Dados Estruturados
Dados estruturados são informação legível por máquina adicionada a uma página web, normalmente seguindo o vocabulário partilhado em schema.org, que descreve o conteúdo da página (um produto, uma receita, uma avaliação) num formato fixo para que os motores de busca e os sistemas de IA o interpretem sem ambiguidade.
O termo é frequentemente confundido com schema markup, mas não se trata da mesma coisa. Dados estruturados é o conceito amplo de descrever uma página numa forma definida e legível por máquina; schema markup é a implementação concreta que utiliza o vocabulário schema.org, de longe o mais utilizado na web aberta. Na prática, quando se fala em dados estruturados para SEO, quase sempre se quer dizer tipos schema.org expressos num formato compatível. O objetivo é eliminar a ambiguidade: em vez de deixar um crawler inferir que "28,00 €" é um preço e "4,7 em 5" é uma classificação, declaram-se ambos como propriedades com nome (price, ratingValue) que qualquer parser compatível interpreta da mesma forma.
O Google suporta três formatos: JSON-LD, Microdata e RDFa. O JSON-LD é o recomendado porque está num bloco de script separado do HTML visível, o que facilita a adição, a leitura e a manutenção. Os mesmos dados podem alimentar um rich snippet no Google (classificação por estrelas, preços, acordeões de perguntas frequentes) e fornecer aos assistentes de IA uma fonte estruturada para citar, em vez de extraírem a informação do texto da página.
Considere uma loja Shopify a vender cerâmica artesanal portuguesa. O template de produto apresenta o título, o preço, a disponibilidade e um conjunto de avaliações de clientes. Sozinha, essa página é legível para um visitante, mas pouco definida para uma máquina. Ao adicionar um schema de Product com Offers e AggregateRating aninhados, o crawler fica a saber, em termos concretos, que o artigo custa 65 euros, está em stock e tem uma classificação média de 4,6 a partir de 213 avaliações. Com isso implementado, a ficha fica elegível para estrelas de classificação no resultado de pesquisa, e o mesmo conjunto de propriedades é o elemento mais fácil de extrair quando um modelo resume o produto noutro contexto.
Esse segundo uso tem cada vez mais peso. Os motores de resposta como o ChatGPT, o Perplexity e o Google AI Overviews tendem a favorecer factos que podem ser extraídos de forma limpa e atribuídos com confiança. Um modelo que tem de retirar um preço de texto corrido pode cometer erros ou ignorar a página; um modelo que recebe um bloco de Offers devidamente marcado tem melhores condições para citar a loja com precisão. Os dados estruturados não garantem uma citação, mas reduzem o custo de ser compreendido, e isso é frequentemente o fator determinante para ser ou não mencionado.
A ressalva honesta: os dados estruturados não garantem um rich snippet nem uma citação, e têm de refletir com rigor o que é visível na página. Marcar classificações ou avaliações que o visitante não consegue ver contraria a política do Google e pode desencadear uma ação manual. Os dados têm de ser verdadeiros e corroborados, nunca decorativos. Convém tratá-los como uma descrição fiel da página, nunca como um meio de declarar algo que a página não mostra.