Herramienta gratis — Sin registro

Validador de Schema Markup e Inspector

Inspecciona y valida structured data en cualquier página. Detecta errores de JSON-LD, examina las propiedades extraídas, observa señales de elegibilidad para resultados enriquecidos y obtén soluciones en lenguaje claro — gratis, al instante, sin necesidad de cuenta.

Enter any public URL — we fetch the page and inspect all schema markup server-side.

✓ Comprueba por URL o pega JSON-LD✓ Inspección a nivel de propiedad y vista por pestañas✓ Señales de elegibilidad para resultados enriquecidos✓ Errores agrupados por severidad con soluciones✓ Más de 15 tipos de schema validados
Contexto

¿Qué es Schema Markup?

Un vocabulario estructurado que indica a las máquinas exactamente qué es tu contenido — y por qué eso importa para la búsqueda y la IA.

Schema markup (también llamado structured data) es un vocabulario estandarizado para anotar contenido web utilizando el estándar Schema.org. Cuando se añade a una página, ofrece a los motores de búsqueda y sistemas de IA etiquetas explícitas y legibles por máquina sobre tu contenido.

En lugar de que un motor de búsqueda tenga que inferir que una página trata sobre una receta, schema markup lo declara explícitamente: esto es una Recipe, con estos ingredientes, este tiempo de cocción y esta valoración. Esa precisión permite una comprensión más rica — y potencialmente funciones de visualización más ricas.

Schema se implementa habitualmente como JSON-LD — un bloque compacto de JSON estructurado incrustado en el HTML de tu página. También puede expresarse como Microdata o RDFa, aunque JSON-LD es el formato fuertemente preferido por Google y la mayoría de validadores modernos.

Ejemplo de JSON-LD

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "What is Schema Markup?",
  "author": {
    "@type": "Person",
    "name": "Jane Smith"
  },
  "datePublished": "2025-01-01",
  "publisher": {
    "@type": "Organization",
    "name": "GEOflux"
  }
}

Tres formatos para structured data

JSON-LD

Preferido por Google. Incrustado en una etiqueta <script>.

Preferido
Microdata

Atributos añadidos directamente a elementos HTML.

RDFa

Extensiones de atributos HTML para datos enlazados.

SEO y visibilidad en IA

Por qué structured data importa para SEO y sistemas de IA

🔍

Contenido legible por máquinas

Schema markup convierte el significado implícito del contenido en señales estructuradas explícitas. Esto ayuda tanto a los motores de búsqueda como a los LLM a procesar, clasificar y mostrar tu contenido con mayor precisión — sin tener que adivinar a partir del texto.

🤖

Interpretación de IA y LLM

Los large language models recurren cada vez más a señales estructuradas de página al recuperar y resumir contenido. Un schema bien formado ayuda a los sistemas de IA a asignar tu contenido al tipo de entidad correcto, mejorando la calidad y relevancia de las citas.

📊

Elegibilidad para visualización enriquecida

Los motores de búsqueda usan structured data para evaluar páginas para funciones de visualización mejorada — desplegables de FAQ, valoraciones con estrellas, rutas de migas de pan, paneles de producto, y más. Un schema correcto es necesario para la elegibilidad, aunque no garantiza la aparición.

Una perspectiva honesta sobre schema y rankings

Schema markup no mejora directamente tus rankings en Google. Lo que hace es que tu contenido sea más interpretable por máquinas — lo que cada vez más determina cómo se descubre, resume y cita tu contenido en superficies impulsadas por IA. Piénsalo como una manera de reducir la ambigüedad para motores de búsqueda y sistemas de IA, no como un atajo para los rankings.

Distinción clave

Validez del Schema vs Elegibilidad para resultados enriquecidos

Son dos cosas distintas — y confundirlas es uno de los malentendidos más comunes en structured data.

1

Validez sintáctica

Tu JSON-LD se analiza sin errores. @context y @type están presentes. Esta es la barra mínima — los motores de búsqueda ignoran silenciosamente el JSON inválido.

Comprobado por: parser JSON, comprobación de @context, comprobación de @type

2

Completitud semántica

Los campos requeridos y recomendados están rellenados con valores reales. Un Article con un headline pero sin author ni datePublished pasa la comprobación sintáctica pero está semánticamente incompleto.

Comprobado por: reglas de campos requeridos, reglas de campos recomendados

3

Elegibilidad para resultados enriquecidos

Está presente la combinación específica de campos requerida para funciones de visualización enriquecida. Por ejemplo: un Product con name + offers.price + aggregateRating.ratingValue. Esto se evalúa por separado de la validez.

Mostrado por: panel Señales potenciales de resultados enriquecidos

La implicación práctica

Una página puede tener un schema sintácticamente válido y aun así no mostrar ningún resultado enriquecido en la búsqueda. A la inversa, satisfacer las tres capas anteriores no garantiza resultados enriquecidos — Google aplica criterios adicionales de elegibilidad, incluida la calidad del contenido y las señales de la página. Esta herramienta te muestra dónde te encuentras en cada capa por separado.

Problemas comunes

Errores comunes de Schema Markup

Los errores de implementación más frecuentes — y qué hacer al respecto.

✗Sintaxis JSON inválida

Una coma faltante, un paréntesis sin cerrar o un carácter suelto rompe todo el bloque. Los parsers descartan el JSON inválido — tu schema puede parecer correcto en el código pero ser completamente invisible para los motores de búsqueda.

Solución: Usa un validador JSON antes de subir cambios de schema. Esta herramienta señala los errores de sintaxis automáticamente.

✗Falta @context o @type

Cada bloque JSON-LD necesita "@context": "https://schema.org" y un "@type" válido. Sin estos, los parsers no pueden determinar qué vocabulario estás usando ni qué tipo de entidad describe el bloque.

Solución: Incluye siempre @context y @type como las primeras propiedades de cada bloque.

⚠Faltan campos requeridos

Cada tipo de schema tiene campos que son requeridos para que los motores de análisis usen el markup. Por ejemplo, un Article sin un headline y un author se considera incompleto.

Solución: Consulta la documentación de Schema.org para cada tipo, o usa este validador para identificar los campos requeridos que faltan.

⚠Bloques de schema duplicados

Múltiples bloques del mismo tipo en una página pueden confundir a los parsers — especialmente si contienen datos en conflicto. Es un problema común de CMS o plugin.

Solución: Audita tu página en busca de bloques JSON-LD duplicados y consolídalos en un único bloque completo por tipo.

⚠Usar microdata en CMS modernos

Los temas y plugins más antiguos suelen inyectar atributos Microdata en el HTML. Aunque siguen analizándose, Microdata es más difícil de mantener y más propenso a conflictos con los cambios de diseño.

Solución: Migra tu structured data a JSON-LD para una gestión más fácil y un análisis más fiable.

⚠Schema que tergiversa el contenido

Añadir schema para tipos de contenido que no coinciden con tu página — por ejemplo, añadir FAQPage a una página sin un FAQ real — puede provocar acciones manuales por parte de los motores de búsqueda.

Solución: Usa solo tipos de schema que describan con precisión el contenido principal de la página.

Sobre esta herramienta

Cómo funciona este validador de Schema

Qué comprobamos y qué significan aprobado, advertencia y fallo.

🌐

Fetch de la página

Hacemos fetch del HTML completo de la URL proporcionada en el servidor, sin las limitaciones del renderizado JS basado en navegador.

🔎

Extracción de JSON-LD

Extraemos todos los bloques <script type="application/ld+json"> del HTML de la página e intentamos analizar cada uno.

📋

Detección de Microdata

Escaneamos atributos itemscope para detectar y contar el uso de Microdata en la página.

🔗

Detección de RDFa

Detectamos structured data al estilo RDFa mediante atributos typeof y property en el markup.

⚙️

Validación de sintaxis JSON

Cada bloque JSON-LD se analiza como JSON estricto. Los errores de sintaxis se señalan con el mensaje específico de error de análisis.

📐

Comprobación de campos requeridos

Para cada tipo de schema detectado, comprobamos si están presentes todos los campos requeridos (según Schema.org).

✨

Comprobación de campos recomendados

Señalamos campos recomendados que faltan y que mejorarían la riqueza del schema para la comprensión por máquinas y la elegibilidad de visualización.

🏷️

Detección de @type

Identificamos todos los tipos de schema presentes en la página, incluidos tipos anidados y arrays @graph.

♻️

Detección de duplicados

Señalamos páginas que tienen múltiples bloques JSON-LD para el mismo tipo de schema, lo que puede crear señales en conflicto.

Cómo interpretar los resultados

✓ Aprobado

Esta verificación cumple las buenas prácticas. No es necesaria ninguna acción.

⚠ Advertencia

Mejora recomendada. El schema seguirá analizándose, pero merece la pena abordarlo.

✗ Fallo

Problema crítico. Los motores de búsqueda pueden no ser capaces de analizar o usar este schema.

Preguntas frecuentes

Preguntas frecuentes sobre Schema Markup

¿Qué es schema markup?+
Schema markup (también llamado structured data) es un método estandarizado de anotar el contenido de las páginas web para que los motores de búsqueda, los sistemas de IA y otras máquinas puedan entenderlo con mayor precisión. Utiliza un vocabulario compartido de Schema.org y se implementa habitualmente como JSON-LD — un pequeño bloque de JavaScript incrustado en el HTML de tu página.
¿Qué es un validador de schema markup?+
Un validador de schema markup comprueba si el structured data de tu sitio web está correctamente formateado y contiene los campos adecuados para los tipos de schema que estás utilizando. Puede detectar errores de sintaxis JSON, propiedades requeridas o recomendadas que faltan, tipos no reconocidos y otros problemas de implementación que podrían impedir que los motores de búsqueda interpreten tu schema.
¿Cómo valido el schema markup?+
Para validar schema markup, introduce una URL en una herramienta de comprobación de schema (como esta). La herramienta hace fetch de la página, extrae cualquier bloque de structured data en JSON-LD, Microdata o RDFa, los analiza y los compara con los requisitos de campos de Schema.org. Como alternativa, puedes pegar JSON-LD directamente para validarlo sin hacer fetch a una URL en vivo.
¿Cuál es la diferencia entre validez del schema y elegibilidad para resultados enriquecidos?+
La validez del schema y la elegibilidad para resultados enriquecidos son dos cosas distintas. Un bloque de schema se considera válido si su JSON es sintácticamente correcto, tiene un @context y @type adecuados e incluye los campos requeridos para ese tipo. La elegibilidad para resultados enriquecidos es un listón más alto — significa que el schema contiene suficientes señales específicas (como ratingValue, ratingCount o entradas itemListElement) como para que Google pueda elegir mejorar tu listado en el SERP. Un schema válido puede seguir siendo no elegible para resultados enriquecidos si faltan campos recomendados clave.
¿Qué tipos de schema pueden activar resultados enriquecidos en Google?+
Google admite resultados enriquecidos para un conjunto específico de tipos de schema. Estos incluyen FAQPage (desplegables de FAQ), Product (visualización de precio y valoración), BreadcrumbList (rutas de migas de pan), Recipe (tarjetas de receta con imagen y valoraciones), Event (detalles del evento en la búsqueda), JobPosting (listados de empleo en Google Jobs), Article y NewsArticle (señales de artículo para Top Stories), VideoObject (resultados enriquecidos de video) y LocalBusiness (paneles locales mejorados). Tener un schema válido para estos tipos hace que tu página sea elegible para ser considerada — pero no garantiza la aparición.
¿Qué significa si mi schema tiene advertencias pero no errores?+
Las advertencias indican que tu schema es sintácticamente válido y analizable, pero le faltan campos recomendados que podrían mejorar su calidad y utilidad. Por ejemplo, un schema Product sin un aggregateRating o image es técnicamente válido — pero esos campos faltantes reducen sus posibilidades de calificar para mejoras de resultados enriquecidos. Abordar las advertencias es una buena práctica, especialmente para páginas comerciales o de alta prioridad.
¿Qué es JSON-LD?+
JSON-LD (JavaScript Object Notation for Linked Data) es el formato recomendado para implementar structured data en páginas web. Es un pequeño bloque de código JSON colocado dentro de una etiqueta script en el HTML de tu página. JSON-LD se prefiere a Microdata y RDFa porque es más fácil de mantener y menos probable que interfiera con la estructura de tu HTML.
¿Schema markup garantiza resultados enriquecidos en Google?+
No. Schema markup es una condición necesaria pero no suficiente para los resultados enriquecidos. Google requiere structured data correcto antes de considerar una página para funciones de visualización mejorada como valoraciones con estrellas, desplegables de FAQ o rutas de migas de pan. Sin embargo, tener schema válido no garantiza que estas funciones aparezcan. Otros factores, incluida la calidad del contenido, la autoridad de la página y cómo los algoritmos de Google evalúan la página, también juegan un papel.
¿Schema markup ayuda a los sistemas de IA a entender mi contenido?+
Sí, schema markup ayuda tanto a los sistemas de búsqueda impulsados por IA como a los large language models a interpretar el contenido de tu página con mayor precisión. Structured data proporciona contexto explícito — por ejemplo, etiquetando claramente tu contenido como un Product con marca, precio y valoración — que los sistemas de IA pueden usar para clasificar, resumir y citar tu contenido de forma más fiable. Es una manera práctica de hacer que tu contenido sea más legible por máquinas.
¿Qué tipos de schema debería usar?+
El tipo de schema adecuado depende del contenido de tu página. Usa Article o BlogPosting para contenido editorial, Product para páginas de ecommerce, FAQPage para secciones de FAQ, LocalBusiness para negocios basados en ubicación, BreadcrumbList para migas de pan de navegación, y Organization o WebSite para señales de identidad de marca. La mayoría de las páginas debería tener al menos un bloque Organization o WebSite junto a su schema específico de página.
¿Qué son microdata y RDFa?+
Microdata y RDFa son formatos más antiguos para incrustar structured data directamente en atributos HTML. Aunque siguen siendo soportados por algunos parsers, JSON-LD es ahora el formato preferido porque separa el structured data del diseño HTML, lo que facilita su lectura, actualización y validación. Si tu sitio sigue usando Microdata o RDFa, considera migrar a JSON-LD.
¿Qué significa "faltan campos recomendados"?+
Los campos recomendados son propiedades que Schema.org y los motores de búsqueda destacan como beneficiosas aunque no sean estrictamente obligatorias. Por ejemplo, un schema Article idealmente debería incluir image, dateModified y publisher junto a los requeridos headline, author y datePublished. Que falten campos recomendados no rompe tu schema, pero reduce la riqueza de la información disponible para las máquinas y puede afectar a la elegibilidad para funciones de visualización mejorada.
¿Es schema markup lo mismo que las meta tags SEO?+
No. Schema markup y las meta tags sirven para propósitos distintos. Las meta tags como title y meta description comunican información a los navegadores y a las apariencias básicas de los resultados de búsqueda. Schema markup comunica información semántica estructurada sobre tu contenido — qué tipo de cosa es, quién la creó, cuánto cuesta, cuándo se publicó — a máquinas que pueden actuar sobre ese contexto. Ambos son componentes importantes de una estrategia completa de SEO técnico.

Comprobar el schema de otra página

Valida structured data en cualquier URL — un competidor, una página de producto, o tu propio sitio tras hacer mejoras.

← Todas las herramientas gratis

Herramientas relacionadas que pueden resultarte útiles:

❓ Generador de FAQ Schema🏷️ Checker de claridad de entidad🔗 Checker de canonical🔍 Checker de LLMs.txt

¿Quieres información más profunda sobre visibilidad en IA? GEOflux rastrea tu marca en ChatGPT, Gemini y Perplexity.

Empieza una prueba gratis →