Un grafo de conocimiento es una base de datos estructurada de entidades (personas, lugares, organizaciones, productos y las relaciones entre ellos) que un motor de búsqueda utiliza para comprender el significado, en lugar de simplemente hacer coincidir palabras clave. El grafo de conocimiento de Google es el ejemplo más conocido, ya que impulsa los paneles de información que aparecen junto a los resultados de búsqueda y permite que el motor entienda que una marca, su línea de productos y un número de modelo específico son hechos relacionados, en lugar de tres cadenas de texto inconexas. En el comercio electrónico, estar representado con precisión en este tipo de base de datos de entidades influye cada vez más en la confianza que un motor de búsqueda deposita en los productos de un minorista.

Por qué la presencia del Knowledge Graph es importante para el comercio electrónico.

Los motores de búsqueda han evolucionado mucho más allá de la simple coincidencia de palabras clave literales, centrándose en comprender el contenido real de una página, quién fabrica el producto y cómo se relaciona con otras entidades conocidas: una marca, una categoría, un conjunto de productos similares. Un minorista cuyos datos de marca y producto estén bien representados dentro de esta estructura se beneficia de una transferencia de confianza: los motores de búsqueda que ya comprenden y confían en una entidad tienen mayor seguridad al mostrar contenido relacionado con ella, incluyendo listados de productos extraídos de un feed. Esta comprensión semántica también sustenta los resultados de búsqueda orgánica que van más allá de una simple lista de enlaces, incluyendo fragmentos enriquecidos y paneles específicos de compras que extraen directamente información estructurada del producto en lugar de depender únicamente del texto de la página.

Cómo se construye la comprensión del grafo de conocimiento

Los motores de búsqueda construyen la comprensión de entidades a partir de múltiples señales estructuradas en la web: marcado schema.org en las páginas de productos, etiquetas Open Graph consistentes que describen la misma entidad de la misma manera en todas las páginas donde aparece, GTIN e identificadores de marca en los feeds de compras, y fuentes de terceros como Wikipedia o bases de datos de la industria que corroboran la identidad de una marca. La consistencia en todas estas fuentes es más importante que en cualquiera de ellas por separado: un producto descrito de una manera en su feed, de otra en sus etiquetas Open Graph y de una tercera en el esquema de la página envía señales contradictorias al motor de búsqueda sobre lo que realmente está viendo. Esta misma lógica de coincidencia de entidades subyace a la coincidencia híbrida en las plataformas publicitarias, donde la consulta de un comprador se relaciona con un producto no solo por la superposición de palabras clave, sino también por la comprensión de las entidades involucradas en ambos lados de la consulta.

Ejemplo

<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>

Los valores GTIN y de marca son idénticos en todo el feed y en el esquema de la página, lo que constituye precisamente el tipo de coherencia entre fuentes que permite a un motor de búsqueda atribuir con confianza este listado a una entidad de marca conocida, en lugar de tratarlo como un producto independiente no verificado.

Conceptos relacionados

La comprensión de los grafos de conocimiento depende en gran medida de etiquetas Open Graph consistentes y datos estructurados que describan las mismas entidades de la misma manera en todos los lugares donde aparecen. La misma lógica de resolución de entidades subyace a la coincidencia híbrida en las plataformas publicitarias que intentan conectar consultas con productos. El resultado final de una sólida representación de entidades generalmente se manifiesta en resultados de búsqueda orgánica más fiables y completos, en lugar de en un único factor de clasificación medible.