DEENFRESPLNLITPT
seo-geo-knowledge

Product Schema: Qué campos JSON-LD necesita la IA

✍️ GEO Expert 📅 2026-03-13 ⏱️ 5 min
Product Schema: Qué campos JSON-LD necesita la IA

Product Schema para la visibilidad de la IA: Qué campos su JSON-LD realmente necesita

Para los operadores de e-commerce: Sin un Product Schema correctamente implementado de acuerdo con el estándar Schema.org, una tienda online es casi invisible para los motores de búsqueda de IA. En este artículo, aprenderá qué campos debe contener imperativamente su JSON-LD, y qué campos opcionales marcan la diferencia decisiva en la visibilidad de la IA.

El papel de los datos estructurados en la era de la IA

Cuando un motor de búsqueda basado en IA procesa una consulta compleja – por ejemplo, "Las mejores zapatillas de running para corredores de maratón propensos a lesiones con entrega para mañana" –, necesita hechos legibles por máquina. El Product Schema actúa como la única fuente de datos fiable.

Mientras que Google tradicionalmente también evalúa el texto visible de una página, los rastreadores LLM como GPTBot o PerplexityBot se basan principalmente en datos estructurados. La razón: un LLM puede extraer hechos de un bloque JSON-LD de manera mucho más fiable que de un texto continuo que mezcla lenguaje de marketing, formulaciones ambiguas y elementos decorativos.

Sé estándar, no creativo

La máxima es: "Sé estándar, no creativo". Utiliza el vocabulario oficial de Schema.org. Si bien la interfaz de usuario visual puede ser creativa, la descripción técnica debe seguir estrictos estándares.

Errores comunes en la práctica:


Cualquiera de estos errores puede llevar a que la IA descarte o interprete incorrectamente los datos.

Los campos obligatorios indispensables

Campos cruciales para la visibilidad de la IA

Identificadores (SKU, GTIN, MPN)

Los identificadores son la columna vertebral de la diferenciación de variantes. El GTIN (Global Trade Item Number) permite a la IA comparar y fusionar datos de diferentes fuentes. Si su producto se identifica de forma idéntica a través del GTIN en Amazon, en su tienda y en un portal de comparación de precios, la confianza de la IA en la calidad de los datos aumenta considerablemente.

El SKU (Stock Keeping Unit) ayuda adicionalmente en la identificación interna del producto y la diferenciación de variantes (tamaño, color). Sin identificadores, la IA trata cada listado como un producto potencialmente diferente.

Marca

El campo brand a menudo se subestima, pero es esencial. Vincula el producto con la entidad de marca superior en el Knowledge Graph. Utilice siempre el tipo anidado: brand": { "@type": "Brand", "name": "Pro-Run" }.

Precio y Disponibilidad

Estos datos deben coincidir exactamente en el JSON-LD con la información de la página de destino. Cualquier discrepancia entre el precio mostrado y el precio del esquema puede ser interpretada por los rastreadores como un intento de manipulación y dañar la confianza de forma duradera.

Preste especial atención a:


Detalles de Envío


Con shippingDetails puede especificar con precisión los tiempos y costos de envío. Solo así la IA puede responder preguntas como "¿Qué se puede entregar antes del viernes?" o "¿Qué tienda ofrece envío gratuito?". Este campo se está convirtiendo cada vez más en un factor de diferenciación, ya que los usuarios suelen filtrar por condiciones de envío en las búsquedas de IA.

Valoración Agregada y Reseñas

Las valoraciones sirven como prueba social. Los sistemas de IA dan mayor peso a los productos con un historial positivo. Importante: Utilice aggregateRating para la valoración general y, además, entradas de review individuales para opiniones detalladas de los clientes. Cuantas más reseñas verificadas, más fuerte es la señal de confianza.

Ejemplo práctico: JSON-LD correcto

{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "Zapatillas de Maratón Pro-Run X1",
  "description": "Zapatillas de running ligeras para corredores de maratón con amortiguación reforzada y parte superior transpirable.",
  "sku": "PR-X1-2024",
  "gtin13": "4012345678901",
  "brand": { "@type": "Brand", "name": "Pro-Run" },
  "image": "https://example.com/images/pro-run-x1.jpg",
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",
    "reviewCount": "124"
  },
  "offers": {
    "@type": "Offer",
    "priceCurrency": "EUR",
    "price": "159.90",
    "availability": "https://schema.org/InStock",
    "priceValidUntil": "2025-12-31",
    "shippingDetails": {
      "@type": "OfferShippingDetails",
      "deliveryTime": {
        "@type": "ShippingDeliveryTime",
        "transitTime": {
          "@type": "QuantitativeValue",
          "minValue": 1,
          "maxValue": 2,
          "unitCode": "d"
        }
      }
    }
  }
}

Validación y Pruebas

Un Product Schema correctamente construido sirve de poco si contiene errores de sintaxis. Utilice estas herramientas para la validación:

Después de cada cambio en la plantilla de su tienda, pruebe si los datos estructurados se siguen mostrando correctamente, especialmente después de las actualizaciones de su sistema de tienda.

Conclusión

Utilice consistentemente identificadores únicos (GTIN, SKU), mantenga los detalles de envío y entrega directamente en el esquema, mantenga los datos de precio y disponibilidad meticulosamente actualizados y siga estrictamente el estándar Schema.org. Un Product Schema completo no es un accesorio agradable, es la puerta de entrada a la visibilidad de su tienda en la IA.