الـ Knowledge Graph هو قاعدة بيانات منظَّمة للكيانات — من أشخاص وأماكن ومؤسسات ومنتجات، إضافةً إلى العلاقات التي تربط بينها — يستخدمها محرك البحث لفهم المعنى بدلًا من الاكتفاء بمطابقة الكلمات المفتاحية. ويُعد Knowledge Graph من Google المثال الأشهر على ذلك، إذ يشغّل لوحات المعلومات التي تظهر بجانب نتائج البحث، ويتيح للمحرك أن يفهم أن العلامة التجارية وخط منتجاتها ورقم طراز محدد هي حقائق مترابطة، وليست ثلاث سلاسل نصية لا صلة بينها. وفي التجارة الإلكترونية، يزداد تأثير التمثيل الدقيق ضمن قاعدة بيانات الكيانات هذه في مدى ثقة محرك البحث بمنتجات المتجر وإبرازه لها.
لماذا يهم الحضور في Knowledge Graph للتجارة الإلكترونية
تجاوزت محركات البحث بكثير مرحلة مطابقة الكلمات المفتاحية حرفيًا، وانتقلت إلى فهم موضوع الصفحة فعليًا، والجهة المصنِّعة للمنتج، وعلاقته بالكيانات المعروفة الأخرى — كالعلامة التجارية والفئة ومجموعة من المنتجات المماثلة. فالمتجر الذي تُمثَّل بيانات علامته التجارية ومنتجاته جيدًا ضمن بنية الكيانات هذه يستفيد من نوع من «انتقال الثقة»: فمحركات البحث التي تفهم كيانًا ما وتثق به تكون أكثر ثقة في إبراز المحتوى المرتبط به، بما في ذلك قوائم المنتجات المسحوبة من خلاصة المنتجات. كما يدعم هذا الفهم الدلالي نتائج البحث العضوي التي تتجاوز قائمة الروابط البسيطة، ومنها المقتطفات المنسّقة (rich snippets) ولوحات التسوّق التي تسحب حقائق المنتج المنظَّمة مباشرةً بدلًا من الاعتماد على نص الصفحة وحده.
كيف يتكوّن فهم Knowledge Graph
تجمّع محركات البحث فهمها للكيانات من إشارات منظَّمة عديدة عبر الويب: ترميز schema.org في صفحات المنتجات، ووسوم Open Graph المتسقة التي تصف الكيان نفسه بالطريقة نفسها في كل صفحة يظهر فيها، ورموز GTIN ومعرّفات العلامة التجارية في خلاصات التسوّق، ومصادر خارجية مثل Wikipedia أو قواعد البيانات الصناعية التي تؤكد هوية العلامة التجارية. ويكتسب الاتساق بين هذه المصادر كلها أهمية تفوق أي مصدر منفرد؛ فالمنتج الموصوف بطريقة في الخلاصة، وبطريقة أخرى في وسوم Open Graph، وبثالثة في schema داخل الصفحة، يرسل إلى محرك البحث إشارات متضاربة حول ما ينظر إليه فعليًا. ويقوم منطق مطابقة الكيانات نفسه خلف المطابقة الهجينة في المنصات الإعلانية، حيث يُطابَق استعلام المتسوّق مع منتج لا بتداخل الكلمات المفتاحية فحسب، بل بفهم الكيانات المعنيّة في طرفي الاستعلام.
مثال
<item>
<g:id>SKU-10234</g:id>
<g:title>Organic Cotton Crewneck Sweater - Charcoal, M</g:title>
<g:brand>Nordwool</g:brand>
<g:gtin>00196565113317</g:gtin>
<g:mpn>NW-CS-CHR-M</g:mpn>
</item><!-- Structured data on the product page reinforcing the same entity -->
<script type="application/ld+json">
{
"@type": "Product",
"name": "Organic Cotton Crewneck Sweater - Charcoal, M",
"brand": { "@type": "Brand", "name": "Nordwool" },
"gtin13": "00196565113317"
}
</script>قيمتا GTIN والعلامة التجارية متطابقتان تمامًا بين الخلاصة وschema داخل الصفحة، وهذا بالضبط نوع الاتساق بين المصادر الذي يتيح لمحرك البحث أن ينسب هذا المنتج بثقة إلى كيان علامة تجارية معروف، بدلًا من التعامل معه كمنتج مستقل غير موثَّق.
مفاهيم ذات صلة
يعتمد فهم Knowledge Graph اعتمادًا كبيرًا على اتساق وسوم Open Graph والبيانات المنظَّمة التي تصف الكيانات نفسها بالطريقة نفسها في كل موضع تظهر فيه، كما يقوم منطق حل الكيانات نفسه خلف المطابقة الهجينة في المنصات الإعلانية التي تحاول ربط الاستعلامات بالمنتجات. وتظهر نتيجة التمثيل القوي للكيانات عادةً في نتائج بحث عضوي أكثر ثقة وثراءً، وليس في عامل ترتيب واحد يمكن قياسه بمفرده.
