Schema.org EducationalOrganization: la guía técnica para universidades

Por qué el marcado Schema.org EducationalOrganization cambia las reglas para las universidades

Los motores de IA no adivinan que un sitio web pertenece a una universidad. Leen código. Y en ese código buscan una señal precisa: el marcado Schema.org EducationalOrganization. Sin él, su centro es un bloque de texto entre miles de millones. Con él, es una entidad identificable que ChatGPT, Perplexity y Gemini pueden nombrar, comparar y recomendar.

Las escuelas que han implementado un marcado Schema.org completo obtienen en promedio +12 puntos de visibilidad GEO respecto a las que no lo tienen (Fuente: monitorización GEO Skolbot, 500 consultas x 6 países x 3 motores IA, feb. 2026). En un panel de 120 escuelas francesas, solo el 18 % dispone de un marcado que cubra como mínimo EducationalOrganization y Course. El 82 % restante deja una ventaja competitiva importante sobre la mesa.

No es un detalle técnico reservado a los desarrolladores. Es la palanca GEO más rentable en términos de ratio esfuerzo/resultado: una implementación única, un efecto duradero en cada motor de IA. Para situar esta palanca en la estrategia global de visibilidad IA, consulte nuestra guía GEO para universidades.

Las cifras de visibilidad GEO varían según los países: 23 % en ChatGPT en Francia, 14 % en Alemania, 29 % en los Estados Unidos (Fuente: monitorización GEO Skolbot, feb. 2026). El punto común en cada país: las escuelas con datos estructurados superan sistemáticamente a las que no los tienen.

EducationalOrganization: anatomía completa del esquema

El tipo EducationalOrganization es un subtipo de Organization en la jerarquía Schema.org. Hereda todas las propiedades de una organización clásica, pero añade campos específicos para la enseñanza: alumni, hasCredential, hasCourse y otras propiedades que los motores de IA explotan directamente.

Las propiedades requeridas: el mínimo vital

Sin estas propiedades, su marcado es inutilizable por los motores de IA. Son los campos que ChatGPT y Perplexity verifican en primer lugar al identificar una escuela:

• name — El nombre oficial completo de su escuela. No solo un acrónimo: «ESADE Business School», no «ESADE». El nombre debe coincidir exactamente con el que figura en sus acreditaciones
• url — La URL canónica de su página de inicio. Una sola URL, la que tiene autoridad
• address (PostalAddress) — Dirección completa con streetAddress, addressLocality, postalCode, addressCountry. Los motores de IA cruzan esta información con Google Maps y las bases institucionales
• contactPoint (ContactPoint) — Como mínimo un punto de contacto con telephone y email. El tipo de contacto (admissions, general) ayuda a las IA a dirigir a los candidatos al interlocutor adecuado

Las propiedades recomendadas: lo que le diferencia

Estas propiedades transforman un marcado funcional en un marcado competitivo. Cada una añade una capa de información que los motores de IA explotan para formular recomendaciones:

• accreditation — Lista de acreditaciones: AACSB, EQUIS, AMBA, COPAES. Cada acreditación es una entidad que el motor de IA puede cruzar con los sitios oficiales (AACSB, EFMD/EQUIS). Tres fuentes convergentes = señal de confianza fuerte
• hasOfferCatalog (OfferCatalog) — El catálogo de formaciones estructurado en categorías. Permite a los motores de IA saber que su escuela ofrece un MBA, un Grado, un MSc, sin recorrer la totalidad del sitio
• hasCourse (Course) — Enlace directo a cada programa con sus propiedades detalladas (ver sección siguiente)
• hasCredential (EducationalOccupationalCredential) — Los títulos expedidos con su nivel (Grado, Máster, Doctorado) y su reconocimiento (inscrito en el RVOE, verificado por COPAES)
• alumni (Person o OrganizationRole) — El número o la lista de antiguos alumnos notables. Los motores de IA utilizan este dato para evaluar la proyección

Las propiedades extendidas: la ventaja competitiva

Menos del 5 % de las escuelas incluyen estas propiedades. Constituyen un diferenciador potente:

• areaServed — Las zonas geográficas atendidas. Para una escuela internacional: ["México", "Europa", "Latinoamérica"]. Ayuda a los motores de IA a recomendar su escuela en consultas geolocalizadas
• foundingDate — El año de fundación. Una escuela fundada en 1845 envía una señal de antigüedad y estabilidad
• numberOfStudents — El número de estudiantes matriculados. Los motores de IA lo utilizan en comparaciones («las mayores escuelas de negocios en México»)
• award — Distinciones y rankings: «5.a escuela de negocios europea (Financial Times 2026)». Cada ranking mencionado aquí es verificable por el motor de IA
• memberOf (Organization) — Pertenencia a ANUIES, ANUIES, redes internacionales. Cada afiliación es un voto de confianza adicional
• logo (ImageObject o URL) — El logo oficial. Los motores de IA lo muestran cada vez más en sus respuestas enriquecidas

Código JSON-LD completo: ejemplo listo para copiar y pegar

Aquí tiene un marcado EducationalOrganization completo para una escuela de negocios ficticia. Cada propiedad corresponde a una señal explotada por los motores de IA:

{
  "@context": "https://schema.org",
  "@type": "EducationalOrganization",
  "@id": "https://www.esclyon-business.fr/#organization",
  "name": "ESC Lyon Business School",
  "alternateName": ["ESCLBS", "ESC Lyon"],
  "url": "https://www.esclyon-business.fr",
  "logo": {
    "@type": "ImageObject",
    "url": "https://www.esclyon-business.fr/images/logo-esclyon.png",
    "width": 600,
    "height": 200
  },
  "image": "https://www.esclyon-business.fr/images/campus-esclyon.jpg",
  "description": "Escuela de negocios fundada en 1898, acreditada AACSB y EQUIS, miembro de la Conférence des Grandes Écoles. 9 500 estudiantes, 45 nacionalidades, 200 universidades asociadas.",
  "foundingDate": "1898",
  "numberOfStudents": 9500,
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "23 avenue Guy de Collongue",
    "addressLocality": "Écully",
    "postalCode": "69130",
    "addressRegion": "Auvergne-Rhône-Alpes",
    "addressCountry": "FR"
  },
  "geo": {
    "@type": "GeoCoordinates",
    "latitude": 45.7837,
    "longitude": 4.7726
  },
  "contactPoint": [
    {
      "@type": "ContactPoint",
      "contactType": "admissions",
      "telephone": "+33-4-72-18-XX-XX",
      "email": "admissions@esclyon-business.fr",
      "availableLanguage": ["fr", "en"]
    },
    {
      "@type": "ContactPoint",
      "contactType": "customer service",
      "telephone": "+33-4-72-18-XX-XX",
      "email": "info@esclyon-business.fr"
    }
  ],
  "accreditation": ["AACSB", "EQUIS"],
  "hasCredential": [
    {
      "@type": "EducationalOccupationalCredential",
      "credentialCategory": "degree",
      "name": "Grade de Master CEFDG",
      "recognizedBy": {
        "@type": "Organization",
        "name": "Commission d'évaluation des formations et diplômes de gestion",
        "url": "https://www.cefdg.fr/"
      }
    },
    {
      "@type": "EducationalOccupationalCredential",
      "credentialCategory": "degree",
      "name": "Diplôme visé Bac+5 par le MESRi"
    }
  ],
  "memberOf": [
    {
      "@type": "Organization",
      "name": "Conférence des Grandes Écoles",
      "url": "https://www.cge.asso.fr/"
    },
    {
      "@type": "Organization",
      "name": "Study in Mexico",
      "url": "https://www.studyinmexico.mx/"
    }
  ],
  "award": [
    "12e école de commerce européenne — Financial Times 2026",
    "Top 100 Global MBA — QS World University Rankings 2026"
  ],
  "areaServed": ["France", "Europe", "Afrique francophone"],
  "sameAs": [
    "https://www.linkedin.com/school/esclyon-business/",
    "https://fr.wikipedia.org/wiki/ESC_Lyon_Business_School",
    "https://www.wikidata.org/wiki/QXXXXXXX"
  ],
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.3",
    "bestRating": "5",
    "ratingCount": "1247",
    "reviewCount": "892"
  }
}

Puntos clave de este ejemplo:

• El @id crea un ancla única que permite referenciar esta entidad desde otros bloques JSON-LD (páginas Course, FAQPage)
• Los alternateName cubren los acrónimos que los candidatos escriben en los motores de IA
• Los sameAs apuntan a perfiles verificables (LinkedIn, Wikipedia, Wikidata) que los motores de IA utilizan para cruzar la información
• El hasCredential detalla los títulos con el organismo de reconocimiento — una señal que las IA cruzan con las bases oficiales
• El aggregateRating solo debe incluirse si las notas son reales y verificables (reseñas Google Business, Happy At School). Una nota artificialmente inflada será detectada y penalizada

Imbricar el esquema Course: cada programa se convierte en una entidad

El marcado EducationalOrganization sin Course es como un catálogo sin fichas de producto. Los motores de IA formulan recomendaciones a escala de programa, no de escuela: «mejor MBA dual en Madrid», «Grado en marketing digital acreditado». Cada página de programa debe tener su propio marcado Course.

Aquí tiene un ejemplo completo para un programa Master Grande École:

{
  "@context": "https://schema.org",
  "@type": "Course",
  "name": "Programme Grande École — Master in Management",
  "courseCode": "PGE-MIM",
  "description": "Programa de 3 años post-prépa o admisión por expediente, Grade de Master CEFDG, doble titulación posible con 12 universidades asociadas. 94 % de tasa de empleo a 6 meses (encuesta CGE 2025).",
  "url": "https://www.esclyon-business.fr/programmes/master-grande-ecole",
  "provider": {
    "@type": "EducationalOrganization",
    "@id": "https://www.esclyon-business.fr/#organization"
  },
  "educationalLevel": "Master",
  "educationalCredentialAwarded": {
    "@type": "EducationalOccupationalCredential",
    "credentialCategory": "degree",
    "name": "Grade de Master",
    "recognizedBy": {
      "@type": "Organization",
      "name": "CEFDG"
    }
  },
  "inLanguage": ["fr", "en"],
  "timeRequired": "P3Y",
  "numberOfCredits": 120,
  "occupationalCategory": ["Management", "Finance", "Marketing", "Estrategia"],
  "hasCourseInstance": [
    {
      "@type": "CourseInstance",
      "courseMode": "onsite",
      "courseWorkload": "PT40H",
      "startDate": "2026-09-01",
      "endDate": "2029-06-30",
      "location": {
        "@type": "Place",
        "name": "Campus Écully",
        "address": {
          "@type": "PostalAddress",
          "addressLocality": "Écully",
          "addressCountry": "FR"
        }
      }
    },
    {
      "@type": "CourseInstance",
      "courseMode": "blended",
      "courseWorkload": "PT35H",
      "startDate": "2026-09-01",
      "instructor": {
        "@type": "Person",
        "name": "Dirección del programa dual"
      }
    }
  ],
  "offers": {
    "@type": "Offer",
    "price": "14500",
    "priceCurrency": "MXN",
    "description": "Tasas de matrícula anuales — formación presencial. Formación dual: tasas cubiertas por la empresa.",
    "availability": "https://schema.org/InStock",
    "validFrom": "2026-01-15",
    "validThrough": "2026-07-31"
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.5",
    "bestRating": "5",
    "ratingCount": "384"
  }
}

La inclusión del precio es un diferenciador importante. En 120 escuelas analizadas, solo el 7 % incluye las tasas de matrícula en sus datos estructurados (Fuente: auditoría técnica Skolbot, ene. 2026). Y es la primera información buscada por el 89 % de los candidatos. Un motor de IA que dispone del precio en el marcado puede formular una respuesta completa sin obligar al candidato a hacer clic.

El provider utiliza el @id definido en el bloque EducationalOrganization. Este enlace explícito permite a los motores de IA vincular cada programa a su escuela sin ambigüedad. Para saber más sobre el conjunto de esquemas útiles para una escuela (FAQPage, AggregateRating, etc.), consulte nuestra guía de datos estructurados para universidades.

Propiedades Course específicas a explotar

Algunas propiedades a menudo olvidadas que refuerzan la recomendación IA:

• teaches — Las competencias enseñadas: «negociación internacional», «data analytics», «liderazgo estratégico». Apunta a consultas por competencia («formación en data analytics en Madrid»)
• coursePrerequisites — Los requisitos de admisión. Ayuda a los motores de IA a filtrar las recomendaciones según el perfil del candidato
• financialAidEligible — Elegibilidad para becas y ayudas. Señal fuerte para consultas que incluyen «beca» o «financiación»
• occupationalCredentialAwarded — El título oficial obtenido, con su número de registro. Verificable en el Registro de Universidades, Centros y Títulos (RVOE)

Probar y validar su marcado

Un marcado JSON-LD sintácticamente correcto pero semánticamente incoherente es peor que un marcado ausente: envía a los motores de IA información contradictoria que erosiona la confianza.

Paso 1: validación sintáctica

El Schema Markup Validator verifica que su JSON-LD es sintácticamente correcto y que los tipos y propiedades existen en la jerarquía Schema.org. Pruebe cada página que contenga marcado.

Paso 2: test de resultados enriquecidos Google

El Rich Results Test de Google verifica no solo la sintaxis, sino también la compatibilidad con los resultados enriquecidos de Google. Señala los campos faltantes que impiden la visualización en rich snippet.

Paso 3: verificación de coherencia

La validación más crítica no es técnica — es editorial. Verifique que:

• El precio en el marcado coincide con el precio mostrado en la página (sin cloaking estructurado)
• El número de estudiantes está actualizado (no el de hace 3 años)
• Las acreditaciones listadas siguen vigentes (una acreditación caducada en el marcado destruye la confianza)
• Las fechas de inicio de curso corresponden al año en curso

Paso 4: monitorización continua

Programe una auditoría trimestral en Google Search Console (pestaña «Mejoras»). Los errores de marcado suelen aparecer tras un rediseño parcial del sitio o una actualización del CMS.

Medir el impacto: antes y después de la implementación

Los resultados del marcado Schema.org son medibles de forma concreta. En un panel de 15 escuelas que desplegaron un marcado completo entre octubre de 2025 y enero de 2026, se documentaron los siguientes resultados:

El paso del 14 % al 26 % de visibilidad GEO significa que su escuela pasa de una mención en una respuesta IA de cada siete a una mención en una de cada cuatro. Sobre un volumen de 10 000 consultas mensuales relacionadas con la educación superior en México, es la diferencia entre 1 400 y 2 600 menciones potenciales.

Estas cifras convergen con las observaciones de Merkle/Dentsu que reportan un CTR entre un 20 y un 40 % superior para las páginas con datos estructurados en los resultados clásicos de Google. Para entender cómo esta ganancia de visibilidad se integra en la estrategia más amplia SEO + GEO, consulte nuestro análisis SEO vs GEO para universidades.

Los 5 errores de implementación más frecuentes

Error 1: marcado únicamente en la página de inicio

El 85 % de las escuelas que tienen marcado solo lo tienen en la página de inicio (Fuente: auditoría Skolbot, 120 escuelas). Los motores de IA recomiendan programas, no escuelas enteras. La consulta «mejor MBA dual en Madrid» busca un Course, no un EducationalOrganization. Cada página de programa debe tener su propio bloque JSON-LD.

Error 2: acreditaciones caducadas o incorrectas

Declarar «EQUIS» en su marcado cuando su acreditación expiró el año pasado es peor que no declarar nada. Los motores de IA cruzan esta información con el sitio EFMD. Una incoherencia detectada = pérdida de confianza global en todo el marcado.

Error 3: ausencia de enlace entre Organization y Course

Sin @id en su EducationalOrganization y sin provider con el mismo @id en sus Course, los motores de IA no pueden vincular sus programas a su escuela. Es como tener un catálogo de productos sin marca — las IA no saben a quién atribuir los programas.

Error 4: datos obsoletos (la trampa de las tasas de 2024 en 2026)

El 31 % de las escuelas que han implementado Schema.org no han actualizado su marcado en más de 12 meses (Fuente: auditoría Skolbot, ene. 2026). Un marcado que muestra «tasas de matrícula: 12 800 MXN» cuando la página indica 14 500 MXN constituye un cloaking estructurado que Google puede sancionar. Las tasas, fechas de inicio de curso y cifras de alumnado deben estar sincronizadas con el contenido visible.

Error 5: esquema demasiado minimalista

Un EducationalOrganization con solo name y url es prácticamente inútil. El motor de IA no puede hacer nada con ello. El mínimo explotable comprende: name, url, address, accreditation, contactPoint y al menos un hasCourse. Por debajo de este umbral, el marcado no produce ningún efecto medible en la visibilidad GEO.

FAQ

¿Hay que usar EducationalOrganization o CollegeOrUniversity?

Ambos son subtipos de Organization en Schema.org. CollegeOrUniversity es un subtipo de EducationalOrganization destinado específicamente a universidades y colleges. Para una escuela de negocios o escuela superior, EducationalOrganization es la opción más segura porque cubre todos los tipos de centros. Si su escuela expide exclusivamente títulos de nivel universitario (Grado, Máster, Doctorado), CollegeOrUniversity es igualmente válido y más preciso. Los motores de IA reconocen ambos sin diferencia de tratamiento medible.

¿Se puede combinar EducationalOrganization y LocalBusiness?

Sí, mediante el multi-tipado JSON-LD: "@type": ["EducationalOrganization", "LocalBusiness"]. Esta combinación permite a Google mostrar su escuela en los resultados locales (Google Maps, pack local) al tiempo que la reconoce como un centro de enseñanza. Es particularmente pertinente para las escuelas con captación regional. Asegúrese de incluir las propiedades requeridas de ambos tipos: address, openingHours, telephone por el lado LocalBusiness; accreditation, hasCourse por el lado EducationalOrganization.

¿Cómo gestionar los campus múltiples en el marcado?

Cree un EducationalOrganization principal (la sede) con un @id único, luego un EducationalOrganization secundario para cada campus con su propia dirección y su propio @id. Vincúlelos mediante la propiedad department o subOrganization. Cada Course referencia el campus donde se imparte a través de la propiedad location en hasCourseInstance. Esta estructura permite a los motores de IA recomendar el campus adecuado para la consulta geolocalizada correcta («MBA en Shanghái» vs «MBA en Madrid»).

¿Cuál es el plazo para ver el impacto del marcado en la visibilidad IA?

Los resultados enriquecidos de Google aparecen en 1 a 3 semanas tras la indexación. El impacto en la visibilidad en las respuestas IA (ChatGPT, Perplexity, Gemini) tarda entre 2 y 6 semanas, el tiempo que los motores reindexan sus páginas mediante sus mecanismos RAG. El efecto es acumulativo y duradero: cada trimestre de marcado actualizado refuerza la señal de confianza. Los datos estructurados son la única palanca GEO cuyo efecto empieza a manifestarse en menos de un mes.

El marcado Schema.org EducationalOrganization no es un proyecto técnico para relegar al backlog. Es el pasaporte de entrada de su escuela en las respuestas IA. El 18 % de las escuelas que ya lo han implementado captan una ventaja de +12 puntos de visibilidad. El 82 % restante son invisibles para una proporción creciente de sus futuros estudiantes.

Lea también: GEO para universidades: cómo aparecer en las respuestas IA