Schema.org Advanced: Markup Avanzato per Ricerca Intelligente e AI

Nell’era della Ricerca Intelligente, i motori di ricerca non si limitano più a scansionare le parole chiave, ma mirano a comprendere il significato e le…

Pubblicato il · 15 min di lettura

Schema.org Advanced: Il Markup Avanzato per Dominare la Ricerca Intelligente e l’AI

Introduzione

Nell’era della Ricerca Intelligente, i motori di ricerca non si limitano più a scansionare le parole chiave, ma mirano a comprendere il significato e le relazioni tra le entità. È qui che entra in gioco Schema.org Advanced, la frontiera del markup semantico che trasforma il contenuto da semplice testo a dati strutturati e interconnessi. Nei prossimi minuti, scoprirai come padroneggiare i tipi di dati strutturati complessi, come interconnettere le tue entità digitali per costruire un Knowledge Graph robusto e, soprattutto, come ottimizzare il tuo sito per i Large Language Models (LLM) e l’Intelligenza Artificiale. Questa guida è pensata per i professionisti SEO e gli sviluppatori che vogliono andare oltre il markup base e assicurarsi che il loro contenuto sia la fonte primaria per le risposte AI.


Oltre il Base: Tipi di Schema.org Complessi e Gerarchie

La vera potenza di Schema.org risiede nella sua struttura gerarchica e nella vasta gamma di tipi di dati che vanno ben oltre il semplice Article o LocalBusiness. Comprendere questa gerarchia è il primo passo per implementare Schema.org Advanced e fornire ai motori di ricerca e agli LLM un contesto semantico ricco e preciso.

La Filosofia di Schema.org: Entità e Proprietà

Schema.org è costruito sulla base di Entità e Proprietà. Un’entità è una “cosa” (un concetto, un oggetto, una persona, un luogo) che viene descritta, e le proprietà sono gli attributi che definiscono quell’entità. Tutte le entità derivano dal tipo base Thing.


graph TD

A[Thing] --> B[CreativeWork];

A --> C[Event];

A --> D[Organization];

A --> E[Place];

B --> F[Article];

B --> G[WebPage];

D --> H[LocalBusiness];

F --> I[NewsArticle];

F --> J[BlogPosting];

Questa gerarchia non è solo teorica; è fondamentale per l’ottimizzazione AI. Quando un LLM o un motore di ricerca incontra un tipo specifico come BlogPosting, sa che eredita tutte le proprietà di Article e CreativeWork, fornendo un contesto immediato.

Markup per Contenuti Dinamici e Interattivi

I tipi di Schema.org avanzati sono essenziali per i contenuti che richiedono interazione o che seguono un formato specifico. L’uso di questi tipi non solo genera Rich Snippet, ma rende il contenuto immediatamente utilizzabile da assistenti vocali e chatbot AI.

  • HowTo: Perfetto per guide passo-passo. Definisce chiaramente i materiali (supply), gli strumenti (tool) e le fasi (step). Un LLM può estrarre questa struttura per generare istruzioni vocali concise.
  • QAPage: Utilizzato per pagine con domande e risposte, come forum o sezioni FAQ estese. Distingue tra la domanda (Question) e la risposta accettata (acceptedAnswer), un segnale cruciale per l’AI che cerca la risposta più autorevole.
  • Dataset: Fondamentale per chi pubblica dati. Permette di specificare licenze, versioni, e variabili, rendendo il set di dati “cercabile” e citabile in contesti scientifici o di analisi.

Tabella 1: Confronto tra Tipi di Schema.org Base e Avanzati

Tipo di Schema.orgLivello di ComplessitàCaso d’Uso PrincipaleBeneficio per l’AI/LLM
ArticleBaseArticoli di blog, notizie genericheIdentificazione del contenuto testuale
BlogPostingBasePost specifici di un blogContesto di pubblicazione
HowToAvanzatoGuide passo-passo, tutorialEstrazione di sequenze logiche e istruzioni
DatasetAvanzatoPubblicazione di dati statistici o scientificiCitabilità e reperibilità dei dati
Product + Offer + ReviewComplesso (Nested)Schede prodotto e e-commerceComprensione del valore commerciale e della reputazione
ClaimReviewMolto AvanzatoFact-checking, verifica di affermazioniValutazione dell’affidabilità e della veridicità

L’implementazione di questi tipi complessi richiede una mappatura precisa del contenuto. Ad esempio, un articolo che recensisce un software non dovrebbe usare solo

Article

, ma

Review

(che è un tipo di

CreativeWork

) annidato con

SoftwareApplication

(che è un tipo di

CreativeWork

). Questa specificità è il cuore dell’ottimizzazione per la

Ricerca Intelligente

.

Esempio Pratico 1: Markup HowTo per un Tutorial Tecnico

Immaginiamo di avere un tutorial su come configurare un server. Invece di un semplice Article, usiamo HowTo.


{

"@context": "https://schema.org",

"@type": "HowTo",

"name": "Come Configurare un Server Linux con Nginx",

"description": "Guida passo-passo per l'installazione e la configurazione di base di Nginx su Ubuntu.",

"estimatedCost": {

"@type": "MonetaryAmount",

"currency": "EUR",

"value": "0"

},

"step": [

{

"@type": "HowToStep",

"name": "Aggiornare il Sistema",

"text": "Eseguire i comandi 'sudo apt update' e 'sudo apt upgrade -y'."

},

{

"@type": "HowToStep",

"name": "Installare Nginx",

"text": "Installare il pacchetto Nginx con 'sudo apt install nginx -y'."

}

],

"tool": [

{

"@type": "HowToTool",

"name": "Terminale SSH"

}

]

}

Questo markup non solo aiuta Google a mostrare i passaggi direttamente nella SERP, ma fornisce all’AI una struttura dati pulita e ordinata, ideale per generare risposte dirette e istruzioni vocali.


Interconnessione dei Dati: Il Potere del Nested e Linked Schema Markup

L’obiettivo finale di Schema.org Advanced non è solo descrivere una singola pagina, ma mappare l’intero ecosistema di entità di un brand, creando un vero e proprio Knowledge Graph aziendale. Questo si ottiene attraverso il Nested Schema (markup annidato) e il Linked Data (dati collegati).

Nested Schema: Annidare i Tipi per Descrizioni Ricche

Il markup annidato consiste nell’includere un tipo di Schema.org all’interno delle proprietà di un altro tipo. Questo permette di creare descrizioni estremamente dettagliate e contestualizzate, fondamentali per l’E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness).

Consideriamo una recensione di un libro. Non basta dire che la pagina è un Review. Dobbiamo annidare:

  1. Il tipo principale Review.
  2. L’oggetto recensito (itemReviewed), che è un Book.
  3. L’autore della recensione (author), che è una Person o un’ Organization.
  4. La valutazione (reviewRating).

Questa granularità permette ai motori di ricerca di comprendere non solo cosa è stato recensito, ma chi lo ha recensito e come è stato valutato.

Linked Data e sameAs: Costruire il Knowledge Graph della Tua Entità

Il Linked Data è il principio secondo cui i dati strutturati non devono esistere in isolamento. La proprietà sameAs è lo strumento più potente per collegare la tua entità (ad esempio, la tua azienda o l’autore dell’articolo) a fonti autorevoli esterne, come Wikipedia, LinkedIn, o i profili social verificati.


{

"@context": "https://schema.org",

"@type": "Organization",

"@id": "https://tuosito.it/#organization",

"name": "Nome della Tua Azienda",

"url": "https://tuosito.it/",

"sameAs": [

"https://it.wikipedia.org/wiki/Nome_Azienda",

"https://www.linkedin.com/company/nome-azienda",

"https://twitter.com/nomeazienda"

]

}

Quando un LLM elabora questo markup, non vede solo un nome, ma un’entità con una rete di relazioni e una validazione esterna. Questo rafforza l’Authority e la Trustworthiness, due pilastri dell’E-E-A-T, e migliora la possibilità che il tuo sito venga citato come fonte primaria.

Utilizzo di ID e Riferimenti Incrociati in JSON-LD

In JSON-LD, l’uso di @id è cruciale per la gestione delle entità multiple sulla stessa pagina. Invece di ripetere l’intero blocco di markup per l’autore in ogni sezione, si definisce l’autore una sola volta con un @id univoco (es. https://tuosito.it/#person) e poi si fa riferimento a quell’ID.

Tabella 2: Proprietà Chiave per il Linked Data

ProprietàTipo di Valore AttesoFunzioneImpatto SEO/AI
sameAsURLCollega l’entità a risorse esterne autorevoli.Aumenta l’Authority e la Trustworthiness.
@idURL (Fragment Identifier)Identificatore univoco per un’entità sulla pagina.Previene la duplicazione e facilita il riferimento incrociato.
mainEntityOfPageWebPageCollega l’entità principale al contesto della pagina.Chiarisce l’argomento centrale della pagina.
mentionsThingIndica altre entità rilevanti menzionate nel testo.Arricchisce il contesto semantico per gli LLM.

L’uso di

@id

e riferimenti incrociati è un segnale di alta qualità e organizzazione dei dati, che l’AI premia con una maggiore fiducia nella fonte.

Esempio Pratico 2: Nested Schema per un Corso Online

Un corso online è un’entità complessa. Usiamo Course annidato con Organization e Person.


{

"@context": "https://schema.org",

"@graph": [

{

"@type": "Course",

"@id": "https://tuosito.it/corso-schema-advanced/#course",

"name": "Masterclass Schema.org Advanced",

"description": "Corso intensivo sui dati strutturati complessi.",

"provider": {

"@type": "Organization",

"@id": "https://tuosito.it/#organization"

},

"hasCourseInstance": {

"@type": "CourseInstance",

"courseMode": "online",

"startDate": "2026-03-01"

}

},

{

"@type": "Organization",

"@id": "https://tuosito.it/#organization",

"name": "Manus AI Academy",

"url": "https://tuosito.it/"

}

]

}

Questo esempio mostra come @graph e @id lavorino insieme per definire entità multiple e le loro relazioni in modo pulito e non ridondante.


Schema Markup Personalizzato e Estensioni: Quando Schema.org non Basta

Nonostante Schema.org sia un vocabolario vastissimo (oltre 800 tipi e 1500 proprietà), ci saranno sempre casi d’uso specifici che richiedono una personalizzazione. L’approccio Schema.org Advanced prevede la capacità di estendere il vocabolario standard in modo conforme e interoperabile.

Estendere Schema.org: La Pratica di additionalType e PropertyValue

Quando un tipo o una proprietà specifica non esiste, non si deve rinunciare al markup. Schema.org supporta l’estensione attraverso due proprietà chiave:

  1. additionalType: Permette di specificare un tipo più specifico o proprietario per un’entità. Ad esempio, se LocalBusiness non è abbastanza specifico per la tua “Pasticceria Artigianale Specializzata in Dolci Vegani”, puoi usare:

"@type": "LocalBusiness",

"additionalType": "https://tuosito.it/schema/PasticceriaVegana"

Questo comunica ai motori di ricerca che, oltre ad essere un LocalBusiness, l’entità ha una classificazione più specifica definita da te.

  1. PropertyValue: Utilizzato per aggiungere attributi personalizzati. Se vuoi specificare il “Livello di Ottimizzazione AI” di un articolo, puoi usare PropertyValue all’interno di una proprietà come subjectOf.

"subjectOf": {

"@type": "PropertyValue",

"name": "Livello di Ottimizzazione AI",

"value": "Super Ottimizzato",

"unitText": "AI-SEO Score",

"url": "https://tuosito.it/metodologia-ai-seo"

}

Questa tecnica è cruciale per l’ottimizzazione LLM, in quanto permette di etichettare il contenuto con metadati proprietari che possono essere interpretati da sistemi di intelligenza artificiale avanzati.

Schema Markup per l’E-E-A-T: Dimostrare Competenza e Fiducia

L’E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) è il fattore di qualità più importante per Google. Il markup avanzato è lo strumento tecnico per dimostrare l’E-E-A-T.

  • Expertise e Experience: Utilizzare author (per Article) o creator (per CreativeWork) e collegare l’entità Person o Organization con sameAs a profili professionali (LinkedIn, Google Scholar). Specificare l’esperienza con proprietà come alumniOf o hasOccupation.
  • Authoritativeness: Implementare il markup Organization e Person con riferimenti incrociati a tutte le pagine (es. pagina “Chi Siamo”, pagina autore). Assicurarsi che il logo e il sameAs siano definiti in modo coerente.
  • Trustworthiness: Usare Review e AggregateRating per mostrare la reputazione. Per contenuti sensibili (YMYL – Your Money Your Life), usare ClaimReview per il fact-checking o MedicalWebPage per informazioni sanitarie.

Tabella 3: Markup E-E-A-T per Entità Autorevoli

EntitàTipo di Schema.orgProprietà E-E-A-T ChiaveDescrizione
AutorePersonsameAs, alumniOf, hasOccupationCollega l’autore a credenziali esterne e professionali.
AziendaOrganizationsameAs, logo, contactPointStabilisce l’identità e la validazione esterna dell’azienda.
ContenutoArticle / WebPagedatePublished, dateModified, reviewedByIndica freschezza, accuratezza e revisione da parte di esperti.

### Esempio Pratico 3: Markup per un Autore Esperto (E-E-A-T)

Questo esempio mostra come definire un autore con credenziali specifiche.


{

"@context": "https://schema.org",

"@type": "Person",

"@id": "https://tuosito.it/autore/mario-rossi/#person",

"name": "Mario Rossi",

"jobTitle": "SEO & AI Specialist",

"url": "https://tuosito.it/autore/mario-rossi",

"sameAs": [

"https://www.linkedin.com/in/mariorossi",

"https://twitter.com/mariorossi_seo"

],

"alumniOf": {

"@type": "EducationalOrganization",

"name": "Università di Bologna"

}

}

Questo blocco, quando referenziato come author nell’articolo, comunica chiaramente l’expertise di Mario Rossi.


Ottimizzazione per l’AI e i Large Language Models (LLM)

L’evoluzione della ricerca verso i risultati generati dall’AI (come le SGE – Search Generative Experience) rende l’ottimizzazione dei dati strutturati più critica che mai. Gli LLM non si limitano a leggere il testo; preferiscono i dati strutturati per la loro chiarezza e precisione.

Il Ruolo di Schema.org nella Search Generative Experience (SGE)

Gli LLM come quelli che alimentano la SGE utilizzano i dati strutturati per tre scopi principali:

  1. Fact Extraction: Estrarre fatti e cifre precise (es. prezzi, date, nomi) senza ambiguità.
  2. Summarization: Generare riassunti concisi e accurati basati sulla struttura del contenuto (es. HowToStep per le istruzioni).
  3. Attribution: Identificare la fonte autorevole per la citazione, rafforzando l’E-E-A-T.

Un markup avanzato e ben implementato agisce come un “manuale di istruzioni” per l’AI, garantendo che il tuo contenuto sia interpretato correttamente e citato come fonte primaria.

Content Chunking e Blocchi Autonomi per l’AI

L’ottimizzazione per l’AI va oltre il codice. La struttura del testo deve essere “AI-friendly”:

  • Paragrafi Brevi: Mantenere i paragrafi tra 50 e 100 parole. Questo facilita il content chunking, permettendo all’LLM di elaborare blocchi di informazione autonomi.
  • Heading Chiari: Ogni H2 e H3 deve essere un blocco di contenuto autonomo e rispondere a un’intenzione di ricerca specifica.
  • Linguaggio Conversazionale: Usare un tono naturale e diretto, che è il modo in cui gli LLM sono addestrati a rispondere.

Best Practice per l’AI: Un blocco di testo ottimizzato per l’AI dovrebbe poter essere estratto e utilizzato come risposta diretta a una domanda, mantenendo il suo significato completo.

Markup Semantico per l’Intenzione di Ricerca

L’intenzione di ricerca (Informationale, Transazionale, Navigazionale, Commerciale) può essere rafforzata con tipi di Schema.org specifici:

  • Intenzione Informazionale: Article, BlogPosting, FAQPage, HowTo.
  • Intenzione Transazionale: Product, Offer, Service.
  • Intenzione Commerciale: Review, AggregateRating, LocalBusiness.

L’uso di questi tipi in modo appropriato è un segnale forte per l’AI, che può così classificare il contenuto e presentarlo nel formato più utile all’utente (es. un carosello di prodotti per un’intenzione transazionale).

Esempio Pratico 4: Ottimizzazione per la Ricerca Vocale e Chatbot

La ricerca vocale e i chatbot si basano quasi interamente sui dati strutturati. Un utente che chiede: “Quali sono i passaggi per installare Nginx?” si aspetta una risposta concisa e in formato elenco. Il markup HowTo (come visto nell’Esempio 1) è la risposta tecnica a questa esigenza.

Un altro esempio è l’uso di Speakable per i contenuti di notizie, che indica all’AI quali sezioni del testo sono più adatte per la sintesi vocale.


{

"@context": "https://schema.org",

"@type": "NewsArticle",

"speakable": [

"css selector",

"xpath"

]

}

Questo è un esempio di Schema.org Advanced che interviene direttamente sull’usabilità del contenuto da parte dei sistemi AI.


Monitoraggio e Manutenzione: La Gestione Avanzata dei Dati Strutturati

Implementare Schema.org Advanced è solo metà del lavoro. La manutenzione, il monitoraggio degli errori e l’adattamento ai cambiamenti del vocabolario sono cruciali per mantenere l’efficacia SEO e l’ottimizzazione AI nel tempo.

Strumenti Avanzati per la Validazione e il Debug

La complessità del markup annidato e dei riferimenti incrociati aumenta il rischio di errori. È fondamentale utilizzare strumenti di validazione specifici:

  1. Google Rich Results Test: Lo strumento primario per verificare se il markup è idoneo per i Rich Snippet.
  2. Schema Markup Validator (Schema.org): Per una validazione più pura del vocabolario Schema.org, indipendentemente dai requisiti specifici di Google.
  3. Google Search Console (Rapporti sui Dati Strutturati): Monitora gli errori a livello di sito e fornisce un feedback aggregato sull’implementazione.

Importante: Un errore comune nel markup avanzato è la mancata corrispondenza tra il contenuto visibile all’utente e i dati strutturati. Google penalizza questa pratica (cloaking). Assicurati che ogni dato strutturato sia fedele al contenuto della pagina.

Gestione delle Evoluzioni di Schema.org e Nuovi Tipi

Schema.org è un vocabolario vivo, aggiornato regolarmente. L’approccio avanzato richiede un monitoraggio costante delle nuove versioni e dei tipi emergenti.

Statistica Rilevante: Il vocabolario Schema.org è cresciuto da circa 500 tipi iniziali a oltre 800 tipi e 1500 proprietà, con aggiornamenti che avvengono più volte all’anno.

L’introduzione di nuovi tipi come HealthTopic o FinancialProduct richiede una rapida adozione per mantenere il vantaggio competitivo e l’E-E-A-T in settori sensibili.

Esempio Pratico 5: Debug di un Errore di Nested Schema

Un errore tipico è l’omissione di una proprietà obbligatoria in un tipo annidato. Ad esempio, se si annida un Offer all’interno di un Product, ma si dimentica la proprietà price.

Markup Errato:


{

"@type": "Product",

"name": "Prodotto X",

"offers": {

"@type": "Offer"

// Manca la proprietà "price"

}

}

Markup Corretto:


{

"@type": "Product",

"name": "Prodotto X",

"offers": {

"@type": "Offer",

"priceCurrency": "EUR",

"price": "99.99"

}

}

La manutenzione proattiva e l’uso di strumenti di validazione sono l’unica difesa contro questi errori che possono annullare tutti i benefici SEO.


FAQ: Domande Frequenti su Schema.org Avanzato

Questa sezione risponde alle domande più comuni sull’implementazione e l’ottimizzazione dei dati strutturati complessi.

1. Qual è la differenza tra Schema.org e il Knowledge Graph?

Schema.org è un vocabolario di tag e proprietà che i webmaster possono usare per marcare i dati. Il Knowledge Graph (Grafico della Conoscenza) è il database di Google (e di altri motori di ricerca) che memorizza le entità e le loro relazioni. Schema.org è il linguaggio che usi per comunicare i tuoi dati; il Knowledge Graph è il risultato finale di questa comunicazione, un modello di conoscenza interconnesso. Implementando Schema.org Advanced, stai attivamente contribuendo a costruire e arricchire il Knowledge Graph relativo alla tua entità.

2. Posso usare più tipi di Schema.org sulla stessa pagina?

Sì, non solo è possibile, ma è la base dell’approccio Schema.org Advanced. Ad esempio, una pagina di ricetta può contenere Recipe, FAQPage (per le domande sulla ricetta), VideoObject (per il video tutorial) e Organization (per l’autore). L’importante è utilizzare il contenitore @graph in JSON-LD per definire chiaramente ogni entità e le sue relazioni con gli @id.

3. Il markup Schema.org influisce direttamente sul ranking?

Ufficialmente, Google afferma che i dati strutturati non sono un fattore di ranking diretto. Tuttavia, influenzano indirettamente il ranking in modi cruciali:

  1. Rich Snippet: Aumentano il CTR (Click-Through Rate) nella SERP, un fattore che Google monitora.
  2. Comprensione del Contesto: Aiutano i motori di ricerca a comprendere il contesto e l’intenzione, portando a un migliore posizionamento per query specifiche.
  3. Ottimizzazione AI/LLM: Rendono il contenuto più “consumabile” per la SGE e gli LLM, aumentando la probabilità di essere citati come fonte autorevole.

4. È meglio usare JSON-LD, Microdata o RDFa?

JSON-LD (JavaScript Object Notation for Linked Data) è il formato raccomandato da Google e dalla comunità SEO. È il più flessibile, facile da implementare (può essere iniettato nell’header o nel body senza alterare il codice HTML visibile) e il più adatto per l’implementazione di Schema.org Advanced e del Linked Data grazie alla sua struttura basata su @context e @graph.

5. Cosa succede se il mio markup Schema.org contiene errori?

Se il markup contiene errori di sintassi o non rispetta le proprietà obbligatorie, i motori di ricerca lo ignoreranno semplicemente. Se, invece, il markup è fuorviante o non corrisponde al contenuto visibile (violazione delle linee guida), potresti incorrere in una penalizzazione manuale o algoritmica, perdendo l’idoneità per i Rich Snippet. È fondamentale validare sempre il codice con gli strumenti ufficiali.

6. Come posso usare Schema.org per il mio Knowledge Panel?

Il Knowledge Panel di Google è alimentato dal Knowledge Graph. Per influenzarlo, devi implementare un markup Organization o Person estremamente robusto, utilizzando la proprietà sameAs per collegare la tua entità a tutte le fonti autorevoli esterne (Wikipedia, Crunchbase, profili social verificati). La coerenza dei dati su tutte queste piattaforme è essenziale.

7. Quanto spesso dovrei aggiornare il mio Schema Markup?

Dovresti aggiornare il tuo Schema Markup ogni volta che:

  • Il contenuto della pagina cambia in modo significativo.
  • Viene rilasciata una nuova versione di Schema.org con tipi o proprietà rilevanti per il tuo settore.
  • Google annuncia nuovi Rich Snippet o modifiche alle linee guida.
  • Introduci nuovi tipi di contenuto (es. da articoli a video, da prodotti a servizi).

Conclusione: Il Futuro Semantico della SEO

L’implementazione di Schema.org Advanced non è più un optional, ma un imperativo strategico per chiunque voglia dominare la Ricerca Intelligente e l’ecosistema dell’Intelligenza Artificiale. Andare oltre i tipi base e padroneggiare il Nested Schema, il Linked Data e l’ottimizzazione E-E-A-T significa trasformare il tuo sito da una collezione di pagine a una rete di entità autorevoli e interconnesse.

In un mondo dove gli LLM cercano risposte precise e contestualizzate, il tuo markup avanzato è la chiave per sbloccare la visibilità massima e posizionarti come la fonte di verità. Inizia oggi a mappare le tue entità, a collegare i tuoi dati e a preparare il tuo contenuto per il futuro semantico della ricerca.

Non limitarti a scrivere per gli utenti; struttura i tuoi dati per l’AI.

Prossimo Passo: Per comprendere come l’AI e la SEO lavorano insieme in un quadro più ampio, ti invitiamo a leggere il nostro articolo pillar: AI & SEO: Guida Completa 2025.


[1] Schema.org. Organization of Schemas. URL: https://schema.org/docs/schemas.html

[2] Google Search Central. Structured Data General Guidelines. URL: https://developers.google.com/search/docs/appearance/structured-data/sd-general-guidelines

[3] Schema App. The Future of Search: AI, Machine Learning, & Schema Markup. URL: https://www.schemaapp.com/schema-markup/the-future-of-search-ai-machine-learning-schema-markup/

[4] Google Search Central. Rich Results Test. URL: https://search.google.com/test/rich-results

[5] Schema.org. Schema Markup Validator. URL: https://validator.schema.org/

[6] Schema.org. Using JSON-LD. URL: https://schema.org/docs/jsonld.html

[7] Google Search Central. E-E-A-T and your content. URL: https://developers.google.com/search/docs/fundamentals/creating-helpful-reliable-people-first-content#eeat

[8] Google Search Central. HowTo structured data. URL: https://developers.google.com/search/docs/appearance/structured-data/how-to

[9] Google Search Central. FAQ structured data. URL: https://developers.google.com/search/docs/appearance/structured-data/faqpage

[10] Schema.org. sameAs property. URL: https://schema.org/sameAs

[11] Schema.org. additionalType property. URL: https://schema.org/additionalType

[12] Schema.org. PropertyValue type. URL: https://schema.org/PropertyValue

[13] Schema.org. Speakable specification. URL: https://schema.org/speakable

[14] Schema.org. Dataset type. URL: https://schema.org/Dataset

[15] Schema.org. ClaimReview type. URL: https://schema.org/ClaimReview

Davide Minetti

Davide Minetti

Consulente SEO a Perugia: aiuto aziende ed eCommerce a crescere su Google e nelle risposte delle AI, partendo sempre dall'analisi dei dati.

Chi sono · LinkedIn

Parliamo del tuo progetto.

Consulenza gratuita e senza impegno: analizzo il tuo sito e ti mostro le opportunità che non stai ancora sfruttando. Rispondo personalmente entro 24 ore.