Ce tip de schema markup ajută cel mai mult pentru citabilitatea AI?

Niciun tip nu are dovezi că ridică singur citările: Ahrefs n-a găsit un avantaj măsurabil la 1.885 de pagini cu JSON-LD adăugat, iar Google spune că nu există markup special pentru funcțiile AI. Ca igienă tehnică, folosește Article/BlogPosting (autor, dată) pe articole și FAQPage acolo unde ai întrebări reale; HowTo rămâne valid, dar Google nu mai afișează rich result-ul. Tipul contează mai puțin decât corespondența cu pagina: o schema care declară ce nu se vede în HTML încalcă politicile Google privind datele structurate.

JSON-LD vs Microdata — care e mai bun?

JSON-LD, fără ezitare. E standardul recomandat de Google și stă într-un bloc separat, deci nu atinge HTML-ul vizibil: îl poți genera central, dintr-o singură sursă de date, și îl poți valida automat la fiecare build. Microdata împrăștie atribute prin markup, așa că orice refactor de șablon îl poate rupe tăcut, fără ca nimic să semnaleze. Diferența practică nu e de suport — ambele sunt citite — ci de întreținere: un bloc separat se verifică programatic, atributele risipite prin șabloane, mult mai greu.

Câte Q&A să am în FAQPage schema?

Nu există un număr cerut. Ca regulă practică, 4-6 întrebări reale sunt suficiente pe o pagină de serviciu; mai important decât numărul e că fiecare răspuns se susține singur după ce e extras din pagină (50-150 de cuvinte e o euristică de lucru, nu o cerință Google). Un FAQ cu patru răspunsuri complete bate unul cu douăsprezece răspunsuri de câte două propoziții. Prioritizează întrebările pe care utilizatorii le pun efectiv, nu pe cele comode de răspuns.

Cum verific dacă schema mea e implementată corect?

Instrumentul de conformitate e Schema.org Validator (validator.schema.org) — verifică dacă tipurile și proprietățile respectă standardul. Google Rich Results Test răspunde la altă întrebare: dacă markup-ul e eligibil pentru un rich result din galeria Google, care conține doar câteva zeci de tipuri. FAQPage a fost scos din ea (rich result-ul FAQ a fost retras din Search pe 7 mai 2026), deci tăcerea lui nu înseamnă markup invalid. Două capcane practice: validează pagina randată, prin URL, nu codul lipit, altfel testezi altceva decât servești; și tratează „zero tipuri detectate" ca eșec, nu ca succes — de obicei înseamnă că validatorul n-a parsat nimic.

Schema markup pentru citabilitate AI — Ghid

Q: Schema markup e obligatorie pentru a apărea în răspunsurile AI?

Nu. O pagină fără schema poate fi citată dacă textul e structurat clar — titluri descriptive, răspunsul complet în primul paragraf, o idee per secțiune. Schema nu adaugă informație nouă, ci elimină ambiguitatea: spune explicit că blocul ăsta e o întrebare, celălalt e răspunsul, iar autorul e persoana X. Practic: unde ai deja întrebări și răspunsuri reale, schema e ieftină și se leagă bine de restul grafului de entități; unde nu ai, nu inventa întrebări doar ca să existe un bloc — asta încalcă politicile Google privind datele structurate.

De ce contează schema markup pentru motoarele AI

Schema markup (structured data) comunică motoarelor de căutare și sistemele AI ce tip de conținut e pe pagină și cum e structurat. Rolul ei e de clarificare: spune explicit că blocul ăsta e o întrebare, celălalt e răspunsul, iar autorul e persoana X. Google spune că structured data nu e necesară pentru căutarea generativă și că nu există markup special de adăugat, iar un studiu Ahrefs pe 1.885 de pagini n-a găsit un avantaj măsurabil în citări după adăugarea JSON-LD.

Schema nu garantează citarea și nu există dovezi că o crește. O pagină poate fi citată fără schema, dacă textul e structurat clar. Studiul Ahrefs a vizat pagini deja citate frecvent, deci nu spune ce se întâmplă la pagini fără citări; de aceea o tratăm ca igienă tehnică, nu ca pârghie de citare. Pagina noastră despre Schema.org în detaliu prezintă studiul complet.

FAQPage — structură clară pentru întrebări reale

FAQPage marchează fiecare pereche întrebare–răspuns ca unitate distinctă. Google a retras rich result-ul FAQ din Search pe 7 mai 2026 (documentația Google), dar tipul rămâne valid în Schema.org, iar întrebările și răspunsurile vizibile rămân utile cititorilor. Nu avem dovezi că motoarele AI le extrag preferențial pentru că sunt marcate.

Implementare corectă în JSON-LD:

{
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Ce este schema markup?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Schema markup este cod structurat (JSON-LD, Microdata) care comunică motoarelor de căutare și AI ce tip de conținut există pe o pagină: organizație, produs, FAQ, rețetă etc. Ajută motoarele să înțeleagă structura și entitățile din pagină."
      }
    }
  ]
}

Reguli de bază: răspunsuri identice cu textul vizibil pe pagină (nu diferite) și doar întrebări pe care le ai și în HTML. Ca regulă practică, nu ca cerință Google, un răspuns de 50-150 de cuvinte se susține singur după extragere; Google nu impune o lungime ideală.

HowTo schema — pentru procese secvențiale

HowTo schema e ideală pentru articole de tipul „cum faci X în Y pași". Google nu mai afișează rich result-ul HowTo, iar pentru funcțiile AI nu are un tratament special. Pașii dintr-o listă numerotată vizibilă pot fi totuși citați ca blocuri separate, cu sau fără markup; HowTo rămâne un tip Schema.org valid, util ca descriere de structură.

{
  "@type": "HowTo",
  "name": "Cum configurezi llms.txt",
  "step": [
    {
      "@type": "HowToStep",
      "position": 1,
      "name": "Creează fișierul",
      "text": "Adaugă llms.txt în rădăcina site-ului, accesibil la /llms.txt."
    }
  ]
}

Article și BlogPosting — pentru conținut editorial

Article (sau BlogPosting) marchează clar autorul, data publicării și corpul articolului. Autorul și data trebuie să fie vizibile și pe pagină, nu doar în markup: sunt semnale pe care ghidurile Google le cer la evaluarea calității (E-E-A-T), dar nu avem o sursă primară care să spună cum le folosesc motoarele AI.

Elementele obligatorii: author cu referință la Person, datePublished, dateModified, publisher cu referință la Organization. Opțional dar valoros: image, wordCount, keywords.

Graful de entități — schema ca ecosistem, nu ca declarații izolate

Schema e mai puternică când funcționează ca un graf de entități corelate, nu ca declarații izolate pe fiecare pagină. Pe airank.ro, de exemplu, Organization → referă Person (fondatorul) → care are knowsAbout și worksFor → conectat la ProfessionalService cu hasOfferCatalog. Fiecare entitate are @id unic și e referită de celelalte.

Acest graf permite motoarelor AI să înțeleagă cine e în spatele conținutului, cu ce autoritate și în ce domeniu — informații care clarifică identitatea sursei; efectul asupra deciziei de citare nu e măsurat public.

Cele mai frecvente greșeli de implementare

Schema nu corespunde conținutului HTML — dacă FAQPage declară întrebări care nu apar vizibil pe pagină, încalcă politicile Google privind datele structurate și poate atrage o acțiune manuală (retrage eligibilitatea pentru rich results; nu afectează poziția în căutarea web).
Răspunsuri prea scurte — ca regulă practică, sub ~30 de cuvinte un răspuns se susține greu singur după extragere; 50-150 de cuvinte e o euristică de lucru, nu o cerință.
Lipsă de @id pe entitățile principale — fără @id, referințele cross-page nu funcționează și graful rămâne fragmentat.
Două entități care pretind același lucru — problema nu e numărul de blocuri JSON-LD, ci identitatea. Dacă nodul de pagină și nodul FAQPage declară amândouă același url, graful spune că există două entități-pagină la aceeași adresă — iar FAQPage e subtip de WebPage, deci sunt comparabile. Un bloc separat pentru FAQ e perfect valid atât timp cât nodurile nu-și dublează identitatea.
Schema fără validare — testează cu Schema.org Validator după orice modificare. Atenție: „0 erori" înseamnă vocabular conform, nu model de entități corect — cele două se validează separat. Google Rich Results Test acoperă doar tipurile din galeria de rich results, deci tace pe FAQPage, HowTo sau ContactPage oricât de valid ar fi markup-ul.

Prima greșeală de pe listă nu e teoretică — un magazin online a primit acțiune manuală exact pentru AggregateRating declarat pe conținut invizibil, plus rating agregat pe categorii unde nu avea ce căuta. Cazul complet, cu diagnostic și cererea de reconsiderare care a funcționat.