Un Knowledge Graph (graphe de connaissances) est une base de données structurée d'entités — personnes, lieux, organisations, produits et relations entre eux — qu'un moteur de recherche utilise pour comprendre le sens plutôt que de simplement faire correspondre des mots-clés. Le Knowledge Graph de Google en est l'exemple le plus connu : il alimente les panneaux d'information affichés à côté des résultats de recherche et permet au moteur de comprendre qu'une marque, sa gamme de produits et une référence de modèle précise sont des faits liés, et non trois chaînes de texte sans rapport. Pour l'e-commerce, être représenté correctement dans ce type de base d'entités influence de plus en plus la confiance avec laquelle un moteur de recherche met en avant les produits d'un marchand.
Pourquoi la présence dans le Knowledge Graph compte pour l'e-commerce
Les moteurs de recherche sont allés bien au-delà de la simple correspondance littérale de mots-clés : ils cherchent à comprendre de quoi parle réellement une page, qui fabrique le produit et comment il se rattache à d'autres entités connues — une marque, une catégorie, un ensemble de produits comparables. Un marchand dont les données de marque et de produits sont bien représentées dans cette structure d'entités bénéficie d'une forme de transfert de confiance : un moteur de recherche qui comprend déjà une entité et lui fait confiance met plus volontiers en avant les contenus qui y sont liés, y compris les fiches produits issues d'un flux. Cette compréhension sémantique sous-tend aussi les résultats de recherche organique qui vont au-delà d'une simple liste de liens, notamment les extraits enrichis et les panneaux propres au shopping, qui reprennent directement des informations produits structurées au lieu de s'appuyer uniquement sur le texte de la page.
Comment se construit la compréhension du Knowledge Graph
Les moteurs de recherche construisent leur compréhension des entités à partir de nombreux signaux structurés sur le web : le balisage schema.org des pages produits, des balises Open Graph cohérentes qui décrivent la même entité de la même manière sur chaque page où elle apparaît, les GTIN et identifiants de marque des flux shopping, ainsi que des sources tierces comme Wikipédia ou des bases de données sectorielles qui confirment l'identité d'une marque. La cohérence entre toutes ces sources compte davantage que n'importe laquelle prise isolément : un produit décrit d'une façon dans son flux, d'une autre dans ses balises Open Graph et d'une troisième dans le schéma de la page envoie au moteur de recherche des signaux contradictoires sur ce qu'il examine réellement. La même logique de correspondance d'entités sous-tend le matching hybride des plateformes publicitaires, où la requête d'un acheteur est associée à un produit non seulement par recoupement de mots-clés, mais aussi par la compréhension des entités en jeu des deux côtés de la requête.
Exemple
<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>Les valeurs du GTIN et de la marque sont identiques dans le flux et dans le schéma de la page : c'est exactement ce type de cohérence entre sources qui permet à un moteur de recherche d'attribuer avec confiance cette annonce à une entité de marque connue, au lieu de la traiter comme un produit isolé et non vérifié.
Concepts associés
La compréhension du Knowledge Graph repose largement sur des balises Open Graph cohérentes et sur des données structurées qui décrivent les mêmes entités de la même manière partout où elles apparaissent, et la même logique de résolution d'entités sous-tend le matching hybride des plateformes publicitaires qui cherchent à relier des requêtes à des produits. Une bonne représentation des entités se traduit généralement par des résultats de recherche organique plus fiables et plus riches, plutôt que par un facteur de classement mesurable en particulier.
