Cos'è JSON-LD?

JSON-LD è un formato di serializzazione basato su JSON per rappresentare Linked Data, dati collegati secondo il modello RDF, standardizzato dal W3C come Recommendation. La differenza rispetto a un normale documento JSON sta in tre chiavi: @context, che associa i nomi brevi delle proprietà a vocabolari pubblici identificati da URI (tipicamente schema.org); @id, che dichiara che un valore è un riferimento a una risorsa e non un semplice testo; e @type, che classifica un'entità con un termine del vocabolario, ad esempio "Product" o "FAQPage". Il vantaggio più concreto è che il file resta JSON puro: qualunque parser o pipeline già in uso continua a funzionare, mentre il significato aggiuntivo vive dentro @context. È uno standard W3C (JSON-LD 1.1) e non una convenzione informale, il che spiega perché motori di ricerca e strumenti di analisi lo interpretano nativamente. Esistono anche formati collegati come YAML-LD, per la modifica manuale, e CBOR-LD, formato binario compresso per canali a banda limitata.

Il caso d'uso che tutti conoscono: i dati strutturati per la ricerca

Il caso d'uso più concreto per un'azienda è lo structured data markup di schema.org: un negozio online che pubblica JSON-LD di tipo "Product" con prezzo e disponibilità, un articolo che marca le sue domande frequenti come "FAQPage", un evento che dichiara data e luogo come "Event". I motori di ricerca leggono questo blocco e lo usano per generare i rich result, i risultati con stelline, prezzo o accordion visibili direttamente in pagina. Lo stesso meccanismo vale per gli assistenti AI e le AI Overview: un fatto marcato con @type e @id chiari è molto più facile da estrarre e citare correttamente rispetto allo stesso fatto sepolto in HTML non semantico, dove il sistema deve indovinare cosa significhi ogni numero o etichetta.

Cosa NON è JSON-LD

JSON-LD non è un'ontologia: l'ontologia definisce formalmente i concetti, le relazioni e le regole di un dominio, mentre JSON-LD è solo la sintassi con cui quei concetti vengono scritti in un documento, spesso richiamando un'ontologia leggera come schema.org dentro @context. Non è nemmeno un knowledge graph: il knowledge graph è la rete di entità e relazioni che un'organizzazione costruisce e interroga, JSON-LD è uno dei formati con cui quei dati collegati possono essere pubblicati o scambiati, non la struttura stessa. E non risolve l'entity resolution: l'@id assegna un identificatore stabile a un'entità, il che aiuta a riconoscerla in sistemi diversi, ma il problema di far coincidere record che si riferiscono alla stessa entità reale resta una disciplina separata. Chi cerca l'estensione RDF che annota una singola tripla con provenienza o confidenza deve guardare a RDF-star, e per questo esiste anche una variante JSON-LD-star, ma è un dettaglio a margine rispetto a JSON-LD stesso.

Un esempio enterprise

Un'azienda che vende prodotti, organizza eventi o pubblica una pagina di domande frequenti può marcare ciascuno di questi contenuti con JSON-LD invece di lasciare che un motore di ricerca o un assistente AI debbano interpretare l'HTML non strutturato per dedurre prezzo, data o risposta. Il risultato è che quei fatti diventano estraibili e citabili direttamente, riducendo il rischio che un sistema esterno riporti un'informazione sbagliata perché l'ha ricostruita per congettura.

Perché conta per chi decide

I dati strutturati sono una delle poche leve concrete e a basso costo per la visibilità nella ricerca generativa: un modello che genera una risposta o un'AI Overview può estrarre e citare un fatto marcato con JSON-LD molto più affidabilmente di quanto possa fare leggendo testo libero. Per un'organizzazione che vuole essere citata dagli assistenti AI oltre che indicizzata dai motori tradizionali, marcare i contenuti chiave con JSON-LD è un investimento tecnico minimo con un ritorno diretto sulla propria presenza digitale.