Implementación de Schema de Producto: Propiedades JSON-LD y Validación

Implementación de Schema de Producto: Por Dónde Empezar

El caso estratégico del schema de producto—por qué impulsa la visibilidad en compras con IA y cómo Google AI Overviews, Perplexity y ChatGPT Search leen realmente tus datos de producto —se cubre en nuestro artículo complementario. Esta guía omite el “por qué” y va directo al “cómo”: las propiedades exactas, la sintaxis JSON-LD, los tipos anidados, la configuración de plataformas y los pasos de validación necesarios para implementar correctamente el marcado de schema de producto desde el principio. Hacer bien la implementación es importante porque los sistemas de IA no pueden inferir significado de una página de producto como lo haría un comprador humano—escanean en busca de datos estructurados en formatos y propiedades específicos, y las lagunas en ese marcado son lagunas en lo que los sistemas de IA pueden decir sobre tu producto.

El Tipo Product: Propiedades Principales de Schema.org

El vocabulario estándar para el marcado de schema de producto proviene de Schema.org, un proyecto colaborativo de código abierto respaldado por Google, Microsoft, Yahoo y Yandex que define cómo marcar diferentes tipos de contenido. El tipo Product es la columna vertebral de los datos estructurados de comercio electrónico. Como mínimo, una implementación completa incluye: name (el título exacto del producto, que coincida con lo que está en la página), description, sku (tu código interno de unidad de mantenimiento de existencias), gtin o mpn (el identificador global del fabricante, útil para referenciar tu listado con los datos del catálogo del fabricante), brand, image (una o más URLs, idealmente desde múltiples ángulos) y category. Ninguna de estas propiedades es opcional si quieres que los sistemas de IA tengan una imagen completa—un bloque Product incompleto es una de las razones más comunes por las que los productos se omiten en las recomendaciones generadas por IA.

Ready to Monitor Your AI Visibility?

Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.

Comenzar Contacto

Schema Anidado: Ofertas, Calificaciones y Reseñas

Las propiedades de Product de nivel superior solo te llevan a mitad de camino—los objetos anidados son donde reside la mayor parte del detalle procesable. El objeto Offer contiene price, priceCurrency, availability (usando el vocabulario controlado de Schema.org como https://schema.org/InStock), url y opcionalmente priceValidUntil para precios con límite de tiempo. Sin un Offer válido, los sistemas de IA no tienen una respuesta confiable a “¿está en stock y cuánto cuesta?”, que suele ser el factor decisivo para que un producto sea recomendado o no. El objeto AggregateRating contiene ratingValue, reviewCount y opcionalmente bestRating/worstRating para definir la escala—omitir la escala y algunos analizadores asumen un valor predeterminado que puede no coincidir con tu sistema de calificación real. El objeto Review anida reseñas individuales con author, reviewBody, datePublished y un subobjeto reviewRating. No es necesario incrustar cada reseña en tu schema de Producto (eso infla la página); incrustar una muestra representativa junto con el agregado es una práctica estándar.

Sintaxis JSON-LD y Ubicación en la Página

JSON-LD (JavaScript Object Notation for Linked Data) es el formato de implementación preferido porque reside en un único bloque <script> autocontenido en lugar de estar disperso entre atributos HTML—separar los datos estructurados de tu marcado facilita el mantenimiento de ambos. Aquí hay un ejemplo completo que combina las propiedades anteriores:

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Premium Waterproof Hiking Boots",
  "description": "Durable waterproof hiking boots with ankle support and grip sole",
  "image": "https://example.com/hiking-boots.jpg",
  "brand": {
    "@type": "Brand",
    "name": "TrailMaster"
  },
  "offers": {
    "@type": "Offer",
    "price": "149.99",
    "priceCurrency": "USD",
    "availability": "https://schema.org/InStock",
    "url": "https://example.com/hiking-boots"
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.7",
    "reviewCount": "328"
  },
  "sku": "HB-WP-001",
  "mpn": "TRAILMASTER-HB-2024"
}

Este bloque debe colocarse dentro de etiquetas <script type="application/ld+json">, ya sea en el <head> de la página o dentro del cuerpo de la página—ambas opciones son válidas, pero colocarlo en el <head> significa que los rastreadores de IA lo encuentran antes de tener que analizar el resto del contenido de la página.

Stay Updated on AI Visibility Trends

Get the latest insights on AI mentions, brand monitoring, and optimization strategies.

Email address

Subscribe

Implementación de Schema por Plataforma: Shopify, WooCommerce y Magento

La mayoría de las plataformas de comercio electrónico generan algo de schema básico automáticamente, pero “algo” hace mucho trabajo en esa frase. Los temas de Shopify normalmente generan name, price y availability por defecto, pero frecuentemente omiten aggregateRating y review—si tu tema no admite de forma nativa el schema de reseñas, necesitarás una aplicación de reseñas que escriba su propio JSON-LD o una adición personalizada de plantilla Liquid. Las implementaciones de WooCommerce varían enormemente según el plugin SEO que esté activo; Yoast y RankMath generan schema de Producto, pero la cobertura de las propiedades anidadas Offer y Review difiere entre ellos, así que audita la salida real en lugar de asumir que el plugin lo maneja todo. El schema de Producto integrado de Magento es comparativamente sólido de fábrica, pero comúnmente omite gtin/mpn, lo cual importa si los sistemas de IA están referenciando tu listado contra datos del fabricante. En todos los casos, la solución es la misma: ver el código fuente de la página, encontrar tu bloque JSON-LD y verificarlo contra la tabla de propiedades anterior, en lugar de confiar en que “la plataforma maneja el schema” sea una respuesta completa—especialmente si también estás optimizando para búsqueda con IA en múltiples plataformas a la vez.

Validación de Tu Schema de Producto

La implementación no está completa hasta que se valida. La Prueba de Resultados Enriquecidos de Google verifica si tu schema no solo es técnicamente válido sino también elegible para funciones de búsqueda mejoradas—ejecuta cada plantilla, no solo una página de muestra. El validador de Schema.org detecta errores de sintaxis que la Prueba de Resultados Enriquecidos podría no señalar. Google Search Console muestra errores y advertencias relacionados con el schema en todo tu sitio a lo largo del tiempo, que es la mejor manera de detectar regresiones después de una actualización de tema o cambio de plugin. Antes de implementar cambios de schema en todo el sitio, prueba en un subconjunto representativo de páginas—diferentes tipos de productos (paquetes, variantes, artículos agotados) tienden a romper las plantillas de diferentes maneras, y detectar eso en diez páginas es mucho más económico que detectarlo en diez mil.

Automatización de Actualizaciones de Schema para Datos Dinámicos

Un schema estático que se vuelve obsoleto es posiblemente peor que no tener schema alguno, porque alimenta activamente a los sistemas de IA con información incorrecta. Las actualizaciones de datos en tiempo real son innegociables para el precio y la disponibilidad—implementa procesos automatizados que regeneren el schema cada vez que tu base de datos de productos cambie, en lugar de depender de ediciones manuales o trabajos periódicos por lotes. El patrón más confiable es extraer los datos del schema de la misma fuente de verdad que el contenido visible de tu página, para que nunca puedan divergir. Los sistemas de IA ponderan la consistencia y la frescura al decidir qué fuentes son confiables para las recomendaciones, y un bloque de schema que no ha coincidido con la realidad durante tres semanas hace más daño que bien.

Errores Comunes de Implementación a Evitar

Más allá de la tabla, un error estructural merece una mención especial: implementar schema solo en plantillas de escritorio. Si tu tema móvil renderiza una página simplificada, verifica que su bloque JSON-LD también esté completo—la indexación móvil primero significa que un schema móvil deficiente puede socavar una implementación de escritorio que de otro modo sería sólida.

Patrones Avanzados: Paquetes, Variantes y lo que Sigue

Una vez que los fundamentos son sólidos, las relaciones de schema anidadas te permiten describir catálogos más complejos: paquetes y conjuntos de productos, accesorios compatibles, piezas de repuesto y variantes de tamaño/color mediante ProductGroup e isVariantOf. El schema multilingüe es importante para catálogos internacionales—implementa schema por idioma en lugar de depender de un solo bloque de idioma canónico, ya que los sistemas de IA ofrecen cada vez más recomendaciones específicas por idioma. Mantener estos datos estructurados completos y sincronizados en cada plantilla e idioma también respalda la visibilidad multicanal, ya que el mismo JSON-LD subyacente alimenta AI Overviews, Perplexity, ChatGPT y asistentes de voz simultáneamente, sin requerir implementaciones separadas para cada uno. De cara al futuro, a medida que los tipos de schema de comercio conversacional maduren—cubriendo el descubrimiento de productos en múltiples turnos y las transacciones iniciadas por agentes—se espera que extiendan este conjunto de propiedades en lugar de reemplazarlo, por lo que una implementación bien estructurada de Product hoy es la base sobre la que se construirán esas adiciones. Para el desglose plataforma por plataforma de cómo los motores de compra con IA utilizan realmente estos datos una vez que están en vivo, consulta la guía estratégica complementaria.