L1 Structured Data · JSON-LD + Schema.org 12 checks

L1 — Structured Data: declarar em linguagem de máquina o que cada página representa

JSON-LD correto é como a máquina aprende que sua homepage é uma organização, sua página de serviço é um serviço, e que há ações executáveis disponíveis — antes de ler qualquer linha de texto.

TL;DR

L1 é o vocabulário que permite que qualquer máquina entenda o tipo de entidade representada em cada URL. JSON-LD com Schema.org é esse vocabulário: universal, legível por máquinas, invisível para o visitante humano. A peça mais estratégica é o potentialAction combinado com EntryPoint — a ponte técnica entre L1 e L4 (Commerce Layer). L1 sem potentialAction é como uma loja com produtos na vitrine, mas sem caixa.

O vocabulário universal para máquinas entenderem entidades

L1 é o vocabulário que permite que qualquer máquina entenda o tipo de entidade representada em cada URL. JSON-LD com Schema.org é esse vocabulário: universal, legível por máquinas, invisível para o visitante humano.

A peça mais estratégica é o potentialAction combinado com EntryPoint. Esse par é a ponte técnica entre L1 e L4 (Commerce Layer): sem ele, o agente que chegou via Agent Card não sabe quais ações pode executar. L1 sem potentialAction é como uma loja com produtos na vitrine, mas sem caixa.

Por que JSON-LD correto muda o que LLMs dizem sobre você

  • LLMs aprendem a descrever uma empresa principalmente por dados estruturados, não pelo corpo do texto. Organization JSON-LD com nome, setor e serviços é a forma mais direta de controlar como o ChatGPT descreve sua empresa.
  • L1 é ponto de convergência entre SEO e AEO. Mesmo schema melhora rich results no Google e citabilidade em LLMs.
  • potentialAction declara as ações executáveis da entidade. Sem ele, agente autônomo via Commerce Layer não sabe o que pode fazer.
  • Erros de L1 são penalizados ativamente. aggregateRating sem dados reais, FAQ com perguntas genéricas — Google aplica penalidades.

12 checks — do JSON-LD ao potentialAction

12 checks em L1 — JSON-LD presente, schema types corretos por página, potentialAction em páginas com ação, sem erros de sintaxe, sem campos fabricados. Parser jsonld.js (Digital Bazaar, spec-compliant).

Score típico sem AEO5–25
Após implementação70+

4 passos — 8 a 16 horas de implementação

  1. 01
    Mapeamos os page types do site — homepage, serviços, blog posts, case studies, contato, pricing. (~2h)
  2. 02
    Geramos templates via aeo generate + refinamos com dados reais. (~3h)
  3. 03
    Injetamos via CMS — HubSpot Custom HTML module ou Express middleware. (~4–8h)
  4. 04
    Validamos com Google Rich Results Test + aeo audit. (~1h)

Esforço total: 8–16 horas para cobertura completa de um site de 15–25 páginas.

RequestQuote conectando L1 ao Commerce Layer

Empresa de segurança digital B2B com mais de 50 páginas em HubSpot

L1 implementado com templates para quatro page types (Organization homepage, Service produto, Article blog, FAQPage suporte). potentialAction + RequestQuote conectou L1 ao Commerce Layer em desenvolvimento.

Perguntas frequentes sobre L1

Não necessariamente. O audit identifica o que está correto, o que está ausente e o que está errôneo. Schemas existentes são validados e expandidos — o potentialAction normalmente é o gap principal em sites que já têm JSON-LD básico.
JSON-LD fica no <head> ou em <script> tags e não mistura marcação com conteúdo — muito mais fácil de manter e atualizar via CMS. Microdata fica inline no HTML e é frágil. Google recomenda JSON-LD. AEO by EPIC usa exclusivamente JSON-LD.
Sim, com condições. As perguntas precisam ser reais (aparecem em buscas, no CRM, em calls de discovery) e as respostas precisam ser factuais e autocontidas. FAQ genérico ("Como posso ajudar você?") é penalizado. FAQ real ("Quanto tempo leva a implementação do AEO?") é citado por Perplexity.