Saltar al contenido
Made For Builders iconoMade For Builders
Visibilidad

Schema markup para empresas del hogar

edu-lopez-parada10 min de lectura
Schema markup para empresas del hogar

El schema markup es código JSON-LD que ayuda a Google y a los modelos de IA a entender quién eres, qué haces y dónde trabajas. Para una empresa de reformas, fontanería o electricidad, implementar LocalBusiness, Service y FAQPage correctamente puede conseguir resultados enriquecidos en búsqueda y mayor presencia en respuestas generadas por IA. Esta guía cubre los tipos de schema más relevantes, un ejemplo comentado y los errores más frecuentes.

Los datos estructurados son uno de los pocos elementos técnicos del SEO que afectan simultáneamente a dos canales distintos: los resultados clásicos de Google y las respuestas generadas por modelos de IA. Para una empresa de reformas, fontanería o instalaciones, implementarlos bien marca la diferencia entre aparecer con un panel enriquecido o quedar enterrado en resultados genéricos.

Esta guía cubre lo esencial sin rodeos.


Qué es el schema markup y cómo funciona

Schema markup es un conjunto de tipos y propiedades estandarizados por schema.org, un vocabulario compartido que lanzaron Google, Microsoft, Yahoo y Yandex en 2011. El objetivo era que los motores de búsqueda pudieran leer el significado de una página, no solo sus palabras.

La forma recomendada de implementarlo en 2026 es JSON-LD (JavaScript Object Notation for Linked Data), un bloque de código que se inserta en el <head> o al final del <body> de la página. Google prefiere JSON-LD sobre Microdata o RDFa porque no mezcla lógica con HTML y es más fácil de mantener.

Fuente oficial: Introducción a los datos estructurados — Google Search Central.

Pantalla de portátil mostrando código en un editor de texto
El bloque JSON-LD se inserta directamente en el HTML sin mezclar lógica con el contenido visible.

Qué consigues con el schema

  • Rich results: paneles de empresa local, estrellas de valoración, acordeones de FAQ, breadcrumbs clicables.
  • Knowledge Graph: Google puede vincular tu empresa a su grafo de conocimiento, mostrando información en el panel lateral de búsqueda.
  • Citabilidad en IA: modelos como Gemini, Perplexity o ChatGPT con acceso a la web extraen entidades estructuradas para construir respuestas verificables. Un JSON-LD bien formado es exactamente lo que necesitan.

Los tipos de schema más relevantes para el sector hogar

LocalBusiness

El tipo más importante para cualquier empresa que trabaja en un área geográfica concreta. Especifica nombre, dirección, teléfono, horario, coordenadas y área de servicio. Google lo usa para el panel de empresa en búsqueda y para cruzar información con Google Business Profile.

Subtipos recomendados según el gremio:

  • Fontanero: Plumber
  • Electricista: Electrician
  • Empresa de reformas: HomeAndConstructionBusiness
  • Carpintero: Carpenter
  • Pintor: PaintingContractor

Todos estos son subtipos de LocalBusiness definidos en schema.org/LocalBusiness.

Service

Describe los servicios que ofrece la empresa: instalación de caldera, reforma de baño, cableado eléctrico, etc. Se puede anidar dentro de LocalBusiness mediante la propiedad hasOfferCatalog o publicarse como página independiente por servicio.

Incluir areaServed, provider y serviceType maximiza la utilidad del markup para motores de búsqueda y modelos de IA que necesitan saber exactamente qué haces y dónde.

FAQPage

Permite marcar bloques de preguntas y respuestas. Google puede mostrarlo como acordeón desplegable directamente en los resultados, sin que el usuario entre a la página. También es el tipo más citado por sistemas de respuesta generativa porque estructura preguntas y respuestas de forma explícita.

Política de Google: las preguntas deben ser reales, con una sola respuesta definitiva, y el contenido del markup debe coincidir exactamente con lo visible en la página. Ver FAQPage — Google Search Central.

Review y AggregateRating

Permite mostrar estrellas en los resultados de búsqueda orgánicos. Condición obligatoria: las reseñas deben proceder de usuarios reales que han interactuado con el negocio. Google prohíbe expresamente las reseñas propias, incentivadas o sintéticas y puede retirar los rich results si detecta abuso.

Fuente: Review snippet — Google Search Central.

BreadcrumbList

Muestra la ruta de navegación en el snippet de búsqueda, por ejemplo: madeforbuilders.com > Visibilidad > SEO local > Fontaneros Madrid. Mejora el CTR al dar contexto de dónde vive la página dentro del sitio y refuerza la arquitectura de información para rastreadores.


Tabla resumen: tipos de schema y su utilidad práctica

Tipo de schemaPara qué sirveRich result habilitado
LocalBusiness / subtipoIdentificar la empresa, ubicación y horarioPanel de empresa, Knowledge Graph
ServiceDescribir cada servicio con área y proveedorNo aplica directamente; mejora citabilidad IA
FAQPagePreguntas frecuentes con respuesta exactaAcordeón FAQ en resultados
AggregateRatingValoración media con número de reseñas realesEstrellas en snippet orgánico
BreadcrumbListRuta de navegación del sitioBreadcrumbs en snippet

Portátil abierto con el buscador de Google en pantalla
Los rich results como el panel de empresa o las estrellas de valoración son visibles directamente en los resultados de búsqueda.

Ejemplo JSON-LD comentado para una empresa de fontanería

El bloque siguiente es un ejemplo para una fontanería en Madrid. Cada propiedad lleva un comentario explicando su función.

{
  "@context": "https://schema.org",
  "@type": "Plumber",

  "name": "Fontaneria Lopez Madrid",
  "url": "https://www.ejemplo.com/es-ES/",
  "telephone": "+34-910-000-000",
  "email": "contacto@ejemplo.com",

  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Calle Mayor 10, 2A",
    "addressLocality": "Madrid",
    "postalCode": "28013",
    "addressCountry": "ES"
  },

  "geo": {
    "@type": "GeoCoordinates",
    "latitude": 40.4165,
    "longitude": -3.7026
  },

  "areaServed": [
    { "@type": "City", "name": "Madrid" },
    { "@type": "City", "name": "Alcobendas" },
    { "@type": "City", "name": "Pozuelo de Alarcon" }
  ],

  "openingHoursSpecification": [
    {
      "@type": "OpeningHoursSpecification",
      "dayOfWeek": ["Monday","Tuesday","Wednesday","Thursday","Friday"],
      "opens": "08:00",
      "closes": "20:00"
    },
    {
      "@type": "OpeningHoursSpecification",
      "dayOfWeek": "Saturday",
      "opens": "09:00",
      "closes": "14:00"
    }
  ],

  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",
    "reviewCount": "127",
    "bestRating": "5",
    "worstRating": "1"
  },

  "hasOfferCatalog": {
    "@type": "OfferCatalog",
    "name": "Servicios de fontaneria",
    "itemListElement": [
      {
        "@type": "Offer",
        "itemOffered": {
          "@type": "Service",
          "name": "Instalacion y sustitucion de caldera",
          "description": "Instalacion de calderas de gas, condensacion y biomasa en viviendas y locales comerciales en Madrid.",
          "areaServed": { "@type": "City", "name": "Madrid" }
        }
      },
      {
        "@type": "Offer",
        "itemOffered": {
          "@type": "Service",
          "name": "Reparacion de averias urgente",
          "description": "Servicio de urgencias 24h para fugas, roturas y atascos en Madrid capital.",
          "areaServed": { "@type": "City", "name": "Madrid" }
        }
      }
    ]
  },

  "sameAs": [
    "https://www.google.com/maps?cid=XXXXXXXXXXXXXXXX",
    "https://www.facebook.com/fontanerialopez"
  ]
}

Este bloque va envuelto en <script type="application/ld+json">...</script> en el <head> de la página de inicio o de empresa. Para cada servicio individual, se puede publicar un JSON-LD de tipo Service en su propia URL.


Errores frecuentes que invalidan el markup

1. Datos que no coinciden con el contenido visible de la página. Google compara el markup con lo que el usuario ve. Si el horario en JSON-LD dice 8-20h pero la página muestra 9-18h, el sistema puede ignorar o penalizar el markup.

2. AggregateRating con reseñas propias o inventadas. Este es el error con consecuencias más graves. Google retira los rich results de estrellas de forma algorítmica y puede aplicar acciones manuales. Las reseñas deben ser de clientes reales en sistemas verificables como Google Business Profile o Trustpilot.

3. Omitir propiedades obligatorias. Cada tipo de schema tiene propiedades requeridas. Para LocalBusiness son name y address. Para FAQPage son mainEntity con acceptedAnswer. Sin ellas, Google descarta el markup sin advertencia en Search Console.

4. JSON-LD con sintaxis rota. Una coma de más, una llave sin cerrar o un campo mal tipado invalida todo el bloque. Siempre validar antes de publicar en los dos validadores descritos más abajo.

5. Publicar el mismo tipo de schema duplicado en la misma página. Un solo bloque LocalBusiness por página. Varios bloques del mismo tipo en la misma URL generan conflicto y Google toma solo uno, sin garantía de cuál.


Ilustración abstracta de redes neuronales y estructuras de datos digitales
Los modelos de IA generativa consumen datos estructurados para construir respuestas factuales y citar fuentes con precisión.

Cómo validar antes y después de publicar

El flujo recomendado es de dos pasos:

Paso 1 — Schema Markup Validator

validator.schema.org comprueba que el JSON-LD es sintácticamente correcto y que los tipos y propiedades existen en el vocabulario de schema.org. Detecta errores de estructura antes de que el código llegue a producción.

Paso 2 — Rich Results Test

search.google.com/test/rich-results muestra qué resultados enriquecidos puede generar una URL según las reglas de Google, e informa de errores y advertencias campo a campo. Es la herramienta definitiva para saber si el markup tendrá efecto en los resultados de búsqueda.

Después de publicar, Google Search Console (sección Mejoras) reporta errores de datos estructurados detectados durante el rastreo real del sitio. Es el último nivel de verificación y el único que trabaja con la versión indexada de la página.


Impacto en la citabilidad por modelos de IA generativa

Los sistemas de respuesta generativa — Google AI Overviews, Perplexity, Bing Copilot, ChatGPT con acceso web — necesitan resolver dos preguntas sobre cualquier fuente: qué dice y quién lo dice. El schema markup responde a las dos de forma maquinalmente legible.

Un LocalBusiness bien formado proporciona:

  • Nombre y entidad verificable (la IA puede asociarlo a un Knowledge Graph).
  • Servicios con descripción (la IA puede citar servicios específicos con precisión).
  • Área geográfica (la IA puede resolver consultas con intento local como "fontanero Madrid").
  • Valoración (la IA puede incluir la puntuación como dato de autoridad social verificable).

Sin datos estructurados, la IA debe inferir estos atributos del texto de la página, con mayor margen de error y menor probabilidad de citación. Con datos estructurados correctos, la página se convierte en una fuente de referencia factual de primera clase.

Para profundizar en cómo los motores de IA consumen contenido del sector hogar, consulta el artículo Qué es GEO y por qué importa para el sector hogar.


Próximos pasos

  1. Implementa LocalBusiness o el subtipo específico del gremio en la página de inicio.
  2. Añade FAQPage en las páginas de servicio con las preguntas reales de tus clientes.
  3. Conecta las reseñas de Google Business Profile con AggregateRating solo si tienes reseñas reales publicadas.
  4. Valida con validator.schema.org y Rich Results Test antes de publicar.
  5. Revisa Google Search Console dos semanas después para confirmar que no hay errores de rastreo en los datos estructurados.

Más recursos sobre visibilidad digital para empresas del hogar y el glosario de términos del sector.

Preguntas frecuentes

Resolvemos dudas antes de empezar

Ayuda directa

¿Tu duda no está aquí?

Habla con el equipo
  1. Q/01¿Qué es el schema markup y por qué importa en 2026?

    El schema markup es un vocabulario de etiquetas estandarizado por schema.org que se incrusta en el HTML de una página, normalmente como JSON-LD. Indica a los motores de búsqueda —y cada vez más a los modelos de lenguaje grande— el tipo exacto de entidad que representa esa página: una empresa local, un servicio, una reseña, una pregunta frecuente. En 2026 su relevancia ha crecido porque los modelos de IA como ChatGPT, Gemini o Perplexity consumen estas señales estructuradas para construir respuestas factuales y citar fuentes con precisión.

  2. Q/02¿El schema markup mejora directamente el posicionamiento en Google?

    Google ha declarado oficialmente que los datos estructurados no son un factor de ranking directo. Su efecto es indirecto: habilitan resultados enriquecidos (rich results) como el panel de empresa, las estrellas de valoración o las preguntas frecuentes desplegables, que aumentan la tasa de clics (CTR). Un CTR mayor con misma posición puede consolidar la página en esa posición con el tiempo.

  3. Q/03¿Puedo mostrar estrellas de valoración en los resultados de búsqueda?

    Sí, pero con condiciones estrictas. Google permite mostrar AggregateRating en resultados orgánicos únicamente si las reseñas proceden de usuarios reales que han interactuado con el negocio. Queda prohibido generar reseñas propias, incentivadas o sintéticas. Google puede retirar los rich results si detecta abuso. El markup debe apuntar a datos verificables en la propia página o en un sistema de reseñas de terceros compatible.

  4. Q/04¿Cómo valido que mi JSON-LD no tiene errores antes de publicar?

    Google ofrece la herramienta Rich Results Test (gratuita) que muestra qué tipos de resultado enriquecido puede generar una URL y señala errores o advertencias campo a campo. El validador oficial de schema.org comprueba la sintaxis del vocabulario independientemente de las reglas de Google. Usar ambas herramientas en ese orden es la práctica recomendada antes de publicar cualquier cambio en datos estructurados.

  5. Q/05¿Los datos estructurados ayudan a que la IA generativa cite mi empresa?

    Sí. Los modelos de lenguaje y los motores de respuesta generativa (Perplexity, Google AI Overviews, Bing Copilot) priorizan fuentes bien estructuradas porque pueden extraer entidades, atributos y relaciones con mayor fiabilidad. Un LocalBusiness con nombre, dirección, teléfono, horario y servicios en JSON-LD proporciona exactamente el contexto factual que estos sistemas necesitan para construir respuestas verificables.