DEENFRESPLNLITPT
seo-geo-knowledge

Schema di Prodotto: Quali campi JSON-LD l'IA necessita

✍️ GEO Expert 📅 2026-03-13 ⏱️ 5 min
Schema di Prodotto: Quali campi JSON-LD l'IA necessita

Schema di Prodotto per la visibilità AI: Quali campi del tuo JSON-LD sono veramente necessari

Per gli operatori e-commerce: senza un Product Schema correttamente implementato secondo lo standard Schema.org, un negozio online è quasi invisibile per i motori di ricerca basati sull'IA. In questo articolo scoprirete quali campi il vostro JSON-LD deve contenere obbligatoriamente — e quali campi opzionali fanno la differenza cruciale nella visibilità AI.

Il ruolo dei dati strutturati nell'era dell'IA

Quando un motore di ricerca basato sull'IA elabora una query complessa – ad esempio "Le migliori scarpe da corsa per maratoneti soggetti a infortuni con consegna entro domani" – necessita di fatti leggibili dalla macchina. Il Product Schema funge da unica fonte di dati affidabile.

Mentre Google tradizionalmente valuta anche il testo visibile di una pagina, i crawler LLM come GPTBot o PerplexityBot si affidano principalmente ai dati strutturati. Il motivo: un LLM può estrarre fatti da un blocco JSON-LD in modo significativamente più affidabile che dal testo corrente, che mescola linguaggio di marketing, formulazioni ambigue ed elementi decorativi.

Sii Standard, non creativo

La parola d'ordine è: "Sii Standard, non creativo". Utilizzate il vocabolario ufficiale di Schema.org. Mentre l'interfaccia utente visiva può essere creativa, la descrizione tecnica deve seguire standard rigorosi.

Errori frequenti nella pratica:


Ciascuno di questi errori può portare l'IA a scartare i dati o a interpretarli in modo errato.

I campi obbligatori indispensabili

Campi decisivi per la visibilità AI

Identificatori (SKU, GTIN, MPN)

Gli identificatori sono la spina dorsale della differenziazione delle varianti. Il GTIN (Global Trade Item Number) consente all'IA di confrontare e unire dati provenienti da diverse fonti. Se il vostro prodotto è identificato in modo identico tramite il GTIN su Amazon, nel vostro negozio e in un portale di confronto prezzi, la fiducia dell'IA nella qualità dei dati aumenta notevolmente.

Lo SKU (Stock Keeping Unit) aiuta inoltre nell'identificazione interna dei prodotti e nella differenziazione delle varianti (taglia, colore). Senza identificatori, l'IA tratta ogni listing come un prodotto potenzialmente diverso.

Brand

Il campo brand è spesso sottovalutato, ma essenziale. Collega il prodotto all'entità del marchio sovraordinata nel Knowledge Graph. Utilizzate sempre il tipo annidato: "brand": { "@type": "Brand", "name": "Pro-Run" }.

Prezzo e Disponibilità

Questi dati devono corrispondere esattamente nel JSON-LD alle informazioni sulla landing page. Qualsiasi discrepanza tra il prezzo visualizzato e il prezzo nello schema può essere interpretata dai crawler come un tentativo di manipolazione e può danneggiare la fiducia in modo duraturo.

Prestate particolare attenzione a:


Dettagli di spedizione


Tramite shippingDetails è possibile specificare con precisione i tempi e i costi di spedizione. Solo così l'IA può rispondere a domande come "Cosa è disponibile per la consegna entro venerdì?" o "Quale negozio offre la spedizione gratuita?". Questo campo sta diventando sempre più un fattore di differenziazione, poiché gli utenti nelle ricerche AI spesso filtrano in base alle condizioni di consegna.

Valutazione aggregata e Recensioni

Le recensioni servono come prova sociale. I sistemi AI danno maggiore peso ai prodotti che hanno una storia positiva. Importante: utilizzate aggregateRating per la valutazione complessiva e, in aggiunta, le singole voci review per le opinioni dettagliate dei clienti. Più recensioni verificate, più forte è il segnale di fiducia.

Esempio pratico: JSON-LD corretto

{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "Pro-Run Marathon Scarpa X1",
  "description": "Scarpa da corsa leggera per maratoneti con ammortizzazione rinforzata e tomaia traspirante.",
  "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"
        }
      }
    }
  }
}

Validazione e Test

Un Product Schema correttamente strutturato è di poca utilità se contiene errori di sintassi. Utilizzate questi strumenti per la validazione:

Testate dopo ogni modifica al vostro template di negozio se i dati strutturati vengono ancora emessi correttamente — specialmente dopo gli aggiornamenti del vostro sistema di negozio.

Conclusione

Utilizzate costantemente identificatori univoci (GTIN, SKU), curate i dettagli di spedizione e consegna direttamente nello schema, mantenete i dati di prezzo e disponibilità scrupolosamente aggiornati e attenetevi rigorosamente allo standard Schema.org. Un Product Schema completo non è un optional — è il biglietto d'ingresso per la visibilità AI del vostro negozio.