Un knowledge graph (gráfico de conocimiento) es una base de datos estructurada de entidades —personas, lugares, organizaciones, productos y las relaciones entre ellos— que un buscador utiliza para comprender el significado en lugar de limitarse a buscar coincidencias de palabras clave. El Knowledge Graph de Google es el ejemplo más conocido: alimenta los paneles de información que aparecen junto a los resultados de búsqueda y permite al buscador entender que una marca, su línea de productos y un número de modelo concreto son datos relacionados y no tres cadenas de texto sin conexión. En el comercio electrónico, estar representado con precisión en este tipo de base de datos de entidades influye cada vez más en la seguridad con la que un buscador muestra los productos de un minorista y confía en ellos.
Por qué la presencia en el Knowledge Graph es importante para el comercio electrónico
Los buscadores han ido mucho más allá de buscar coincidencias literales de palabras clave y ahora intentan entender de qué trata realmente una página, quién fabrica el producto y cómo se relaciona con otras entidades conocidas: una marca, una categoría, un conjunto de productos comparables. Un minorista cuyos datos de marca y de producto están bien representados en esta estructura de entidades se beneficia de una especie de transferencia de confianza: los buscadores que ya entienden una entidad y confían en ella muestran con más seguridad el contenido vinculado a ella, incluidas las publicaciones de productos procedentes de un feed. Esta comprensión semántica también sustenta los resultados de búsqueda orgánica que van más allá de una simple lista de enlaces, como los fragmentos enriquecidos y los paneles específicos de compras que extraen directamente datos estructurados de los productos en lugar de depender únicamente del texto de la página.
Cómo se construye la comprensión del Knowledge Graph
Los buscadores elaboran su comprensión de las entidades a partir de numerosas señales estructuradas de toda la web: el marcado schema.org de las páginas de producto, unas etiquetas Open Graph coherentes que describen la misma entidad de la misma manera en todas las páginas en las que aparece, los GTIN y los identificadores de marca de los feeds de compras, y fuentes de terceros como Wikipedia o bases de datos del sector que corroboran la identidad de una marca. La coherencia entre todas estas fuentes importa más que cualquiera de ellas por separado: un producto descrito de una forma en su feed, de otra en sus etiquetas Open Graph y de una tercera en el schema de la página envía al buscador señales contradictorias sobre lo que realmente está viendo. Esta misma lógica de correspondencia de entidades es la base de la concordancia híbrida en las plataformas publicitarias, donde la consulta de un comprador se asocia a un producto no solo por coincidencia de palabras clave, sino entendiendo las entidades implicadas 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 de GTIN y de marca son idénticos en el feed y en el schema de la página, que es exactamente el tipo de coherencia entre fuentes que permite a un buscador atribuir con seguridad esta publicación a una entidad de marca conocida, en lugar de tratarla como un producto aislado y sin verificar.
Conceptos relacionados
La comprensión del knowledge graph depende en gran medida de unas etiquetas Open Graph y unos datos estructurados coherentes que describan las mismas entidades de la misma manera allí donde aparezcan, y la misma lógica de resolución de entidades es la base de la concordancia híbrida en las plataformas publicitarias que intentan relacionar consultas con productos. El resultado final de una buena representación de las entidades suele manifestarse en unos resultados de búsqueda orgánica más fiables y enriquecidos, más que en un único factor de posicionamiento medible.
