Salta al contenuto
Prompti.it

SEO + AI

Schema markup per LLMO: FAQPage, HowTo, Article 2026

I 3 schema markup essenziali per LLMO 2026: FAQPage, HowTo, Article con dateModified. Esempi JSON-LD pronti, tool validatori, impatto citation.

Lo schema markup è la struttura che rende leggibile a ChatGPT, Claude, Perplexity e Gemini cosa contiene una pagina web. Nel 2026 i tre schema che hanno impatto misurabile sul citation rate dei modelli generativi sono FAQPage, HowTo e Article con dateModified esplicito. Su contenuti B2B italiani ben strutturati, l’aggiunta di questi tre schema produce uplift del citation rate dell’ordine 30-45% nei primi 4-6 mesi. Qui mappiamo cosa è ognuno, perché funziona, come implementarlo con JSON-LD pronto da copiare e adattare.

Perché schema markup conta per LLMO (non solo SEO)

Lo schema markup era nato come signal per Google per generare rich snippets nelle SERP. Il suo ruolo è cambiato nel 2024-2026 con l’emergere dei citation engine dei LLM.

I modelli generativi parsano lo schema strutturato come fonte primaria di fact durante la sintesi della risposta. Una pagina con FAQPage ben formato espone al modello “questa è una domanda completa, questa è la risposta confezionata”. Il modello può citare direttamente il Q&A nella risposta all’utente, attribuendo correttamente la fonte.

Senza schema, lo stesso contenuto viene parsato come “testo HTML generico” e il modello deve fare lo sforzo di estrarre fact dal flusso testuale, con rate di successo significativamente inferiore.

I benchmark che osserviamo sui contenuti dei nostri clienti italiani 2025-2026:

  • Pagine con FAQPage schema: citation rate +30-40% rispetto a pagine senza
  • Pagine con HowTo schema su contenuti tutorial: citation rate +25-35%
  • Pagine con Article dateModified esplicito: citation rate stabile, contenuti senza dateModified vengono “rimpiazzati” da contenuti più freschi entro 8-12 mesi

FAQPage: il più potente per LLMO

Lo schema FAQPage è il singolo intervento tecnico con maggior impatto su citation rate nel 2026. Il pattern è semplice: una collezione di Question + acceptedAnswer in formato strutturato.

Code block: esempio JSON-LD FAQPage completo

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Quanto costa implementare l'AI Act in una PMI italiana?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Per una PMI italiana 30-200 dipendenti, un programma di compliance AI Act completo costa indicativamente €8.000-€18.000 per la fase iniziale di audit + remediation + formazione. Le componenti tipiche: audit AI Act (€3.500-€8.000), drafting policy interna (€800-€1.500), formazione Articolo 4 al personale (€1.500-€4.000), documentazione e fascicolo compliance (€2.000-€3.500). Per PMI sopra i 200 dipendenti i costi salgono a €20.000-€40.000."
      }
    },
    {
      "@type": "Question",
      "name": "Quali sistemi AI sono vietati dall'AI Act?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "L'Articolo 5 dell'AI Act vieta 8 categorie di sistemi: tecniche subliminali manipolative, sfruttamento di vulnerabilità (età, disabilità, situazione socioeconomica), social scoring da parte di autorità pubbliche, valutazione del rischio criminale individuale basata su profilazione, scraping massivo di volti da web o CCTV per database biometrici, riconoscimento emotivo sul luogo di lavoro o a scuola, categorizzazione biometrica per dedurre attributi sensibili, identificazione biometrica remota in tempo reale in spazi pubblici (con eccezioni limitate). Le sanzioni arrivano a €35M o 7% del fatturato mondiale."
      }
    }
  ]
}
</script>

Pattern operativo per massimo impatto:

  • Minimo 5 Q&A per pagina pillar
  • Domande formulate come query utente reali (non “Cosa è X?” ma “Quanto costa X per una PMI italiana?”)
  • Risposte 80-150 parole con fact density alta
  • Una risposta per ogni Question (non array di acceptedAnswer)
  • Markup in JSON-LD nel <head> (preferito) o <body>

Il rich result Google FAQ è stato deprecato a giugno 2023, ma lo schema FAQPage resta cruciale: i citation engine dei LLM lo usano attivamente anche se Google non genera più il rich snippet.

HowTo: per tutorial step-by-step

Lo schema HowTo struttura contenuti di tipo tutorial in step esplicitamente ordinati. È particolarmente potente per query “come fare X” che sono ad alto volume sui modelli generativi (gli utenti chiedono “come faccio a…” nei prompt molto più che nelle SERP).

Code block: esempio JSON-LD HowTo completo

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "Come implementare l'Articolo 4 dell'AI Act in azienda",
  "description": "Roadmap operativa per assicurare la AI literacy del personale come richiesto dall'Articolo 4 dell'AI Act (Regolamento UE 2024/1689).",
  "totalTime": "PT60D",
  "estimatedCost": {
    "@type": "MonetaryAmount",
    "currency": "EUR",
    "value": "5000"
  },
  "step": [
    {
      "@type": "HowToStep",
      "position": 1,
      "name": "Inventory sistemi AI in uso",
      "text": "Mappare tutti i sistemi AI usati dal personale aziendale, incluso shadow IT. Tecniche: interviste con capi area, audit IT su abbonamenti SaaS, survey strutturato al personale. Effort tipico: 8-15 ore. Output: registro AI completo."
    },
    {
      "@type": "HowToStep",
      "position": 2,
      "name": "Identificazione personale che interagisce con sistemi AI",
      "text": "Per ogni sistema mappato, identificare chi nell'azienda lo usa effettivamente. Output: matrice persona × sistema AI."
    },
    {
      "@type": "HowToStep",
      "position": 3,
      "name": "Definizione del livello minimo di competenze per ruolo",
      "text": "Per ogni ruolo che interagisce con sistemi AI, definire le competenze minime richieste. Esempio: utente operativo deve sapere cosa NON inserire nei prompt; responsabile area deve sapere policy interne e processo di onboarding nuovi sistemi."
    },
    {
      "@type": "HowToStep",
      "position": 4,
      "name": "Erogazione formazione mirata",
      "text": "Erogare formazione AI Act con contenuti calibrati per ruolo. Durata tipica: 4-8 ore per personale operativo, 8-12 ore per responsabili. Test finale per validare apprendimento."
    },
    {
      "@type": "HowToStep",
      "position": 5,
      "name": "Documentazione e refresh annuale",
      "text": "Archiviare evidenze della formazione (partecipanti, contenuti, test, esiti). Pianificare refresh annuale e onboarding formativo per nuovi assunti."
    }
  ]
}
</script>

Quando usare HowTo:

  • Tutorial step-by-step (configurazione, setup, processo)
  • Workflow procedurali con sequenza ordinata
  • Roadmap operative

Quando NON usare HowTo: contenuti puramente analitici, comparison, recensioni. In questi casi Article è più appropriato.

Article + dateModified: il signal di freshness

Lo schema Article è il default per tutti i contenuti editoriali. La variante critica per LLMO è il campo dateModified, che è il signal di freshness più forte verso i citation engine.

Code block: esempio JSON-LD Article completo

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "AI Act PMI Italia 2026: cosa fare entro agosto",
  "description": "Roadmap operativa per PMI italiane: cosa serve fare entro 3 agosto 2026 per essere AI Act compliant.",
  "image": "https://prompti.it/images/blog/ai-act-pmi-italia-agosto-2026.jpg",
  "author": {
    "@type": "Person",
    "name": "Rafael Patron",
    "url": "https://prompti.it/chi-siamo/"
  },
  "publisher": {
    "@type": "Organization",
    "name": "Prompti.it",
    "logo": {
      "@type": "ImageObject",
      "url": "https://prompti.it/images/logo.png"
    }
  },
  "datePublished": "2026-05-19T11:47:00+02:00",
  "dateModified": "2026-05-19T11:47:00+02:00",
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://prompti.it/blog/ai/ai-act-pmi-italia-cosa-fare-agosto-2026/"
  }
}
</script>

Punti critici:

  • dateModified deve essere aggiornato ad ogni revisione del contenuto, anche minore
  • Il formato ISO 8601 con timezone esplicito (+02:00 per Italia) è preferito
  • headline corrisponde all’H1 della pagina (massimo 110 caratteri)
  • publisher deve avere logo dichiarato esplicitamente

Per contenuti che vivono in content collection Astro o framework similari, è prassi auto-generare lo schema dal frontmatter del file. Approccio che eliminiamo manualmente l’errore “dimenticato di aggiornare dateModified”.

Lo schema BreadcrumbList non ha impatto diretto significativo su LLMO citation rate, ma serve come signal contestuale che aiuta il modello a posizionare il contenuto nella tassonomia del sito. È raccomandato per pagine in struttura gerarchica (categoria → sotto-categoria → articolo).

Effort di implementazione basso, beneficio sommabile ad altri schema.

Tool validatori 2026

Tre tool sono lo standard per validare schema markup prima del deploy:

Google Rich Results Test: validazione ufficiale Google. Verifica se lo schema è parseable e se produce rich result. Bug: ha lag di aggiornamento sui nuovi tipi di schema.

Schema.org Validator: validatore ufficiale schema.org, indipendente da Google. Aggiornato in tempo reale con i nuovi schema. Più tecnico, meno user-friendly del Google tool.

Schema Markup Validator di Ahrefs: integrato nel suite SEO Ahrefs, copre tutti gli schema con suggestions di miglioramento. Pricing: incluso nell’abbonamento Ahrefs.

Il flow consigliato: build locale → test su Schema.org Validator → deploy preview → test su Google Rich Results Test → deploy production. Errori di schema invalido in produzione possono degradare il citation rate fino a impatto zero rispetto a markup corretto.

Errori comuni che invalidano lo schema

Cinque errori che vediamo frequentemente negli audit di siti italiani:

Errore 1 — Date in formato non ISO 8601. “2026-05-19” senza timezone, o “19 maggio 2026” in formato italiano. Il parser scarta silenziosamente.

Errore 2 — Acceptedanswer con array di Answer. Pattern errato: una Question con acceptedAnswer come array di multiple Answer. Lo schema FAQPage richiede una sola Answer per Question.

Errore 3 — Schema duplicato nella stessa pagina. Due tag <script type="application/ld+json"> con FAQPage diversi. Il parser tipicamente usa solo il primo, ignorando il secondo.

Errore 4 — HTML nei valori text. Tag HTML come <strong> o <br> nei valori text di Answer o HowToStep. Lo schema accetta solo testo plain. HTML va escapato o rimosso.

Errore 5 — Schema markup ma contenuto non visibile. FAQPage con domande presenti nel JSON-LD ma non visibili come testo nella pagina. Google e i citation engine lo considerano cloaking e penalizzano il sito.

Integrazione con strategie LLMO complete

Lo schema markup è componente tecnica essenziale ma non sufficiente per una strategia LLMO che funziona. Va abbinato a content design answer-first, semantic triples, temporal markers come descritto nella nostra guida LLMO completa.

Le aziende che ottengono i migliori risultati nel mercato italiano 2026 abbinano schema markup tecnico, content strategy LLMO, e brand authority building su long-term. Per una consulenza dedicata sulla vostra strategia LLMO, scopri di più sul nostro servizio consulenza AI che include modulo LLMO. Per un’intro pratica alla scrittura di prompt SEO-friendly e ai errori comuni nei prompt, vedere i nostri approfondimenti dedicati.

L’associazione professionale italiana ha attivato gruppi di lavoro su LLMO per consolidare best practice nel mercato italiano dei consulenti AI e content strategist 2026: scopri di più qui.

Domande frequenti

Quanti schema diversi posso mettere nella stessa pagina? Non c’è limite tecnico imposto da schema.org, ma in pratica oltre 3-4 schema diversi nella stessa pagina i parser iniziano a ignorare quelli secondari. Pattern consigliato per pagina pillar: Article + FAQPage + BreadcrumbList. Eventuale HowTo aggiuntivo solo se il contenuto include una sezione tutorial significativa.

Lo schema markup va aggiornato manualmente o automaticamente? Automaticamente, sempre quando possibile. Generazione manuale produce errori (dimenticanze di update di dateModified, typo, schema vecchio non più conforme alla pagina). I framework moderni (Astro, Next.js, Nuxt) hanno utility o componenti che generano JSON-LD dal frontmatter o dai metadati di pagina. La nostra implementazione su prompti.it auto-genera tutti gli schema dal content collection.

Posso testare se il mio sito è già indicizzato bene da ChatGPT/Claude? Sì, con test query mirate sui modelli stessi. Aprire ChatGPT (con web browsing attivo), Claude (con web search), Perplexity. Lanciare 10-20 query rappresentative del vostro topic. Verificare se il vostro dominio compare nelle citation. Tool dedicati come Profound o Otterly automatizzano questo monitoring su scala.

Quanto pesa schema markup vs contenuto di qualità? Lo schema markup amplifica la qualità del contenuto sottostante. Schema perfetto su contenuto scadente non produce citation. Contenuto eccellente senza schema è citato ma a rate inferiore. La combinazione ottimale è contenuto eccellente + schema corretto. La priorità operativa è sempre prima la qualità del contenuto, poi l’aggiunta dello schema.

FAQPage va su ogni pagina o solo sulle pillar? Su ogni pagina dove fa senso (pillar, tutorial, guide, alcune pagine prodotto). Su pagine di tipo “team”, “contatti”, “policy” non ha senso. La regola operativa: se la pagina risponde a domande che gli utenti farebbero, FAQPage è applicabile e benefico. Pattern standard per siti B2B: FAQPage su tutte le pagine principali servizi, le pillar di blog, le pagine di settore.

Esistono schema specifici per il mercato italiano? No, gli schema schema.org sono universali. Quello che cambia per il mercato italiano sono i valori (lingua italiana, date in formato europeo +01:00 o +02:00 con DST, currency EUR, address con addressCountry: IT). Per siti che servono sia mercato italiano che internazionale, schema multilingua con inLanguage esplicito è raccomandato.

Volete parlarne con noi?

Prima call €240, compensata se accettate il preventivo. Una conversazione di un'ora per capire le vostre priorità.

Richiedi una consulenza
IT