A Google Knowledge Graph a Google entitás-adatbázisa: valós dolgokat (cégeket, embereket, helyeket, termékeket, fogalmakat) tárol azonosítóval, tulajdonságokkal és kapcsolatokkal, nem pusztán kulcsszavakként. Ha a márkád szerepel benne, a Google nem karakterláncként kezeli a neved, hanem konkrét, azonosítható entitásként.
Hogyan működik
Minden entitás kap egy belső azonosítót (kg:/g/... vagy /m/... formában). Ehhez kötődnek a tulajdonságok: név, típus, leírás, hivatalos webhely, kapcsolódó entitások. A Google ezeket több forrásból építi: strukturált adatokból, Wikidata- és Wikipedia-tételekből, hivatalos profilokból, cégadatbázisokból és a weben található következetes említésekből.
A döntő szó itt a következetesség. Ha az oldaladon, a Facebookon, a LinkedInen és a cégadatbázisban ugyanaz a név, ugyanaz a cím és ugyanaz a domain szerepel, az egyezések megerősítik egymást. Ha három helyen háromféle névváltozat van, a rendszer nem tudja összekötni őket.
Miért más ez a generatív keresőknek
A nyelvi modellek és a generatív keresők hasonló entitás-logikát használnak. Amikor egy AI megválaszolja, hogy "ki ez a cég", a tréning-adatokban és a keresési forrásokban lévő entitás-leírásokból dolgozik. A Wikidata és a Wikipedia felülreprezentált ezekben a forrásokban, mert struktúrált és könnyen feldolgozható.
A gyakorlatban ez azt jelenti: aki entitásként létezik, azt idézik. Aki csak egy név a saját honlapján, arról az AI kitalál valamit, vagy összekeveri egy hasonló nevű céggel. A riportokban ezt rendszeresen látjuk kis- és közepes vállalkozásoknál.
Mikor számít igazán
Generikus vagy köznévi márkanévnél a legélesebb a helyzet. Egy "Napfény Kft." vagy egy "Horizont Stúdió" nevű cég több tucat névrokonnal osztozik. Ilyenkor az @id alapú horgonyzás és a sameAs hivatkozások nélkül gyakorlatilag esélytelen a helyes azonosítás.
Röviden: a Knowledge Graph dönti el, hogy a Google és az AI a te cégedre gondol-e, amikor kimondja a neved.
Miért fontos
SEO-oldalról
Az entitás-felismerés a márkás keresések minőségét dönti el. Ha a Google azonosítja a céget, könnyebben ad brand-panelt, jobban kezeli a márkanévre érkező kereséseket, és megbízhatóbban kapcsolja hozzád a webes említéseket. Ez a E-E-A-T jelzésrendszer gépi oldala.
AI-értelmezhetőség
A nyelvi modellek entitás-szinten tárolják a tudást. Ha nem vagy entitás, két rossz forgatókönyv marad:
- az AI nem tud rólad semmit, és általánosságokat mond,
- az AI összekever egy névrokonnal, és téves adatokat állít rólad.
A második a veszélyesebb. Rossz telefonszám, rossz székhely, rossz szolgáltatás-lista kerül a válaszba, és ezt a felhasználó a te információdnak hiszi. Ez klasszikus hallucináció, amit az azonosítás hiánya váltott ki.
Üzleti következmény
A márkaemlítések értéke akkor realizálódik, ha a rendszer hozzád köti őket. Egy PR-cikk, egy podcast-szereplés vagy egy szakmai említés csak akkor erősíti a márkát, ha a gép ugyanarra az entitásra vonatkoztatja. Szétesett azonosítás mellett ez az érték elvész.
Technikai példa
Egy minimális, de működőképes Organization séma @id-vel és sameAs listával. Ez kerül a nyitóoldal head részébe:
{
"@context": "https://schema.org",
"@type": "Organization",
"@id": "https://pelda.hu/#organization",
"name": "Példa Technológia Kft.",
"alternateName": "Példa Technológia",
"url": "https://pelda.hu/",
"logo": {
"@type": "ImageObject",
"url": "https://pelda.hu/logo.png",
"width": 512,
"height": 512
},
"sameAs": [
"https://www.facebook.com/peldatechnologia",
"https://www.linkedin.com/company/peldatechnologia",
"https://www.wikidata.org/wiki/Q00000000"
]
}
Az @id a stabil horgony. A WebSite és az Article sémákból erre hivatkozz publisher vagy author szerepben, így egyetlen entitás épül, nem több különálló.
A Knowledge Graph Search API lekérdezése parancssorból, saját Google Cloud API-kulccsal:
curl -s "https://kgsearch.googleapis.com/v1/entities:search?query=Pelda%20Technologia&key=SAJAT_KULCS&limit=3&languages=hu" \
| python3 -m json.tool
A válaszban az itemListElement tömb elemeit nézd. Mindegyikhez tartozik egy result.name, egy result.url és egy resultScore. Ha az első találat url mezője nem a te domained, akkor a Google más entitást ért a márkaneveden.
Gyakori kérdések
Kell-e Wikipedia-szócikk ahhoz, hogy bekerüljek a Knowledge Graph-ba?
Nem kötelező, de jelentősen segít. A Google több forrásból építi az entitásokat, köztük strukturált adatokból és hivatalos profilokból is. A Wikipedia és a Wikidata viszont különösen erős jelzés, mert struktúrált és független. Ha a cég nem felel meg a Wikipedia ismertségi kritériumainak, a Wikidata-tétel önmagában is értékes, ott enyhébbek a feltételek.
Mennyi idő alatt jelenik meg az entitásom a Knowledge Graph-ban?
Nincs garantált időtáv, és nincs beküldési űrlap sem. A gyakorlatban hetektől hónapokig terjed, és sok cégnél soha nem történik meg önálló panel formájában. A cél nem feltétlenül a látványos panel, hanem hogy a rendszerek helyesen azonosítsák a márkát. Az Organization séma, a következetes adatok és a valódi webes említések ezt akkor is javítják, ha panel nem jelenik meg.
Mit tegyek, ha a Google egy másik céget hoz a nevemre?
Ez névütközés, tipikusan generikus márkanévnél. Erősítsd a saját jelzéseidet: stabil @id, teljes sameAs lista, következetes cégnév mindenhol. Használj megkülönböztető formát, például a jogi formával vagy a tevékenységgel kiegészítve. Hosszabb távon a független említések döntenek, azokat nem lehet technikai beállítással kiváltani.
Elég az Organization séma, vagy LocalBusiness kell?
Ha fizikai telephelyed van és helyben szolgálsz ki ügyfeleket, a LocalBusiness altípus pontosabb. Ez a schema.org hierarchiájában az Organization leszármazottja, tehát nem vesztesz vele semmit. Online szolgáltatónál vagy országos webshopnál az Organization a helyes választás.
Befolyásolja ez azt, amit a ChatGPT vagy a Perplexity mond rólam?
Közvetve igen. Ezek a rendszerek nem a Google Knowledge Graph-ját használják, de hasonló entitás-forrásokból dolgoznak, és a Wikidata, a Wikipedia meg a strukturált adatok náluk is súlyosak. A következetes szervezeti adat és a sameAs lista csökkenti annak esélyét, hogy összekeverjenek egy névrokonnal.