Info e metodologia

Cos'è

Schema.org pubblica, in collaborazione con Google, un dataset pubblico sull'uso reale dei termini del vocabolario (tipi come Person o proprietà come price) su milioni di domini del web. Questa dashboard ne offre una lettura visuale, in stile osservatorio.

Come sono raccolti i dati

• Raccolta: le frequenze dei termini sono misurate dall'infrastruttura di crawling pubblico di Google e aggregate per dominio (non per pagina): usare un termine su 100 pagine dello stesso sito conta come un dominio.
• Raggruppamento: invece di numeri esatti (rumorosi), i siti sono raggruppati in fasce di popolarità per stabilità e privacy.
• Pubblicazione: un nuovo file viene pubblicato su GitHub ogni mese.

Le fasce di domini

Ogni termine è classificato in una di queste fasce, dal numero più basso al più alto di domini unici:

La fascia < 1K include sia termini nuovissimi sia termini molto specialistici (es. medici o governativi): non significa che siano ignorati.

Note importanti

• I dati non distinguono tra JSON-LD, Microdata o RDFa: sono conteggiati insieme.
• Le statistiche riflettono il web così come indicizzato da Google; nessun crawl copre l'intera rete.
• Il formato è aperto: altri crawler possono contribuire con le proprie statistiche nello stesso formato.

Scarica i dati

Scarica i dati grezzi dell'ultimo mese:

Questo progetto

SchemaStatsBot

Quando qualcuno usa il validatore, il nostro crawler scarica quella pagina per conto dell'utente. Rispetta robots.txt, non esplora il web in massa e può essere bloccato in qualsiasi momento.

Accesso per gli agenti AI

Gli stessi dati sono disponibili agli agenti AI come strumenti richiamabili, via WebMCP e un endpoint MCP pubblico. Sola lettura, senza chiave.

Fonti

• Annuncio del dataset (blog.schema.org)
• About Usage Statistics (schema.org)
• File dati su GitHub