Schema.org: cos’è e come usare markup e dati strutturati

È praticamente “lo” standard che consente l’uso di dati strutturati per migliorare l’interpretazione dei contenuti da parte dei motori di ricerca e rappresenta la colonna portante del web semantico. Fondato nel 2011 da Google, Microsoft, Yahoo e Yandex, il progetto Schema.org ha continuato a evolversi e, ad oggi, oltre 45 milioni di domini web utilizzano più di 450 miliardi di oggetti, integrati su pagine web, mail, e molto altro, e le principali piattaforme leader digital si avvalgono di tale vocabolario per alimentare esperienze più ricche e interattive. Attraverso markup quali Microdata, RDFa e JSON-LD, Schema ci permette di aggiungere “etichette” semantiche alle nostre pagine, migliorando così la scansione e la comprensione che i motori di ricerca hanno dei contenuti: questo non solo aiuta a ottimizzare i risultati su Google, ma favorisce anche la creazione di rich snippet, estrazioni dal Knowledge Graph e altre funzionalità SEO avanzate e risultati multimediali che possono arricchire l’esperienza di navigazione per gli utenti. In questa guida esploreremo cos’è Schema.org, come funziona e perché la sua implementazione è essenziale per potenziare la visibilità di un sito web.

Che cos’è Schema.org

Schema.org è il vocabolario standard utilizzato per strutturare i dati presenti su una pagina web e migliorare la comprensione da parte dei motori di ricerca. Si riferisce specificamente all’insieme di tipi e strutture per descrivere entità e relazioni semantiche sul Web, che forma un corpus di informazioni effettivamente utilizzate nel markup sulle pagine web, come standard per i dati strutturati.

Il progetto Schema.org è nato nel 2011 grazie alla collaborazione di Google, Bing, Yahoo e Yandex proprio per standardizzare il modo in cui i dati strutturati sono letti dai motori di ricerca. È quindi una piattaforma collaborativa creata dalle principali aziende di motori di ricerca con la missione di fornire un vocabolario condiviso per i dati strutturati che consentisse ai webmaster di segnare semanticamente il contenuto delle pagine web in maniera uniforme e codificata, rendendo tali informazioni più facilmente comprensibili per i crawler dei motori di ricerca.

Dal punto di vista tecnico, il vocabolario di Schema.org si basa su un insieme di tipi, proprietà e valori enumerati che, tramite appositi markup, permettono di descrivere in maniera precisa le entità, le relazioni e i significati dei contenuti presenti nelle pagine, riducendo l’ambiguità e migliorando la comprensione da parte delle macchine web. Non sorprende che ormai oltre 45 milioni di domini abbiano integrato 450 miliardi di oggetti Schema.org al loro interno, a dimostrazione della portata e della rilevanza di questa tecnologia.

Questo imponente vocabolario supporta varie tecnologie di serializzazione di dati strutturati, tra cui JSON-LD, RDFa e Microdata, ed è effettivamente riuscito a sviluppare una semantica che rende fruibili e leggibili i dati non solo agli utenti umani, ma anche (e soprattutto) agli spider dei motori di ricerca.

In termini concreti, il risultato è una maggiore pertinenza e visibilità delle informazioni presentate nelle SERP, come ad esempio la generazione di rich snippet o di altre funzionalità avanzate che migliorano la qualità dei risultati mostrati sulle query.

Che cos’è un markup e a cosa serve

Per comprendere cos’è schema.org dobbiamo fare un passo indietro e fornire anche una definizione di markup, che come detto è uno degli elementi basilari di questo progetto.

A livello generale, il termine markup si riferisce a una lingua di contrassegno che utilizza tag o marcatori per identificare e rappresentare la struttura e le caratteristiche dei contenuti in un documento, conferendo significato semantico e strutturale. I linguaggi di markup annotano i testi con elementi strutturali, come intestazioni, paragrafi, immagini o link, fornendo specifiche interpretazioni di come queste informazioni devono essere visualizzate o elaborate.

Il linguaggio di markup più noto è HTML (Hypertext Markup Language), utilizzato per strutturare il contenuto delle pagine web, come titoli, paragrafi, immagini e collegamenti ipertestuali, ma ne sono esempi anche XML (Extensible Markup Language) e Markdown.

Nel contesto di Schema.org, il markup si riferisce all’insieme di tag semantici definiti da Schema.org e utilizzati all’interno di un documento HTML per descrivere in modo strutturato il contenuto di quella pagina.

A differenza del semplice HTML, che si occupa principalmente di visualizzazione, il markup di Schema.org aggiunge un livello di significato semantico ai dati attraverso l’uso di schemi predefiniti (o modelli concettuali), come Product, Event, Recipe, Person e così via. Il markup semantico di Schema.org viene implementato attraverso formati come JSON-LD, Microdata o RDFa, inseriti all’interno del codice HTML di una pagina. Questi marcatori riducono l’ambiguità dei dati presenti sul web, offrendo informazioni precise sulle entità presenti, come ad esempio un prodotto con nome, prezzo e disponibilità, o una persona con nome, biografia e affiliazione.

Ad esempio, ecco un’implementazione in JSON-LD del markup di Schema.org per un Evento:

In questo caso, il markup JSON-LD viene utilizzato per descrivere un evento musicale. I dati strutturati specificano informazioni come il nome dell’evento, la data di inizio, la sede e i dettagli dei biglietti, che possono essere letti dai motori di ricerca per costruire una rappresentazione più ricca di questa entità nella SERP.

Cosa sono i microdati

Riassumendo, quindi:

• Schema.org è un vocabolario coordinato per i dati strutturati che migliorano la comprensione dei contenuti da parte dei motori di ricerca.
• Markup è un sistema di contrassegno per annotare il contenuto di un documento con informazioni strutturali e semantiche.
• Il markup di Schema.org è una forma specifica di markup semantico che permette di descrivere entità e relazioni attraverso termini accettati dai motori di ricerca, migliorando l’indicizzazione e la visibilità del contenuto nelle SERP.

Il linguaggio di Schema si fonda quindi su tag o microdati che possiamo aggiungere all’HTML delle nostre pagine per migliorare il modo in cui i motori di ricerca leggono e rappresentano la pagina nelle SERP.

Più precisamente, le marcature o markup schema sono una forma di microdati utilizzati per rappresentare i dati; i dati effettivi sono chiamati dati strutturati e organizzano i contenuti della pagina facilitando la comprensione delle informazioni per Google e gli altri crawler. Quando aggiunto una pagina Web, il markup schema viene letto dai motori di ricerca, che riconoscono più precisamente il significato e le relazioni dietro le entità e possono fornire risultati multimediali o rich snippet nei risultati di ricerca per migliorare l’esperienza dell’utente.

L’elemento essenziale sono dunque i microdati, una specifica HTML5 utilizzata per annidare i metadati all’interno di contenuti esistenti sulle pagine Web: motori di ricerca, crawler Web e browser possono estrarre ed elaborare microdati da una pagina Web e utilizzarli per fornire un’esperienza di navigazione più ricca per gli utenti.

Come risultato dell’utilizzo dei microdati, la struttura del sito web sarà semplice e facile da scansionare per i motori di ricerca, e ciò può migliorare la sua visibilità nelle pagine dei risultati di ricerca, oltre che influire potenzialmente anche sul posizionamento.

La storia e l’evoluzione di Schema.org

Schema.org nasce ufficialmente il 2 giugno 2011 da una collaborazione cruciale tra alcuni dei maggiori attori del web, e in particolare Google, Microsoft (Bing) e Yahoo (a cui si è aggiunto pochi mesi dopo anche Yandex, principale motore di ricerca in Russia) con l’intento di fornire uno standard comune e condiviso che potesse facilitare l’interpretazione semantica dei contenuti sulle pagine web e, più in generale, su Internet, nei messaggi di posta elettronica e oltre, ripetendo un’operazione di condivisione già sperimentata alcuni anni prima con lo sviluppo delle sitemap XML. Il progetto si è imposto fin da subito come punto di riferimento per la strutturazione dei dati, giocando un ruolo strategico nella crescita della SEO semantica e contribuendo a rendere più facile e accessibile per milioni di siti l’uso di dati leggibili dalle macchine. In particolare, ha progressivamente aiutato la standardizzazione dei tag HTML utilizzati sui siti per creare risultati multimediali su specifici topic e la creazione di un’unica base per le informazioni che alimentano applicazioni usate ogni giorno da utenti di tutto il mondo.

Fin dall’inizio, il progetto ha attirato un supporto sostanziale da parte della community internazionale, che attraverso la partecipazione attiva su piattaforme come GitHub e la mailing list dedicata del W3C ha contribuito a migliorare costantemente il vocabolario e i relativi schemi. Questa collaborazione aperta ha garantito che Schema.org evolvesse in parallelo con la rapida crescita del web, adattandosi a nuovi trend tecnologici e aggiornando i suoi strumenti per le esigenze via via emergenti.

La piattaforma è stata infatti progettata in modo da permettere una continua espansione e adattamento. Dal suo lancio, Schema.org ha conosciuto una crescita continua, con nuove versioni e rilasci regolari, costruiti attorno a un modello di sviluppo incrementale. Ogni versione è associata a migliorie nelle funzionalità, nuovi tipi di dati, proprietà e correzioni di bug. Tra gli aggiornamenti di maggiore rilievo possiamo ricordare alcune evoluzioni chiave, come l’introduzione di JSON-LD nel 2015, che ha rivoluzionato la modalità di rappresentazione dei dati strutturati, rendendo più semplice e trasparente la loro implementazione. Altre release storiche, come quelle legate alla risposta tempestiva all’emergenza Coronavirus, con l’introduzione di tipi specifici come SpecialAnnouncement e CovidTestingFacility, hanno mostrato quanto il progetto fosse reattivo rispetto a eventi globali e contingenze reali.

Fin dalle prime fasi, il progetto si è evoluto per rispondere alle esigenze di una pluralità di settori, creando un ambiente in cui esperti di diversi campi potessero contribuire tramite estensioni e integrazioni specifiche. Nel 2015, per facilitare ulteriormente questo approccio collaborativo, sono state introdotte le hosted extensions, delle estensioni che permettono di aggiungere nuovi schemi mantenendo una stretta integrazione con il vocabolario principale. Queste estensioni, come bib.schema.org (per bibliografie) o auto.schema.org (per il settore automobilistico), richiedono discussione e coordinamento all’interno della community prima di integrarsi ufficialmente nel core. Parallelamente, sono state sviluppate anche le external extensions, affini per funzionamento ma maggiormente decentralizzate, permettendo a esperti di determinati settori di estendere il vocabolario senza duplicare termini o risorse.

Insomma, oltre al contributo consolidato degli attori principali Schema.org si è espanso attraverso collaborazioni strategiche con progetti esterni che hanno arricchito il vocabolario e contribuito a un modello di sviluppo aperto. Uno dei primi progetti a essere inglobati è stato GoodRelations, un’iniziativa che ha notevolmente migliorato il supporto per l’eCommerce e le situazioni commerciali, ampliando le capacità nel rappresentare termini legati a prodotti, offerte, prezzi e condizioni di pagamento. Un altro importante contributo è arrivato da LRMI, frutto della collaborazione con Creative Commons e l’Association of Educational Publishers, che ha introdotto metadati dedicati alle risorse educative usate da scuole, istituti e portali di apprendimento per armonizzare le descrizioni e facilitare la reperibilità di queste informazioni tramite i motori di ricerca.

Uno dei grandi punti di forza di Schema.org risiede proprio nel suo approccio dinamico allo sviluppo. Tra le ultime novità, oltre alle versioni ufficiali pubblicate, abbiamo anche le release in “staging”, accessibili su staging.schema.org, che riflettono in tempo reale le evoluzioni in corso e rappresentano una sorta di anticipazione per gli aggiornamenti futuri. Prodotti dalla discussione continua della community, questi rilasci vengono prima sottoposti al vaglio del Project Steering Group, il comitato di supervisione del progetto, per poi essere approvati formalmente se non si sollevano obiezioni entro un periodo di revisione.

Non solo schema: gli altri vocabolari del Web semantico

Il web semantico non è un concetto nuovo né è limitato all’esperienza di Schema.org. Prima e contemporaneamente alla sua nascita, altri vocabolari hanno tentato di colmare il bisogno di strutturare i contenuti, ma ciascuno di questi ha trovato ambiti di applicazione specifici diversi.

Già dalla metà degli anni 2000, in particolare, vocabolari come FOAF (Friend of a Friend) e Dublin Core hanno sviluppato standard destinati a particolari settori:

• FOAF, già da tempo utilizzato per rappresentare individui e le loro relazioni sociali, era particolarmente popolare nell’ambito della descrizione delle identità online e dei social network.
• Dublin Core, invece, si è affermato come uno degli standard principali per la descrizione bibliografica di risorse in contesti legati a biblioteche, archivi digitali e repo scientifici. Il suo set di metadati ha trovato ampia applicazione nel mondo accademico e dei contenuti digitali.

In parallelo, il progetto Linked Data ha guadagnato terreno con l’obiettivo di interconnettere dati strutturati sul web tramite l’uso di RDF (Resource Description Framework) e ontologie personalizzate. Tuttavia, queste tecnologie – sebbene potenti e potenti in termini di interoperabilità – hanno spesso richiesto maggiore sofisticazione, limitando la loro adozione ai settori con gestione delle informazioni particolarmente complessa o regolamentata, come le istituzioni governative o le scienze della vita.

È a partire dal 2011, con la nascita di Schema.org, che si verifica la vera svolta per la SEO semantica: a differenza di FOAF o Linked Data, Schema.org nasce già con la chiara missione di arrivare al grande pubblico e semplificare l’adozione dei dati strutturati sul web, senza richiedere complessi framework semantici. Inoltre, il progetto non ha escluso approcci precedenti ma, come nel citato caso di GoodRelations, li ha valorizzati in un contesto più orientato all’ottimizzazione per i motori di ricerca.

Schema.org e SEO: l’utilità e i vantaggi

I dati strutturati e quindi il concetto dietro a schema.org rappresentano l’elemento fondante della SEO moderna, articolandosi come una sorta di linguaggio di markup che fornisce significato ai contenuti web al di là delle semplici stringhe di testo.

Grazie all’uso di questo vocabolario, i dati vengono organizzati in modo coerente, permettendo ai motori di ricerca di andare oltre la mera interpretazione letterale del contenuto, per comprenderne il vero significato e il contesto. In ottica utilitaristica, aggiungendo questo semplice codice alle nostre pagine possiamo fornire informazioni vitali ai motori di ricerca, che possono migliorare l’efficacia dei risultati mostrati, la visibilità online nonché le percentuali di clic del nostro sito e delle nostre pagine. Soprattutto, i microdati possono fornire contesto a una pagina Web altrimenti ambigua.

Utilizzando microdati, RDFa o JSON-LD riusciamo a marcare con precisione entità specifiche come prodotti, organizzazioni, recensioni, eventi, persone e moltissimo altro ancora. Questo arricchimento semantico non solo aiuta Google e altri motori di ricerca a comprendere meglio ciò che è presente su una pagina, ma consente di restituire risultati molto più mirati e dettagliati agli utenti. Come sappiamo, Google (e altri motori di ricerca) si servono di tali microdati per comporre le feature delle proprie SERP, e qui ad esempio sono elencati alcuni dei principali tipi di risultati multimediali collegati a dati strutturati che appaiono su Google.

Lato SEO, il markup schema.org ha assunto un peso crescente in questi ultimi anni, al punto da essere ritenuto uno dei fattori di ranking per Google; ma è anche elemento fondamentale per la creazione del&nbspKnowledge Graph, scheletro che permette la definizione dei dati strutturati e, non ultimo, fattore da sfruttare per le ricerche vocali. In pratica, le evoluzioni di Google attingono a pieno da questa forma di microdati.

Come i markup semantici migliorano la SEO

L’implementazione dei dati strutturati permette di ottenere anche altri miglioramenti in termini SEO.

In primo luogo, semplificando la lettura dei contenuti da parte degli spider agevoliamo il processo di indicizzazione, consentendo ai motori di scoprire più facilmente le informazioni critiche che si vogliono comunicare. In secondo luogo, si accresce la possibilità di ottenere rich snippet o rich result, quelle porzioni di contenuto arricchito che emergono nelle SERP di Google e che offrono un vantaggio significativo in termini di click-through rate (CTR). Ad esempio, una pagina di recensioni di prodotti può risultare più visibile grazie a dettagli quali valutazioni a stelle o la presenza di recensioni degli utenti direttamente nei risultati di ricerca.

A conferma di ciò, numerosi studi e ricerche dimostrano che le pagine arricchite da dati strutturati tendono a performare meglio nelle SERP, proprio perché sono in grado di rispondere con maggiore precisione e dettaglio agli intenti di ricerca e ai bisogni diretti delle persone.

Schema e Google: in che modo i dati strutturati alimentano Rich Result e Knowledge Graph

Guardando al funzionamento di Google Search, l’implementazione dei dati strutturati con Schema.org può quindi supportare il più ampio obiettivo di guadagnare visibilità avanzata nelle SERP, principalmente poiché consente ai contenuti del sito di essere identificati e rappresentati in forma arricchita attraverso i cosiddetti Rich Result. Al contempo, Schema.org alimenta anche il Knowledge Graph di Google, la rete informativa che arricchisce l’esperienza di ricerca rispondendo a query specifiche con schede informative che vanno oltre semplici link verso siti esterni.

In breve, i Rich Result sono versioni arricchite dei risultati di ricerca tradizionali che includono dettagli estratti direttamente dalle pagine web grazie all’utilizzo di dati strutturati. Questi risultati possono presentarsi sotto diverse forme, come ad esempio rich snippet, carousel, ricette o recensioni, tutte informazioni che migliorano notevolmente l’esperienza degli utenti e aumentano la probabilità che un sito venga cliccato.

Attraverso l’implementazione dei principali schema come Product, Review, Event o Recipe forniamo a Google informazioni granulate sotto forma di microdati, che permettono al motore di ricerca non solo di capire cosa contiene una pagina, ma anche di comporre featured snippet, FAQ expanded rich results o preview in Google Discover. Utilizzare Schema.org nelle pagine chiave permette di espandere significativamente le possibilità che venga visualizzato un Rich Result in grado di attirare l’utente con contenuti visivi o testuali di interesse immediato.

Un esempio tipico di come funziona è l’implementazione dello schema Product nel contesto di un sito eCommerce. Incorporando dati strutturati relativi a prezzi, disponibilità e recensioni si può ottenere che Google rappresenti direttamente nelle SERP queste caratteristiche, incentivando gli utenti a cliccare sul link per notizie più dettagliate.

Inoltre, Schema.org occupa una posizione centrale nella costruzione del Google Knowledge Graph, il potente strumento che raccoglie e organizza informazioni per rispondere in modo più esaustivo alle query degli utenti. Il Knowledge Graph si basa su una rete di entità interconnesse e può restituire risposte dirette attraverso pannelli informativi, riducendo la necessità per l’utente di cliccare su risultati esterni per ottenere le informazioni di cui ha bisogno.

Attraverso i dati strutturati forniamo alle piattaforme di ricerca le entità e le relazioni necessarie per popolare il Knowledge Graph. Ad esempio, uno schema per una persona o un’organizzazione non dichiara solo che una pagina parla di un individuo o di un’entità, ma specifica chi siano e quali attributi o relazioni abbiano con altri elementi. Questo livello profondo di dati aiuta Google a costruire un profilo dettagliato nel Knowledge Graph, che a sua volta viene richiamato in risposte immediate attraverso la SERP, ad esempio con il Knowledge Panel.

Un caso classico è quello delle celebrità o personaggi pubblici: quando le pagine web associate a loro utilizzano correttamente schema come Person, Organization o CreativeWork, contribuiscono ad aggregare le informazioni che poi vediamo nei pannelli riassuntivi della colonna destra della SERP.

Schema.org e il Web semantico

La standardizzazione offerta da Schema.org ha quindi cambiato radicalmente il modo in cui pensiamo e costruiamo la nostra SEO. Non si tratta più solo di ottimizzare parole chiave o acquisire backlink: oggi per essere realmente competitivi è necessario arricchire il proprio sito con markup semantico, assicurandosi che i motori di ricerca comprendano appieno il contesto e i concetti che vogliamo comunicare. Questo ci permette non solo di migliorare la visibilità e il posizionamento, ma anche di offrire agli utenti risposte più precise, pertinenti e utili.

Gli effetti di questo approccio vanno quindi oltre le vecchie tattiche SEO e contribuiscono a rendere i contenuti del web più coerenti, accessibili e significativi anche per le tecnologie emergenti, come la ricerca vocale o gli assistenti virtuali. Nel contesto della SEO moderna, l’integrazione del markup semantico, abilmente supportata da Schema.org, è ormai considerata una pratica essenziale per chi desidera attivare una comunicazione chiara ed estesa tra il proprio sito web e le macchine che lo analizzano.

Ecco, dunque, che Schema.org non si limita a migliorare la SEO di un sito: è una chiave per anticipare e prepararsi alle future evoluzioni della ricerca online, rivestendo un’importanza strategica in ogni progetto digitale che ambisce a competere per visibilità e rilevanza nello scenario attuale.

La più grande forza di Schema.org risiede nella sua capacità di facilitare l’evoluzione del Web verso una forma sempre più intelligente e contestuale, basata sui principi della SEO semantica. In effetti, il Web semantico si distingue dal web tradizionale per la sua abilità di comprendere non solo i dati, ma le relazioni tra di essi, interpretando il loro significato in maniera accurata. Schema.org costituisce una delle chiavi di volta in questo passaggio cruciale, offrendo ai webmaster uno strumento con cui etichettare semanticamente le loro pagine, mettendo a disposizione dei motori di ricerca elementi più chiari e specifici per l’interpretazione.

Quando un motore di ricerca come Google scansiona il web, l’utilizzo dei dati strutturati offerti da Schema.org aiuta a dar maggior contesto a concetti come prodotti, recensioni, persone, eventi e tanto altro, che rappresentano i contenuti della pagina. Rispetto al passato, in cui i motori si limitavano a una lettura “superficiale” dei testi, oggi essi sono abilitati all’interpretazione semantica, individuando con precisione le entità e le relazioni tra di esse. Questo porta a un miglioramento nell’esperienza utente non solo in termini di risultati di ricerca più rilevanti, ma con interfacce ricche e fiancate informative che vanno a popolarei strumenti come il Knowledge Graph .

Ma l’importanza di Schema.org non si ferma qui. Le sue applicazioni si estendono alla modernizzazione delle tecniche di ottimizzazione SEO in base agli algoritmi di apprendimento automatico e all’integrazione di nuove tecnologie come gli assistenti vocali. I dati strutturati interpretati da Schema.org contribuiscono infatti al funzionamento di strumenti emergenti come Google Assistant o Amazon Alexa, i quali si basano su un’interpretazione intelligente del contesto per rispondere alle query vocali degli utenti. In questo modo, il vocabolario contribuisce a rendere le pagine web “comprensibili” non soltanto ai crawler, ma anche a queste tecnologie avanzate che stanno modificando il modo stesso di fruizione delle informazioni online.

Perché usare i markup schema.org su un sito?

Il markup ha iniziato a diventare particolarmente utile nell’era di Hummingbird e RankBrain: il modo in cui un crawler, e Googlebot nello specifico, interpretava il contesto di una query determinava la qualità di un risultato di ricerca, e il giusto uso di Schema.org poteva fornire il contesto a una pagina Web altrimenti ambigua.

Ancora oggi, le varie tipologie di strutturazione aiutano ad affinare il contenuto in modo più chiaro o più prominente nei risultati di ricerca e quindi, potenzialmente, ogni sito e ogni attività online può trarre beneficio dall’implementazione di Schema.org, per generare rich snippet o anche semplicemente per offrire informazioni specifiche e mirate agli utenti, soprattutto per le ricerche locali.

D’altra parte, ciò deriva dalla natura stessa del progetto, sviluppato come detto con l’idea ambiziosa di migliorare il web creando uno schema di markup dei dati strutturati supportato dai principali motori di ricerca Google, Bing, Yandex e Yahoo! per creare funzionalità di ricerca avanzate per gli utenti e consentire loro di trovare informazioni più pertinenti nelle SERP. Attraverso i markup in pagina, i crawler dei motori di ricerca comprendono meglio e più facilmente le informazioni sulle pagine Web e forniscono risultati di ricerca più ricchi. Un vocabolario condiviso, come già detto, permette anche ai webmaster di avere modelli di riferimento funzionali e funzionanti per massimizzare i risultati del lavoro e del business per i loro sforzi.

Come funziona Schema.org: tassonomia e struttura del vocabolario

Completata questa panoramica teorica, passiamo agli aspetti più pratici di questo tema.

Schema.org fornisce un vocabolario gerarchico per descrivere entità e relazioni tramite dati strutturati. Questo vocabolario è composto da tipi o classi e da una serie di proprietà che permettono di catalogare un’ampia gamma di concetti, come prodotti, persone, eventi, organizzazioni,ì e altro ancora.

Al momento, al più recente aggiornamento di settembre 2024 Schema.org include:

• 803 tipi (types), che rappresentano concetti ed entità diverse
• 1461 proprietà (properties), assegnate a ciascun tipo per dettagliare le caratteristiche
• 14 tipi di dati (DataTypes), che descrivono i valori come stringhe di testo, date o numeri
• 87 enumerazioni (properties che accettano valori predefiniti)
• 467 membri di enumerazione, che rappresentano le possibili opzioni per ciascuna enumerazione.

La struttura gerarchica del vocabolario consente di organizzare i concetti in livelli progressivi, partendo dai tipi generici, come il tipo “Thing“, verso classi più specifiche. Thing è il tipo di livello massimo che si riferisce a “qualsiasi cosa” e viene utilizzato comunemente come base per centinaia di domini web. Da qui si ramificano tipi più specifici, come Person, Product, Event, Organization e via dicendo. Ogni tipo è dotato del proprio insieme di proprietà che consentono di descrivere le caratteristiche specifiche di quella particolare entità.

Ad esempio, per il tipo Product le proprietà come name, brand e offers permettono di descrivere in dettaglio un prodotto, includendo informazioni quali nome, marca e offerte associate. Allo stesso modo, il tipo Person descrive informazioni come il nome, il titolo lavorativo e le affiliazioni. Attraverso questa modellazione gerarchica e logica, Schema.org permette ai motori di ricerca una facile estrapolazione delle informazioni presenti sui siti web, migliorando l’identificazione delle relazioni tra le diverse entità.

Quali sono i principali formati dei markup Schema.org

Uno dei pilastri dell’efficacia di Schema.org è la sua flessibilità nell’adattarsi a diversi formati di utilizzo. Grazie a questa versatilità, i dati strutturati possono essere implementati in vari modi, facilitando l’integrazione con diverse piattaforme e tecnologie, e adattandosi alle preferenze tecniche di sviluppatori e webmaster.

Come detto, sono tre i principali formati che Schema.org supporta: Microdata, RDFa e JSON-LD.

Microdata è stato tra i primi formati adottati da Schema.org al momento del suo lancio. Implementato direttamente nel codice HTML delle pagine, il markup viene aggiunto agli elementi esistenti con una sintassi HTML5 semplice. Nonostante sia stato tra i formati originari, il suo utilizzo è in calo, principalmente perché richiede modifiche dirette all’HTML, il che può complicare la gestione, soprattutto per chi utilizza sistemi di gestione dei contenuti. Tuttavia, rimane largamente supportato da motori di ricerca come Google, che ne interpreta correttamente i dati.

L’alternativa più recente e ampiamente raccomandata dai motori di ricerca, incluso Google, è il formato JSON-LD (JavaScript Object Notation for Linked Data). Introdotto nel 2015 e rapidamente adottato come lo standard più consigliato, JSON-LD permette l’inserimento di dati strutturati nel sito sotto forma di un piccolo script JavaScript. Una delle principali prestazioni del JSON-LD è la sua flessibilità: non solo può essere inserito nel body o nell’head delle pagine HTML, ma consente anche di separare i dati strutturati dal contenuto, riducendo le interferenze con la struttura di una pagina. Non necessita di modificare il markup HTML direttamente, il che rende molto più semplice e pulita la sua gestione, soprattutto su piattaforme dinamiche o su content management systems dove si preferisce non intervenire direttamente sul codice della pagina.

Un altro formato supportato da Schema.org è RDFa (Resource Description Framework in Attributes), utilizzato principalmente in contesti più avanzati, dove è importante descrivere relazioni molto precise tra le entità rappresentate. RDFa offre una maggiore espressività rispetto a Microdata e permette l’incorporazione di metadati non solo nell’HTML5, ma anche in altri tipi di documenti come XML o SVG. Sebbene versatile, l’implementazione di RDFa richiede maggiore complessità tecnica rispetto a Microdata o JSON-LD e per questo motivo tende a essere meno utilizzato, almeno nel contesto delle pagine web classiche.

Nonostante la diversità dei formati, la tendenza generale del settore SEO è chiara: l’uso di JSON-LD è ormai preferito non solo per la sua semplicità d’integrazione senza interventi diretti sull’HTML, ma anche per la migliore compatibilità con i motori di ricerca, tra cui Google, che ha raccomandato l’uso di JSON-LD in diverse sedi e documentazioni ufficiali. Tuttavia, Microdata e RDFa continuano a essere supportati ampiamente e, a seconda delle specifiche esigenze tecniche o di legacy, potrebbero essere il formato più adatto in certe circostanze.

Microdata vs JSON-LD: soluzioni a confronto

Quando si tratta di implementare dati strutturati su un sito web, i due formati principali che spesso entrano in gioco sono Microdata e JSON-LD. Entrambi puntano allo stesso obiettivo: fornire ai motori di ricerca informazioni strutturate che consentano di interpretare correttamente il contenuto delle pagine. Tuttavia, le differenze tra i due formati non sono trascurabili e l’adozione di uno o dell’altro può influire notevolmente sulle scelte tecniche e sul mantenimento del sito web.

Microdata, introdotto insieme al lancio di Schema.org, richiede che i markup vengano incorporati direttamente nel codice HTML di una pagina. Per ogni informazione che si vuole strutturare, vengono aggiunti attributi direttamente agli elementi esistenti. Dal punto di vista pratico, questo significa annidare il vocabolario Schema.org all’interno del contenuto già presente, aggiungendo una serie di attributi come itemscope, itemtype, itemprop a ciascun elemento HTML. Sebbene questo approccio possa essere inizialmente semplice da implementare in siti statici o piccoli progetti, porta con sé dei problemi di manutenibilità, soprattutto in contesti dinamici o con CMS complessi. Eventuali modifiche al layout o al design della pagina obbligano a toccare costantemente il markup richiedendo attenzione e cura, fattori che ne riducono l’efficienza nel lungo periodo.

JSON-LD, invece, si è affermato in tempi più recenti come la soluzione preferita e più consigliata dai motori di ricerca, tra cui Google; a differenza di Microdata, JSON-LD non richiede l’intrusione nel codice HTML della pagina. I dati strutturati vengono inseriti separatamente attraverso uno script in formato JSON. Questo formato consente di rappresentare le stesse informazioni con un grado di flessibilità molto maggiore: basta un semplice tag