Schema.org JSON-LD: Cómo hacer que ChatGPT cite tu sitio web en 2026
En los últimos tres años he visto algo fascinante ocurrir en el ecosistema digital de México y Latinoamérica. Los negocios que implementaron schema markup estructurado no solo mejoraron su posicionamiento en Google, sino que ahora aparecen citados directamente en respuestas de ChatGPT, Gemini y Perplexity.
No es magia. Es arquitectura de información.
En este artículo te voy a explicar exactamente cómo funciona JSON-LD, por qué es el formato que ganó la batalla de los estándares web, y cómo implementarlo para que las máquinas inteligentes encuentren, entiendan y recomienden tu contenido.
Si aún no entiendes por qué las IAs no encuentran tu negocio, lee primero: Cómo Aparecer en ChatGPT, Gemini y Perplexity en 2026.
¿Por qué las máquinas no entienden tu sitio (sin schema)?
Déjame pintarte un escenario que seguramente reconocerás.
Imagina que entras a un supermercado donde ningún producto tiene etiqueta. Los frascos no dicen si son mermelada o salsa picante. Tú podrías abrir un frasco, olerlo y descifrar qué es. Pero una máquina no puede hacer eso.
Tu sitio web es exactamente así sin schema markup.
Cuando publicas un artículo sobre "los mejores cafés especiales en CDMX", un lector humano lo entiende al instante. Pero ChatGPT, al hacer web scraping, ve solo texto. No sabe si ese contenido viene de un café real, de un blog de opinión o de una tienda que vende máquinas de espresso.
Esto es lo que pasa cada día con millones de sitios en la región:
- Un restaurante en Bogotá sube su menú a una página HTML, pero la IA no capta que es un restaurante ni cuál es su horario
- Una agencia de viajes en Guadalajara escribe guías de destinos increíbles, pero no aparece como fuente confiable en las respuestas de IA
- Un dermatólogo en Buenos Aires publica información médica valiosa, pero ChatGPT no la cita porque no sabe que es un especialista certificado
Aquí es donde entra en juego el schema markup. Y aquí es donde JSON-LD se convierte en tu arma invisible.
JSON-LD ganó la batalla: La historia de los tres estándares
Antes de que JSON-LD se coronara como el estándar, teníamos tres opciones compitiendo:
| Formato | Año de creación | Dificultad | Estado en 2026 | Mantenimiento |
|---|---|---|---|---|
| Microdata | 2010 | Media (inline HTML) | Deprecado pero funcional | Requiere editar HTML cada vez |
| RDFa | 2008 | Alta (sintaxis compleja) | Comunidad académica/semántica | Difícil de mantener en producción |
| JSON-LD | 2014 | Baja (bloque separado) | Estándar de facto global | Independiente del diseño |
En 2015, Google hizo oficial lo que ya era obvio:
JSON-LD es el lenguaje con el que le hablas a Google, a ChatGPT, a Gemini y a Perplexity de forma estructurada. No es el único formato que existe, pero es el que ganó.
¿Por qué ganó JSON-LD? La razón es tan práctica que roza lo obvio:
- Separación clara: El schema vive en su propio bloque
<script>, aislado del HTML que define el diseño - Mantenimiento sencillo: Un desarrollador puede agregar, modificar o eliminar schema sin tocar una línea de CSS o JavaScript
- Escalabilidad: Funciona con cualquier CMS, desde WordPress hasta soluciones custom en Python o Node
- Compatibilidad universal: Google, Bing, ChatGPT, Gemini, Perplexity y los motores de búsqueda emergentes lo entienden igual
El bloque de schema más simple del mundo
Déjame mostrarte exactamente cómo se ve JSON-LD en su forma más minimalista:
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "Café Origen Oaxaca",
"url": "https://www.cafeorigenoaxaca.mx"
}
</script>
Eso es todo lo que necesita Café Origen Oaxaca para que ChatGPT sepa que es un negocio, cuál es su nombre y dónde encontrarlo.
Pero espera. Podemos hacerlo más inteligente.
Imagina que agregas más información:
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "LocalBusiness",
"name": "Café Origen Oaxaca",
"url": "https://www.cafeorigenoaxaca.mx",
"telephone": "+52 951 516 7890",
"address": {
"@type": "PostalAddress",
"streetAddress": "Avenida Xochimilco 234",
"addressLocality": "Oaxaca",
"addressRegion": "OA",
"postalCode": "68000",
"addressCountry": "MX"
},
"openingHoursSpecification": {
"@type": "OpeningHoursSpecification",
"dayOfWeek": "Monday",
"opens": "07:00",
"closes": "19:00"
},
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.8",
"reviewCount": "342"
}
}
</script>
Ahora una IA sabe: qué es el negocio, dónde está, cuándo abre, su teléfono y lo más importante—que tiene casi 5 estrellas en 342 opiniones.
Eso cambia todo en cuanto a cómo una IA te va a recomendar.
Cómo ChatGPT, Gemini y Perplexity usan tu schema en 2026
Cuando alguien pregunta en ChatGPT: "¿Dónde puedo tomar el mejor café en Oaxaca?", el modelo está haciendo web search en tiempo real. Pero no solo busca contenido—busca estructura.
Las máquinas inteligentes entienden el schema markup como una firma de confiabilidad. Es como la diferencia entre alguien que te da una recomendación en la calle versus un especialista que te muestra credenciales.
En mi experiencia trabajando con clientes en México, Perú y Colombia, he visto que los negocios con schema bien implementado:
- Aparecen citados directamente en respuestas de ChatGPT con su nombre, teléfono y calificaciones
- Generan tráfico desde Perplexity, que es el único motor que cita activamente fuentes en tiempo real
- Mejoran sus posibilidades de aparecer en búsquedas generativas de Gemini (que es el que usa Google en Search)
- Posicionan mejor en Google Search, que ahora da más autoridad a contenido con schema bien estructurado
La razón es simple: las máquinas prefieren leer etiquetas que descifrar significado.
Para complementar el schema con una estrategia de autoridad temática, lee: Autoridad Temática: Cómo Ser el Referente que las IAs No Pueden Ignorar.
Schema.org en Código: La solución definitiva
Escribí el libro "Schema.org en Código" precisamente para resolver este problema que veo cada día en Latinoamérica: negocios brillantes con contenido increíble que nadie encuentra porque sus máquinas no entienden qué ofrecen.
Este libro no es teoría académica sobre semántica web. Es código funcional, ejemplos reales de negocios mexicanos y latinoamericanos, y un roadmap claro para implementar schema en cualquier plataforma.
Si estás corriendo un blog, un e-commerce, un negocio local o una agencia de servicios, necesitas schema markup. Y necesitas JSON-LD específicamente, porque es el único que las máquinas inteligentes leen de verdad en 2026.
La pregunta no es si implementar schema. La pregunta es: ¿cuánto tráfico estás dejando de ganar mientras no lo haces?
¿Quieres que implementemos schema en tu negocio? Conoce nuestro servicio de Posicionamiento AEO y Schema Markup en México.
- ✅ Por Elliott Saldaña · Serie Posicionamiento en IA para Negocios
- ✅ Disponible en Kindle y paperback
- ✅ Ejemplos reales de negocios en México y LATAM
- ✅ Estrategias aplicables esta semana