Datos estructurados

Qué es

La página de contacto de una empresa explica en una frase dónde está
la oficina; los datos estructurados lo repiten como una
`PostalAddress` con calle, código postal y país, para que un
programa que lea la página no tenga que adivinar qué palabra es la
localidad. Consisten en repetir lo que una página expresa en prosa
mediante enunciados tipados en un vocabulario acordado entre quienes
publican y quienes consumen los datos, para que los buscadores y
otros programas puedan leer los hechos sin interpretar la
disposición visual de la página.

El vocabulario suele ser schema.org, que la documentación de Google
identifica como el que utiliza la mayoría de los datos estructurados
de su buscador. Lo fundaron Google, Microsoft, Yahoo y Yandex, y
desde abril de 2015 su principal foro es un grupo comunitario del
W3C. Define tipos, como `Organization`, `Person`, `Service`,
`Review` o `DefinedTerm`, y las propiedades que puede tener cada
uno, como `name`, `address`, `author` o `price`.

Los enunciados pueden escribirse con tres sintaxis. Microdata y RDFa
añaden atributos a los propios elementos HTML visibles. JSON-LD
mantiene los enunciados aparte, en un bloque JSON dentro de un
elemento `script` de tipo `application/ld+json`, y su versión 1.1 es
una Recomendación del W3C publicada el 16 de julio de 2020. Google
acepta las tres por igual y recomienda JSON-LD por ser la más fácil
de mantener a gran escala.

```html
<script type="application/ld+json">
    {
        "@context": "https://schema.org",
        "@type": "Organization",
        "@id": "https://example.com/#organization",
        "name": "Example Ltd",
        "url": "https://example.com/"
    }
</script>
```

La línea más importante de ese bloque es `@id`. JSON-LD utiliza ese
campo para identificar un nodo; un nodo sin él es un nodo en blanco,
sin un identificador independiente del documento. Los
identificadores de nodos en blanco pueden compartirse entre bloques
de un mismo documento. Con un identificador utilizable globalmente,
cualquier otro bloque de cualquier otra página puede escribir
`"publisher": {"@id": "https://example.com/#organization"}`, lo que
la especificación denomina referencia a un nodo: un puntero a algo
descrito en otro lugar, en vez de una nueva descripción de ello. Los
identificadores convierten un conjunto disperso de bloques en un
único grafo.

Un concepto cercano es el de los metadatos. El título, la
descripción y las etiquetas Open Graph de la cabecera describen la
página como documento, mientras que los datos estructurados
describen aquello de lo que trata: la empresa que está detrás, la
persona que la escribió, el servicio que ofrece o la palabra que
define.

Por qué importa

La decisión es cuánto decir, y la respuesta honesta suele ser menos
de lo que permite el vocabulario, pero de forma completa. Nada en la
sintaxis impide rellenar todas las propiedades que ofrece
schema.org. Las propias directrices de Google apuntan en sentido
contrario: proporcionar menos propiedades recomendadas, completas y
exactas, en lugar de todas las posibles con datos parciales o
erróneos, y no marcar nada que el lector no pueda ver en la página,
aunque sea cierto.

El motivo es que cada hecho marcado es una segunda copia de algo que
ya dice la página, y una segunda copia puede divergir. Un precio
modificado en la tabla visible y olvidado en el JSON, una valoración
que solo ven las máquinas, una dirección escrita de forma
ligeramente distinta en cada página: todo ello hace que la página
diga una cosa a las personas y otra a los programas. El coste de los
datos estructurados está menos en escribirlos que en mantenerlos
fieles a la realidad, así que conviene preguntar qué enunciados
puede respaldar la página y si proceden de la misma fuente que el
texto visible.

Lo que se obtiene es legibilidad. Un buscador o agente capaz de
vincular cien menciones a una sola empresa sabe más que otro que lea
cien nombres sin relación. Las páginas que siguen las directrices
pueden optar a resultados enriquecidos, es decir, resultados con
información adicional, aunque cumplir los requisitos no garantiza
ninguno. Lo que cambia es cuánto entiende una máquina de aquello de
lo que trata la página.

Cómo se aplica en la práctica

En sus créditos, el sitio se compromete a marcar únicamente lo que
sea cierto y visible en la página, y la historia de sus datos
estructurados muestra por qué hacía falta dejar esa frase por
escrito.

Antes de la revisión de julio de 2026, 963 bloques repetían los
datos de la empresa 1.671 veces, sin ningún identificador estable,
por lo que ningún consumidor tenía fundamento para tratar la
organización de una página como la misma de otra. El grafo se apoya
ahora en tres identificadores creados a partir del origen del sitio,
para la organización, el sitio web y la fundadora; todos los demás
bloques los referencian mediante `@id` en lugar de volver a
describirlos. Los identificadores son iguales en todos los idiomas:
un comentario de la plantilla explica que un identificador danés
distinto declararía una segunda organización con el mismo número de
registro empresarial. En aquella etapa se registraron dieciséis
tipos, y las listas identificaban sus elementos solo por URL, porque
detallar las 107 entradas que tenía entonces el índice del
portafolio habría aumentado el peso de la página comprimida un 52 %.

Varios hechos se leen de la misma fuente que la página visible. Los
precios de los servicios proceden del mismo archivo de datos que los
precios en pantalla, por lo que a la máquina y al lector se les
ofrece la misma tarifa. El periodo que abarca un trabajo procede de
la plantilla parcial que escribe la frase sobre él. Las rutas de
navegación siguen el recorrido visible, y las posiciones de las
listas siguen el orden en pantalla, nunca una clasificación
publicada solo para las máquinas. El nodo de la propia página
utiliza la misma dirección que su enlace canónico, de modo que el
marcado y la cabecera hacen una misma afirmación.

Lo que se omite es tan deliberado como lo que se declara. Los textos
que la empresa escribe sobre su propio trabajo no se marcan como
reseñas, porque eso inventaría un autor para sus propias palabras.
La plantilla de testimonios solo utiliza nodos Review para las
entradas publicadas con consentimiento concedido, sin añadir una
puntuación. Cada página del glosario, incluida esta, lleva un
`DefinedTerm` cuya descripción es la definición de una línea que
aparece en la lista, de modo que la máquina lee la misma definición
que el lector.

Una comprobación del sitio generado verifica que todos los bloques
se puedan analizar, que todos los identificadores se resuelvan y que
se haya generado cada URL que menciona el grafo; por tanto, un grafo
que apunte a una página inexistente hace fallar el control de
calidad obligatorio. La misma página de créditos enumera Schema
Markup Validator para leer los datos y Rich Results Test de Google
para ver qué hace un buscador concreto con ellos.

Dónde surgen los problemas

Los resultados enriquecidos siguen sin llegar aunque todos los
validadores den el visto bueno. El marcado es JSON-LD válido y
utiliza tipos reales de schema.org, pero la página sigue apareciendo
como un resultado ordinario. Los datos describen cosas que el lector
no puede ver, como una puntuación que nadie dio, preguntas ocultas o
un precio distinto del que aparece en pantalla; Google advierte de
que incumplir sus directrices puede dejar una página fuera de los
resultados enriquecidos, por muy correcta que sea la sintaxis.
Marque solo lo que muestre la página y genere ambas versiones desde
una misma fuente para que no diverjan.

Cientos de bloques describen una empresa y nada los conecta. Cada
página repite el nombre, el logotipo y la dirección de la
organización, a veces con pequeñas diferencias, y corregir un
detalle obliga a encontrarlos todos. Los nodos son anónimos, o cada
página y cada idioma crean un identificador propio para la misma
entidad. Asigne a cada entidad real un único `@id` construido a
partir de una URL estable con un fragmento, descríbala una sola vez
y referénciela en los demás lugares.

Un cambio de plantilla rompe el marcado de todas las páginas a la
vez. Una comilla suelta, una coma final o un valor vacío invalidan
todos los bloques y los consumidores no pueden utilizar ninguno. La
guía de Google advierte de que las plantillas pueden romper el
marcado después del despliegue. El JSON se compuso como texto,
pegando valores entre llaves, de modo que un campo ausente deja una
cadena vacía o una estructura rota. Construya el enunciado como una
estructura de datos y serialícela, como hacen las plantillas de este
sitio con `jsonify` de Hugo; omita las propiedades sin valor en
lugar de emitirlas vacías y analice todos los bloques de la salida
generada.

El grafo menciona páginas que faltan. Las URL del marcado llevan a
un 404, a un servidor de preproducción o a una réplica del sitio.
Las direcciones se escribieron a mano o se construyeron con una
regla distinta de la utilizada para los enlaces y la dirección
canónica. Obtenga cada URL del marcado con la misma función que
produce la dirección canónica de la página y compruebe que se haya
generado cada una.

Lecturas adicionales

  * schema.org — el vocabulario compartido de tipos y propiedades,
con una página para cada tipo.

  * JSON-LD 1.1 — la Recomendación del W3C para la sintaxis,
incluidos los identificadores y las referencias a nodos.

  * schema.org: DefinedTerm — el tipo que utiliza cada página del
glosario para describir la palabra que explica.

  * Google Search Central: introducción a los datos estructurados —
las tres sintaxis, la regla de visibilidad y cómo se prueban los
resultados enriquecidos.

  * Schema Markup Validator — contrasta los datos estructurados de
cualquier página con el vocabulario de schema.org.

hEsta página en la web	URL:https://engineer.company/es/glossary/structured-data/	engineer.company	70
