Knowledge Graph — це структурована база даних, що зберігає інформацію про сутності (людей, місця, речі, поняття) та зв’язки між ними. Пошукові системи й AI-системи використовують knowledge graphs, щоб розуміти та пов’язувати інформацію.
Knowledge Graphs дають AI-системам змогу розуміти, що «Apple» залежно від контексту може означати компанію або фрукт, пов’язувати суміжні поняття й сутності, відповідати на складні запити, які потребують розуміння зв’язків, і надавати точну інформацію про сутності.
Для GEO присутність у Knowledge Graph має значення. Brands, продукти та особи, розпізнані як сутності у knowledge graphs, з більшою ймовірністю будуть точно представлені в AI-відповідях.
Ключові чинники
- Entity recognition
- Wikipedia presence
- Schema markup
- Consistent information
- Authority signals
Приклади
- Knowledge Graph від Google пов’язує компанію з її продуктами, засновниками та конкурентами
- AI-система використовує knowledge graph, щоб зрозуміти, що «CEO Tesla» означає конкретну особу
- Пошук за запитом «iPhone» повертає інформацію про Apple з Knowledge Graph
Запитання, які ставлять люди
Як мій brand потрапляє до Knowledge Graph?
Потрапити до Knowledge Graph можна через створення статей у Wikipedia/Wikidata, впровадження schema markup, отримання згадок у авторитетних джерелах, підтримання узгодженої інформації по всьому вебу та розбудову впізнаваності сутності.
Чому Knowledge Graph важливий для AI?
AI-системи використовують knowledge graphs, щоб розуміти сутності та зв’язки. Brands, розпізнані як сутності, з більшою ймовірністю будуть представлені точно. Присутність у knowledge graph підсилює сигнали авторитету.
Чи можу я впливати на інформацію в Knowledge Graph?
Ви можете впливати на інформацію в Knowledge Graph опосередковано: підтримуйте точні дані в офіційних джерелах (сайт, Wikipedia), впровадьте schema markup і забезпечте узгодженість у всіх цифрових присутностях.
Чи мають усі AI-системи knowledge graphs?
Більшість великих AI-систем використовують той чи інший вид структурованих знань — власні knowledge graphs або інтеграцію з наявними (як-от Wikidata). Підходи різняться, але принцип той самий: структуровані знання покращують розуміння в AI.