Граф знаний — это структурированная база данных сущностей — людей, мест, организаций, продуктов и связей между ними — которую поисковая система использует для понимания смысла, а не просто для сопоставления ключевых слов. Граф знаний Google — наиболее известный пример, лежащий в основе информационных панелей, которые появляются рядом с результатами поиска и позволяют системе понимать, что бренд, его линейка продуктов и конкретный номер модели являются связанными фактами, а не тремя несвязанными строками текста. Для электронной коммерции точное представление в такой базе данных сущностей все больше влияет на то, насколько уверенно поисковая система отображает и доверяет продуктам розничного продавца.

Почему наличие графа знаний важно для электронной коммерции

Поисковые системы давно перешли от сопоставления буквальных ключевых слов к пониманию того, о чем на самом деле страница, кто производит продукт и как он связан с другими известными объектами — брендом, категорией, набором сопоставимых товаров. Розничный продавец, чьи данные о бренде и продуктах хорошо представлены в этой структуре объектов, получает выгоду от своего рода передачи доверия: поисковые системы, которые уже понимают и доверяют объекту, с большей уверенностью показывают связанный с ним контент, включая списки товаров, полученные из фида. Это семантическое понимание также лежит в основе органических результатов поиска , которые выходят за рамки простого списка ссылок, включая расширенные сниппеты и специализированные панели для покупок, которые напрямую извлекают структурированные данные о продукте, а не полагаются исключительно на текст страницы.

Как строится понимание графа знаний

Поисковые системы формируют понимание сущностей на основе множества структурированных сигналов в интернете: разметка schema.org на страницах товаров, согласованные теги Open Graph, описывающие одну и ту же сущность одинаково на каждой странице, где она появляется, GTIN и идентификаторы брендов в товарных фидах, а также сторонние источники, такие как Википедия или отраслевые базы данных, подтверждающие идентичность бренда. Согласованность всех этих источников важнее, чем любой отдельный — описание товара одним способом в фиде, другим способом в тегах Open Graph и третьим способом в схеме на странице посылает поисковой системе противоречивые сигналы о том, что она на самом деле видит. Эта же логика сопоставления сущностей лежит в основе гибридного сопоставления на рекламных платформах, где запрос покупателя сопоставляется с товаром не только по совпадению ключевых слов, но и на основе понимания сущностей, участвующих в запросе с обеих сторон.

Пример

<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>

Значения GTIN и бренда идентичны во всем фиде и в схеме на странице, что является именно тем видом межисточниковой согласованности, который позволяет поисковой системе с уверенностью отнести это объявление к известному бренду, а не рассматривать его как непроверенный, самостоятельный продукт.

Связанные концепции

Понимание графа знаний в значительной степени зависит от согласованных тегов Open Graph и структурированных данных, описывающих одни и те же сущности одинаково везде, где они встречаются, а также от той же логики разрешения сущностей, лежащей в основе гибридного сопоставления на рекламных платформах, пытающихся связать запросы с товарами. Конечный результат четкого представления сущностей обычно проявляется в более уверенных и информативных результатах органического поиска, а не в каком-либо одном измеримом факторе ранжирования.