ChatGPT
Claude
Perplexity
Gemini
GrokPor que razão o Schema.org EducationalOrganization muda o jogo para as universidades
Os motores de IA não adivinham que um site web pertence a uma universidade. Leem código. E nesse código, procuram um sinal preciso: o markup Schema.org EducationalOrganization. Sem ele, a sua instituição é um bloco de texto entre milhares de milhões. Com ele, é uma entidade identificável que o ChatGPT, o Perplexity e o Gemini podem nomear, comparar e recomendar.
As universidades que implementaram um markup Schema.org completo obtêm em média +12 pontos de visibilidade GEO face às que não o fizeram (Fonte: monitorização GEO Skolbot, 500 consultas x 6 países x 3 motores IA, fev. 2026). Num painel de 120 instituições, apenas 18 % dispõem de um markup que cubra no mínimo EducationalOrganization e Course. Os 82 % restantes deixam uma vantagem competitiva significativa por explorar.
Isto não é um detalhe técnico reservado aos programadores. É a alavanca GEO mais rentável em termos de relação esforço/resultado: uma implementação única, um efeito duradouro em cada motor de IA. Para situar esta alavanca na estratégia global de visibilidade IA, consulte o nosso guia GEO para universidades.
Os números de visibilidade GEO variam conforme os países: 23 % no ChatGPT em França, 14 % na Alemanha, 29 % no Reino Unido (Fonte: monitorização GEO Skolbot, fev. 2026). O ponto comum em cada país: as instituições com dados estruturados superam sistematicamente as que não os possuem.
EducationalOrganization: anatomia completa do schema
O tipo EducationalOrganization é um subtipo de Organization na hierarquia Schema.org. Herda todas as propriedades de uma organização clássica, mas adiciona campos específicos do ensino: alumni, hasCredential, hasCourse, e outras propriedades que os motores de IA exploram diretamente.
As propriedades obrigatórias: o mínimo vital
Sem estas propriedades, o seu markup é inutilizável pelos motores de IA. São os campos que o ChatGPT e o Perplexity verificam prioritariamente ao identificar uma universidade:
name— O nome oficial completo da sua instituição. Não um acrónimo isolado: «NOVA School of Business and Economics», não «NOVA SBE». O nome deve corresponder exatamente ao que figura nas acreditações e no DGESurl— O URL canónico da sua página principal. Um único URL, o que faz autoridadeaddress(PostalAddress) — Morada completa comstreetAddress,addressLocality,postalCode,addressCountry. Os motores de IA cruzam esta informação com o Google Maps e as bases institucionaiscontactPoint(ContactPoint) — No mínimo um ponto de contacto comtelephoneeemail. O tipo de contacto (admissions,general) ajuda as IA a direcionar os candidatos para o interlocutor adequado
As propriedades recomendadas: o que o distingue
Estas propriedades transformam um markup funcional num markup competitivo. Cada uma acrescenta uma camada de informação que os motores de IA exploram para formular recomendações:
accreditation— Lista das acreditações: AACSB, EQUIS, AMBA, A3ES. Cada acreditação é uma entidade que o motor de IA pode cruzar com os sites oficiais (AACSB, EFMD/EQUIS, A3ES). Três fontes convergentes = sinal de confiança fortehasOfferCatalog(OfferCatalog) — O catálogo de formações estruturado por categorias. Permite aos motores de IA saber que a sua instituição oferece um MBA, um Bacharelato, um MSc, sem percorrer todo o sitehasCourse(Course) — Ligação direta a cada programa com as suas propriedades detalhadas (ver secção seguinte)hasCredential(EducationalOccupationalCredential) — Os diplomas conferidos com o respetivo nível (Licenciatura, Mestrado, Doutoramento) e reconhecimento oficialalumni(PersonouOrganizationRole) — O número ou lista de antigos alunos notáveis. Os motores de IA utilizam este dado para avaliar a projeção
As propriedades alargadas: a vantagem competitiva
Menos de 5 % das instituições incluem estas propriedades. Constituem um diferenciador poderoso:
areaServed— As zonas geográficas servidas. Para uma universidade internacional:["Portugal", "Europa", "CPLP"]. Ajuda os motores de IA a recomendar a sua instituição em consultas geolocalizadasfoundingDate— O ano de fundação. Uma universidade fundada em 1290 (Universidade de Coimbra) envia um sinal de antiguidade e estabilidadenumberOfStudents— O número de estudantes matriculados. Os motores de IA utilizam-no nas comparações («as maiores universidades de Portugal»)award— Distinções e rankings: «5.ª universidade europeia de gestão (Financial Times 2026)». Cada ranking mencionado aqui é verificável pelo motor de IAmemberOf(Organization) — Pertença a associações, redes internacionais. Cada filiação é um voto de confiança adicionallogo(ImageObjectou URL) — O logótipo oficial. Os motores de IA exibem-no cada vez mais nas suas respostas enriquecidas
Código JSON-LD completo: exemplo pronto a copiar-colar
Eis um markup EducationalOrganization completo para uma escola de gestão portuguesa fictícia. Cada propriedade corresponde a um sinal explorado pelos motores de IA:
{
"@context": "https://schema.org",
"@type": "EducationalOrganization",
"@id": "https://www.esglisboa-business.pt/#organization",
"name": "ESG Lisboa Business School",
"alternateName": ["ESGLBS", "ESG Lisboa"],
"url": "https://www.esglisboa-business.pt",
"logo": {
"@type": "ImageObject",
"url": "https://www.esglisboa-business.pt/images/logo-esglisboa.png",
"width": 600,
"height": 200
},
"image": "https://www.esglisboa-business.pt/images/campus-esglisboa.jpg",
"description": "Escola superior de gestão fundada em 1972, acreditada AACSB e EQUIS. 9 500 estudantes, 45 nacionalidades, 200 universidades parceiras.",
"foundingDate": "1972",
"numberOfStudents": 9500,
"address": {
"@type": "PostalAddress",
"streetAddress": "Rua do Exemplo, 23",
"addressLocality": "Lisboa",
"postalCode": "1200-001",
"addressRegion": "Lisboa",
"addressCountry": "PT"
},
"geo": {
"@type": "GeoCoordinates",
"latitude": 38.7223,
"longitude": -9.1393
},
"contactPoint": [
{
"@type": "ContactPoint",
"contactType": "admissions",
"telephone": "+351-21-XXX-XX-XX",
"email": "admissoes@esglisboa-business.pt",
"availableLanguage": ["pt", "en"]
},
{
"@type": "ContactPoint",
"contactType": "customer service",
"telephone": "+351-21-XXX-XX-XX",
"email": "info@esglisboa-business.pt"
}
],
"accreditation": ["AACSB", "EQUIS"],
"hasCredential": [
{
"@type": "EducationalOccupationalCredential",
"credentialCategory": "degree",
"name": "Grau de Mestre",
"recognizedBy": {
"@type": "Organization",
"name": "Agência de Avaliação e Acreditação do Ensino Superior",
"url": "https://www.a3es.pt/"
}
},
{
"@type": "EducationalOccupationalCredential",
"credentialCategory": "degree",
"name": "Diploma reconhecido pelo DGES"
}
],
"memberOf": [
{
"@type": "Organization",
"name": "CRUP — Conselho de Reitores das Universidades Portuguesas",
"url": "https://www.crup.pt/"
},
{
"@type": "Organization",
"name": "Study in Brazil",
"url": "https://www.studyinbrazil.com.br/"
}
],
"award": [
"12.ª escola de gestão europeia — Financial Times 2026",
"Top 100 Global MBA — QS World University Rankings 2026"
],
"areaServed": ["Portugal", "Europa", "CPLP"],
"sameAs": [
"https://www.linkedin.com/school/esglisboa-business/",
"https://pt.wikipedia.org/wiki/ESG_Lisboa_Business_School",
"https://www.wikidata.org/wiki/QXXXXXXX"
],
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.3",
"bestRating": "5",
"ratingCount": "1247",
"reviewCount": "892"
}
}
Pontos-chave deste exemplo:
- O
@idcria uma âncora única que permite referenciar esta entidade a partir de outros blocos JSON-LD (páginasCourse,FAQPage) - Os
alternateNamecobrem os acrónimos que os candidatos digitam nos motores de IA - Os
sameAsapontam para perfis verificáveis (LinkedIn, Wikipédia, Wikidata) que os motores de IA utilizam para cruzar informações - O
hasCredentialdetalha os diplomas com o organismo de reconhecimento — um sinal que as IA cruzam com as bases oficiais - O
aggregateRatingsó deve ser incluído se as notas forem reais e verificáveis (avaliações Google Business, Happy At School). Uma nota artificialmente inflacionada será detetada e penalizada
Imbricar o schema Course: cada programa torna-se uma entidade
O markup EducationalOrganization sem Course é como um catálogo sem fichas de produto. Os motores de IA formulam recomendações à escala do programa, não da instituição: «melhor MBA com estágio em Lisboa», «Bacharelato em marketing digital acreditado». Cada página de programa deve ter o seu próprio markup Course.
Eis um exemplo completo para um programa de Mestrado:
{
"@context": "https://schema.org",
"@type": "Course",
"name": "Programa Grande École — Master in Management",
"courseCode": "PGE-MIM",
"description": "Programa de 2 anos, Grau de Mestre reconhecido pela A3ES, duplo diploma possível com 12 universidades parceiras. 94 % de taxa de emprego aos 6 meses.",
"url": "https://www.esglisboa-business.pt/programas/master-grande-ecole",
"provider": {
"@type": "EducationalOrganization",
"@id": "https://www.esglisboa-business.pt/#organization"
},
"educationalLevel": "Master",
"educationalCredentialAwarded": {
"@type": "EducationalOccupationalCredential",
"credentialCategory": "degree",
"name": "Grau de Mestre",
"recognizedBy": {
"@type": "Organization",
"name": "A3ES"
}
},
"inLanguage": ["pt", "en"],
"timeRequired": "P2Y",
"numberOfCredits": 120,
"occupationalCategory": ["Gestão", "Finanças", "Marketing", "Estratégia"],
"hasCourseInstance": [
{
"@type": "CourseInstance",
"courseMode": "onsite",
"courseWorkload": "PT40H",
"startDate": "2026-09-01",
"endDate": "2028-06-30",
"location": {
"@type": "Place",
"name": "Campus Lisboa",
"address": {
"@type": "PostalAddress",
"addressLocality": "Lisboa",
"addressCountry": "PT"
}
}
},
{
"@type": "CourseInstance",
"courseMode": "blended",
"courseWorkload": "PT35H",
"startDate": "2026-09-01",
"instructor": {
"@type": "Person",
"name": "Direção do programa de estágio"
}
}
],
"offers": {
"@type": "Offer",
"price": "14500",
"priceCurrency": "BRL",
"description": "Propinas anuais — formação inicial. Estágio profissional: propinas suportadas pela empresa.",
"availability": "https://schema.org/InStock",
"validFrom": "2026-01-15",
"validThrough": "2026-07-31"
},
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.5",
"bestRating": "5",
"ratingCount": "384"
}
}
A inclusão do preço é um diferenciador importante. Em 120 instituições analisadas, apenas 7 % incluem as propinas nos dados estruturados (Fonte: auditoria técnica Skolbot, jan. 2026). No entanto, é a primeira informação procurada por 89 % dos candidatos. Um motor de IA que dispõe do preço no markup pode formular uma resposta completa sem obrigar o candidato a clicar.
O provider utiliza o @id definido no bloco EducationalOrganization. Esta ligação explícita permite aos motores de IA associar cada programa à sua instituição sem ambiguidade. Para saber mais sobre o conjunto dos schemas úteis a uma universidade (FAQPage, AggregateRating, etc.), consulte o nosso guia de dados estruturados para universidades.
Propriedades Course específicas a explorar
Algumas propriedades frequentemente esquecidas que reforçam a recomendação IA:
teaches— As competências ensinadas: «negociação internacional», «data analytics», «liderança estratégica». Visa as consultas por competência («formação em data analytics em Lisboa»)coursePrerequisites— Os pré-requisitos de admissão. Ajuda os motores de IA a filtrar as recomendações conforme o perfil do candidatofinancialAidEligible— Elegibilidade para bolsas e apoios. Sinal forte para consultas que incluem «bolsa» ou «financiamento»occupationalCredentialAwarded— O título profissional obtido. Verificável nos registos oficiais
Testar e validar o seu markup
Um markup JSON-LD sintaticamente correto mas semanticamente incoerente é pior do que nenhum markup: envia aos motores de IA informações contraditórias que corroem a confiança.
Etapa 1: validação sintática
O Schema Markup Validator verifica que o seu JSON-LD é sintaticamente correto e que os tipos e propriedades existem na hierarquia Schema.org. Teste cada página que contém markup.
Etapa 2: teste de resultados enriquecidos Google
O Rich Results Test do Google verifica não apenas a sintaxe, mas também a compatibilidade com os resultados enriquecidos Google. Assinala os campos em falta que impedem a exibição em rich snippet.
Etapa 3: verificação de coerência
A validação mais crítica não é técnica — é editorial. Verifique que:
- O preço no markup corresponde ao preço exibido na página (sem cloaking estruturado)
- O número de estudantes está atualizado (não o de há 3 anos)
- As acreditações listadas ainda estão ativas (uma acreditação expirada no markup destrói a confiança)
- As datas de início correspondem ao ano em curso
Etapa 4: monitorização contínua
Programe uma auditoria trimestral na Google Search Console (separador «Melhorias»). Os erros de markup surgem frequentemente após uma remodelação parcial do site ou uma atualização do CMS.
Medir o impacto: antes e depois da implementação
Os resultados do markup Schema.org são mensuráveis concretamente. Num painel de 15 instituições que implementaram um markup completo entre outubro de 2025 e janeiro de 2026, os seguintes resultados foram documentados:
| Métrica | Antes | Depois | Variação |
|---|---|---|---|
| Visibilidade GEO média | 14 % | 26 % | +12 pontos |
| CTR orgânico Google | 3,2 % | 4,3 % | +34 % |
| Citações em respostas FAQ IA | 1x (referência) | 2,4x | +140 % |
| Rich snippets Google | 0 | 3 a 7 por instituição | — |
| Tempo médio de indexação IA | — | 2-4 semanas | — |
A passagem de 14 % para 26 % de visibilidade GEO significa que a sua instituição passa de uma menção numa resposta IA em cada sete para uma menção em cada quatro. Num volume de 10 000 consultas mensais relacionadas com o ensino superior, é a diferença entre 1 400 e 2 600 menções potenciais.
Estes números convergem com as observações da Merkle/Dentsu que reportam um CTR superior em 20 a 40 % para páginas com dados estruturados nos resultados Google clássicos. Para compreender como este ganho de visibilidade se inscreve na estratégia mais ampla SEO + GEO, consulte a nossa análise SEO vs GEO para universidades.
Os 5 erros de implementação mais frequentes
Erro 1: markup apenas na página principal
85 % das instituições com markup apenas o têm na página principal (Fonte: auditoria Skolbot, 120 instituições). Os motores de IA recomendam programas, não instituições inteiras. A consulta «melhor MBA com estágio em Lisboa» procura um Course, não um EducationalOrganization. Cada página de programa deve ter o seu próprio bloco JSON-LD.
Erro 2: acreditações expiradas ou incorretas
Declarar «EQUIS» no seu markup quando a acreditação expirou no ano passado é pior do que não declarar nada. Os motores de IA cruzam esta informação com o site da EFMD. Uma incoerência detetada = perda de confiança global em todo o markup.
Erro 3: ausência de ligação entre Organization e Course
Sem @id no seu EducationalOrganization e sem provider com o mesmo @id nos seus Course, os motores de IA não conseguem associar os seus programas à sua instituição. É como ter um catálogo de produtos sem marca — as IA não sabem a quem atribuir os programas.
Erro 4: dados obsoletos (a armadilha das propinas de 2024 em 2026)
31 % das instituições que implementaram Schema.org não atualizaram o markup há mais de 12 meses (Fonte: auditoria Skolbot, jan. 2026). Um markup que indica «propinas: 12 800 BRL» enquanto a página mostra 14 500 BRL constitui um cloaking estruturado que o Google pode sancionar. As propinas, datas de início e efetivos devem estar sincronizados com o conteúdo visível.
Erro 5: schema demasiado minimalista
Um EducationalOrganization com apenas name e url é praticamente inútil. O motor de IA nada pode fazer com isso. O mínimo explorável compreende: name, url, address, accreditation, contactPoint e pelo menos um hasCourse. Abaixo deste limiar, o markup não produz qualquer efeito mensurável na visibilidade GEO.
