--- title: "Schema.org EducationalOrganization: o guia técnico para universidades" description: "Implemente Schema.org EducationalOrganization no site da sua universidade. Código JSON-LD completo, propriedades essenciais e impacto medido: +12 pontos de visibilidade IA." url: "https://www.skolbot.ai/pt-BR/blog/schema-org-educational-organization-universidade" language: "pt" dateModified: "2026-03-19" --- # Schema.org EducationalOrganization: o guia técnico para universidades Atualizado em 19 de março de 2026 Implemente Schema.org EducationalOrganization no site da sua universidade. Código JSON-LD completo, propriedades essenciais e impacto medido: +12 pontos de visibilidade IA. ## Por 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](https://www.skolbot.ai/pt-BR/blog/geo-universidades-visibilidade-ia). 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`](https://schema.org/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 [DGES](https://www.dges.gov.pt/) - **`url`** — O URL canónico da sua página principal. Um único URL, o que faz autoridade - **`address`** (`PostalAddress`) — Morada completa com `streetAddress`, `addressLocality`, `postalCode`, `addressCountry`. Os motores de IA cruzam esta informação com o Google Maps e as bases institucionais - **`contactPoint`** (`ContactPoint`) — No mínimo um ponto de contacto com `telephone` e `email`. 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](https://www.aacsb.edu/), [EFMD/EQUIS](https://www.efmd.org/equis/), [A3ES](https://www.a3es.pt/)). Três fontes convergentes = sinal de confiança forte - **`hasOfferCatalog`** (`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 site - **`hasCourse`** (`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 oficial - **`alumni`** (`Person` ou `OrganizationRole`) — 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 geolocalizadas - **`foundingDate`** — O ano de fundação. Uma universidade fundada em 1290 (Universidade de Coimbra) envia um sinal de antiguidade e estabilidade - **`numberOfStudents`** — 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 IA - **`memberOf`** (`Organization`) — Pertença a associações, redes internacionais. Cada filiação é um voto de confiança adicional - **`logo`** (`ImageObject` ou 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: ```json { "@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 `@id` cria uma âncora única que permite referenciar esta entidade a partir de outros blocos JSON-LD (páginas `Course`, `FAQPage`) - Os `alternateName` cobrem os acrónimos que os candidatos digitam nos motores de IA - Os `sameAs` apontam para perfis verificáveis (LinkedIn, Wikipédia, Wikidata) que os motores de IA utilizam para cruzar informações - O `hasCredential` detalha os diplomas com o organismo de reconhecimento — um sinal que as IA cruzam com as bases oficiais - O `aggregateRating` só 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`](https://schema.org/Course). Eis um exemplo completo para um programa de Mestrado: ```json { "@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](https://www.skolbot.ai/pt-BR/blog/perguntas-candidatos-antes-inscricao). 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](https://www.skolbot.ai/pt-BR/blog/dados-estruturados-universidades-visibilidade-ia). ### 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 candidato - **`financialAidEligible`** — 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](https://validator.schema.org/) 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](https://search.google.com/test/rich-results) 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](https://www.merkle.com/) 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](https://www.skolbot.ai/pt-BR/blog/seo-vs-geo-universidades-estrategia-pesquisa). ## 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](https://www.efmd.org/equis/). 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. ## FAQ ### Deve-se utilizar EducationalOrganization ou CollegeOrUniversity? Ambos são subtipos de `Organization` no Schema.org. [`CollegeOrUniversity`](https://schema.org/CollegeOrUniversity) é um subtipo de `EducationalOrganization` destinado especificamente a universidades e colleges. Para uma escola superior portuguesa, `EducationalOrganization` é a escolha mais segura pois cobre todos os tipos de instituição. Se a sua instituição confere exclusivamente diplomas de nível universitário (Licenciatura, Mestrado, Doutoramento), `CollegeOrUniversity` é igualmente válido e mais preciso. Os motores de IA reconhecem ambos sem diferença de tratamento mensurável. ### Pode-se combinar EducationalOrganization e LocalBusiness? Sim, através do multi-tipagem JSON-LD: `"@type": ["EducationalOrganization", "LocalBusiness"]`. Esta combinação permite ao Google exibir a sua instituição nos resultados locais (Google Maps, pack local) ao mesmo tempo que a reconhece como estabelecimento de ensino. É particularmente pertinente para instituições de recrutamento regional. Certifique-se de incluir as propriedades obrigatórias de ambos os tipos: `address`, `openingHours`, `telephone` do lado LocalBusiness; `accreditation`, `hasCourse` do lado EducationalOrganization. ### Como gerir campus múltiplos no markup? Crie um `EducationalOrganization` principal (a sede) com um `@id` único, depois um `EducationalOrganization` secundário para cada campus com a sua própria morada e `@id`. Ligue-os através da propriedade `department` ou `subOrganization`. Cada `Course` referencia o campus onde é ministrado através da propriedade `location` em `hasCourseInstance`. Esta estrutura permite aos motores de IA recomendar o campus correto para a consulta geolocalizada adequada («MBA em Xangai» vs «MBA em Lisboa»). ### Qual é o prazo para ver o impacto do markup na visibilidade IA? Os resultados enriquecidos Google surgem em 1 a 3 semanas após a indexação. O impacto na visibilidade nas respostas IA (ChatGPT, Perplexity, Gemini) demora 2 a 6 semanas, o tempo que os motores reindexem as suas páginas através dos seus mecanismos RAG. O efeito é cumulativo e duradouro: cada trimestre de markup atualizado reforça o sinal de confiança. Os dados estruturados são a única alavanca GEO cujo efeito começa a manifestar-se em menos de um mês. --- O markup Schema.org `EducationalOrganization` não é um projeto técnico para relegar ao backlog. É o passaporte de entrada da sua universidade nas respostas IA. Os 18 % de instituições que já o implementaram captam uma vantagem de +12 pontos de visibilidade. Os 82 % restantes são invisíveis para uma parte crescente dos seus futuros estudantes. *Leia também: [GEO para universidades: como aparecer nas respostas IA](https://www.skolbot.ai/pt-BR/blog/geo-universidades-visibilidade-ia)*