes e depois com um grupo de comparação. Essa é a versão honesta de uma estratégia de schema em 2026.
Quer ver quais AI Overviews você está perdendo agora? Execute uma auditoria de citações em /rankings/aeo-tools para encontrar ferramentas que rastreiam sua cobertura de schema e taxa de citações de IA no Google AI Overviews, ChatGPT, Perplexity e outros motores simultaneamente.