Ein Knowledge Graph ist eine strukturierte Datenbank aus Entitäten – Personen, Orten, Organisationen, Produkten und den Beziehungen zwischen ihnen –, mit der eine Suchmaschine Bedeutung versteht, statt nur Keywords abzugleichen. Der Google Knowledge Graph ist das bekannteste Beispiel: Er liefert die Infoboxen neben den Suchergebnissen und ermöglicht es der Suchmaschine zu verstehen, dass eine Marke, ihre Produktlinie und eine bestimmte Modellnummer zusammenhängende Fakten sind und nicht drei voneinander unabhängige Zeichenketten. Für den E-Commerce bestimmt eine korrekte Darstellung in einer solchen Entitätsdatenbank zunehmend, wie selbstbewusst eine Suchmaschine die Produkte eines Händlers ausspielt und ihnen vertraut.
Warum die Präsenz im Knowledge Graph für den E-Commerce wichtig ist
Suchmaschinen gleichen längst nicht mehr nur wörtliche Keywords ab, sondern verstehen, worum es auf einer Seite tatsächlich geht, wer das Produkt herstellt und wie es mit anderen bekannten Entitäten zusammenhängt – einer Marke, einer Kategorie, einer Gruppe vergleichbarer Produkte. Ein Händler, dessen Marken- und Produktdaten in dieser Entitätsstruktur gut abgebildet sind, profitiert von einer Art Vertrauensübertragung: Suchmaschinen, die eine Entität bereits verstehen und ihr vertrauen, spielen damit verbundene Inhalte selbstbewusster aus, einschließlich Produktangeboten aus einem Feed. Dieses semantische Verständnis bildet auch die Grundlage für organische Suchergebnisse, die über eine einfache Linkliste hinausgehen, darunter Rich Snippets und Shopping-spezifische Panels, die strukturierte Produktfakten direkt übernehmen, statt sich allein auf den Seitentext zu stützen.
Wie das Verständnis im Knowledge Graph entsteht
Suchmaschinen setzen ihr Verständnis von Entitäten aus vielen strukturierten Signalen im Web zusammen: schema.org-Auszeichnungen auf Produktseiten, konsistente Open Graph Tags, die dieselbe Entität auf jeder Seite, auf der sie vorkommt, gleich beschreiben, GTINs und Markenkennungen in Shopping-Feeds sowie Drittquellen wie Wikipedia oder Branchendatenbanken, die die Identität einer Marke bestätigen. Die Konsistenz über all diese Quellen hinweg zählt mehr als jede einzelne – ein Produkt, das im Feed auf die eine Weise, in den Open Graph Tags auf eine andere und im On-Page-Schema auf eine dritte Weise beschrieben wird, sendet der Suchmaschine widersprüchliche Signale darüber, was sie eigentlich vor sich hat. Dieselbe Logik des Entitätsabgleichs liegt auch dem Hybrid Matching auf Werbeplattformen zugrunde, bei dem die Suchanfrage eines Käufers einem Produkt nicht nur über übereinstimmende Keywords zugeordnet wird, sondern über das Verständnis der Entitäten auf beiden Seiten der Anfrage.
Beispiel
<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>Die Werte für GTIN und Marke sind im Feed und im On-Page-Schema identisch. Genau diese quellenübergreifende Konsistenz ermöglicht es einer Suchmaschine, dieses Angebot sicher einer bekannten Markenentität zuzuordnen, statt es als ungeprüftes, isoliertes Produkt zu behandeln.
Verwandte Begriffe
Das Verständnis im Knowledge Graph hängt stark von konsistenten Open Graph Tags und strukturierten Daten ab, die dieselben Entitäten überall gleich beschreiben, und dieselbe Logik der Entitätsauflösung liegt dem Hybrid Matching auf Werbeplattformen zugrunde, die Suchanfragen mit Produkten verbinden wollen. Eine starke Entitätsdarstellung zeigt sich am Ende meist in selbstbewussteren, reichhaltigeren organischen Suchergebnissen und nicht in einem einzelnen messbaren Rankingfaktor.
