Schema markup e citazioni AI: il test che ridimensiona una certezza della SEO

Per mesi, nel dibattito SEO, lo schema markup è stato spesso presentato come uno degli strumenti più promettenti per aumentare la visibilità nei risultati generati dall’intelligenza artificiale. L’idea è semplice: se una pagina comunica meglio il proprio contenuto alle macchine attraverso dati strutturati, dovrebbe avere maggiori probabilità di essere compresa, selezionata e citata dai motori AI.

Una nuova analisi condotta da Ahrefs invita però a una lettura più prudente. Il test non dice che lo schema sia inutile. Dice qualcosa di più specifico, e per certi versi più interessante: aggiungere JSON-LD a pagine che sono già citate dai sistemi AI non sembra produrre un aumento chiaro delle citazioni. In altre parole, lo schema markup può essere parte di una buona architettura SEO, ma non va trattato come una scorciatoia per entrare nelle risposte AI.

Il punto non è se lo schema sia utile, ma cosa può davvero influenzare

I dati strutturati hanno un ruolo consolidato nella SEO tecnica. Aiutano i motori di ricerca a interpretare entità, relazioni, prodotti, recensioni, eventi, FAQ, articoli e altri elementi informativi. Possono contribuire alla generazione di rich result e a una migliore integrazione con i knowledge graph. Per siti editoriali, ecommerce, marketplace e aziende locali, restano quindi un tassello importante della governance tecnica.

Il tema cambia quando si passa dalla SEO tradizionale alla visibilità nei sistemi AI. Qui la domanda è diversa: i dati strutturati aumentano davvero le probabilità che una pagina venga citata da Google AI Overviews, Google AI Mode o ChatGPT? Secondo il test, almeno per le pagine già presenti nel perimetro di citazione, la risposta non è positiva in modo misurabile.

Ahrefs ha osservato che le pagine citate dall’AI risultano circa tre volte più propense a includere JSON-LD rispetto alle altre. Questo dato, da solo, potrebbe sembrare una conferma del valore dello schema. Ma la correlazione non basta. I siti che implementano correttamente i dati strutturati spesso sono anche quelli che investono di più in contenuti, autorevolezza, architettura informativa, link, brand e qualità editoriale. Lo schema potrebbe quindi essere un indicatore di maturità SEO, più che la causa diretta della citazione AI.

Come è stato impostato il test

L’analisi ha preso in considerazione 1.885 pagine web che hanno aggiunto schema markup in formato JSON-LD. Ogni pagina è stata confrontata con tre pagine di controllo, provenienti da domini diversi, che non avevano aggiunto JSON-LD e che mostravano livelli di citazione simili prima dell’intervento. L’obiettivo era isolare l’effetto dello schema rispetto ad altri fattori e osservare l’andamento delle citazioni nei 30 giorni precedenti e successivi all’aggiunta dei dati strutturati.

Il campione più ampio analizzato comprendeva 6 milioni di URL. Le piattaforme osservate erano tre: Google AI Overviews, Google AI Mode e ChatGPT. Il metodo utilizzato ha cercato di tenere conto anche delle tendenze generali delle piattaforme, evitando di attribuire allo schema variazioni che potevano dipendere da movimenti più ampi dell’ecosistema.

I risultati sono stati piuttosto netti nella loro assenza di entusiasmo. Su Google AI Overviews è stato registrato un calo relativo del 4,6% rispetto ai controlli. Su Google AI Mode l’aumento è stato del 2,4%, troppo contenuto per essere distinto con sicurezza dalla normale variabilità. Su ChatGPT l’incremento è stato del 2,2%, anche in questo caso non abbastanza significativo per indicare un effetto concreto.

Altri test affiancati alla comparazione principale sono arrivati alla stessa conclusione generale: non emerge un impatto positivo chiaro dell’aggiunta di schema markup sulle citazioni AI per pagine già citate.

Il calo in AI Overviews va letto con cautela

Il dato più appariscente è il -4,6% rilevato in Google AI Overviews. Sarebbe però sbagliato trasformarlo in una sentenza contro lo schema markup. La stessa analisi segnala che sia le pagine trattate sia quelle di controllo erano già in fase di calo prima dell’aggiunta del JSON-LD. Le pagine con schema sono diminuite leggermente più in fretta, ma la differenza è ridotta: circa 12 citazioni giornaliere in meno per pagina in un campione in cui molte pagine ricevevano centinaia di citazioni.

Questo significa che il calo potrebbe essere casuale, oppure potrebbe riflettere un piccolo effetto negativo, oppure ancora essere legato a modifiche contestuali avvenute sulle pagine nello stesso periodo. Il dato è interessante, ma non sufficiente per concludere che lo schema penalizzi le citazioni AI. La lettura più solida è un’altra: non esiste, in questo test, una prova convincente che l’aggiunta di JSON-LD abbia migliorato la situazione.

La grande eccezione: le pagine non ancora visibili all’AI

Il limite più importante dell’analisi riguarda il tipo di pagine osservate. Tutte avevano già almeno 100 citazioni in AI Overviews prima dell’aggiunta dello schema. Erano quindi pagine già scoperte, elaborate e considerate dai sistemi AI. Non si trattava di contenuti invisibili che cercavano di entrare per la prima volta nel set di fonti potenzialmente citabili.

Questo dettaglio cambia molto l’interpretazione strategica. Per pagine già riconosciute dall’ecosistema AI, aggiungere JSON-LD sembra non spostare gli equilibri. Per pagine nuove, poco autorevoli o non ancora comprese dai sistemi, lo schema potrebbe avere un ruolo diverso: aiutare il crawling, la comprensione semantica, l’indicizzazione o la connessione con entità già note. Il test, però, non può confermarlo.

Ci sono anche altri elementi da considerare. Le pagine che aggiungono schema spesso cambiano anche altri aspetti: template, contenuto, internal linking, componenti tecniche. Separare l’effetto dei dati strutturati da tutto il resto è complesso. Inoltre, lo studio ha aggregato diversi tipi di schema, mentre è possibile che alcune implementazioni abbiano impatti differenti rispetto ad altre. Infine, una finestra di 30 giorni potrebbe non intercettare effetti più lenti, soprattutto in contesti dove aggiornamento, crawling e rielaborazione delle fonti seguono tempi non immediati.

Quando l’AI legge la pagina, guarda soprattutto il contenuto visibile

Un ulteriore elemento emerso nel dibattito riguarda il comportamento dei sistemi AI quando recuperano pagine in tempo reale. Un esperimento citato nell’analisi ha osservato cinque sistemi AI durante il fetch diretto di pagine web: in quel contesto, i sistemi hanno estratto il contenuto visibile nell’HTML e non hanno utilizzato JSON-LD, Microdata o RDFa.

Anche qui serve prudenza. Un test di fetch diretto non dimostra come funzionino training, indicizzazione, retrieval o sistemi intermedi. Tuttavia suggerisce un principio pratico molto rilevante per chi produce contenuti: ciò che è scritto, leggibile e ben strutturato nella pagina resta centrale. Titoli chiari, paragrafi coerenti, definizioni esplicite, dati contestualizzati, fonti riconoscibili e una gerarchia informativa solida possono pesare più di un livello semantico nascosto nel codice.

Cosa significa per aziende, editori e professionisti SEO

Per il mercato italiano, dove molte aziende stanno ancora cercando di capire come prepararsi alla ricerca AI, il messaggio è importante. Non basta installare un plugin, generare markup automatico e aspettarsi più citazioni nelle risposte sintetiche. La visibilità AI sembra premiare un insieme più ampio di segnali: autorevolezza del dominio, qualità del contenuto, copertura del tema, reputazione del brand, chiarezza editoriale, coerenza delle entità, link e presenza complessiva nel web.

Questo non significa abbandonare lo schema markup. Significa ricollocarlo nel posto giusto. I dati strutturati vanno implementati perché rendono un sito più ordinato, più interpretabile e più compatibile con l’ecosistema della ricerca. Sono una buona pratica tecnica, non una leva isolata di crescita nelle citazioni AI.

Per un ecommerce, ad esempio, resta fondamentale marcare prodotti, disponibilità, prezzi e recensioni in modo corretto. Per un editore, Article, Organization, Author e Breadcrumb possono aiutare a consolidare struttura e identità del contenuto. Per un’azienda locale, LocalBusiness e le informazioni coerenti su sede, servizi e contatti restano componenti utili. Ma nessuna di queste implementazioni sostituisce contenuti solidi, pagine aggiornate e una reputazione digitale credibile. Se l’obiettivo è trasformare questo approccio in un piano operativo, può essere utile partire da un metodo come l’audit di crescita con l’AI in 90 giorni.

La SEO tecnica entra in una fase meno meccanica

La lezione più interessante è culturale. La SEO tecnica non perde valore, ma diventa meno meccanica. In passato molte ottimizzazioni potevano essere lette come interventi relativamente diretti: correggere un problema, aggiungere un markup, migliorare un tag, velocizzare una pagina. Nell’ambiente AI, invece, il rapporto tra intervento e risultato è più sfumato. I sistemi non si limitano a leggere segnali isolati: combinano contenuto, contesto, autorevolezza e utilità percepita.

Per chi lavora nel search marketing, questo impone un cambio di priorità. Lo schema dovrebbe far parte di una strategia più ampia di machine readability, ma la vera domanda diventa: la pagina è davvero la migliore risposta disponibile per quel tema? Spiega il concetto meglio degli altri? Offre dettagli verificabili? È aggiornata? È collegata a un brand o a un autore riconoscibile? È facile da interpretare anche senza affidarsi ai dati strutturati?

Le aziende che vogliono essere citate nelle risposte AI devono quindi ragionare meno in termini di singola ottimizzazione e più in termini di ecosistema informativo. Servono contenuti che coprano bene le intenzioni di ricerca, pagine tecnicamente accessibili, segnali di fiducia coerenti, una presenza distribuita su fonti affidabili e una struttura del sito che aiuti sia gli utenti sia le macchine a orientarsi.

In quest’ottica, torna spesso utile guardare anche a come stanno cambiando i segnali di autorevolezza e di contesto nelle fonti: un quadro molto chiaro è quello tracciato in SEO e AI Search, tra fonti dirette e link contestuali.

La conclusione operativa

Il test ridimensiona una convinzione diffusa: aggiungere schema markup non sembra aumentare le citazioni AI quando una pagina è già citata. La correlazione tra schema e presenza nelle risposte generate dall’intelligenza artificiale probabilmente riflette soprattutto la qualità complessiva dei siti che lo adottano, non un effetto diretto del JSON-LD.

La scelta più sensata non è togliere lo schema, ma smettere di trattarlo come una soluzione magica. Va mantenuto, curato e validato, soprattutto dove supporta rich result, entità e comprensione del contenuto. Ma la priorità strategica deve spostarsi sulla qualità visibile: contenuti chiari, esperienza editoriale, autorevolezza, aggiornamento e capacità di rispondere meglio degli altri alle domande reali degli utenti.

Nella ricerca guidata dall’AI, il codice aiuta. Ma non sostituisce ciò che la pagina comunica davvero.