知识图谱是一个结构化的实体数据库，其中包含人物、地点、组织、产品以及它们之间的关系。搜索引擎利用知识图谱来理解搜索结果的含义，而不仅仅是匹配关键词。谷歌的知识图谱是其中最著名的例子，它为搜索结果旁边的信息面板提供支持，并让搜索引擎理解品牌、产品线和特定型号是相关的事实，而不是三个互不相关的文本字符串。对于电子商务而言，在知识图谱这种实体数据库中准确地呈现信息，越来越会影响搜索引擎对零售商产品的推荐和信任度。

为什么知识图谱的存在对电子商务至关重要

搜索引擎早已超越了简单的关键词匹配，转而理解页面内容的真正含义，包括产品制造商、产品与其他已知实体（例如品牌、品类、同类产品）之间的关联。如果零售商的品牌和产品数据能够很好地融入这种实体结构，就能获得一种信任转移：搜索引擎如果已经理解并信任某个实体，就会更有信心展示与其相关的内容，包括从信息流中提取的产品列表。这种语义理解也支撑着超越简单链接列表的自然搜索结果，例如富媒体摘要和购物专属面板，这些面板能够直接提取结构化的产品信息，而不仅仅依赖于页面文本。

知识图谱理解是如何构建的

搜索引擎会从网络上众多结构化信号中构建实体理解：产品页面上的 schema.org 标记、在所有页面上以相同方式描述同一实体的Open Graph 标签、购物信息流中的 GTIN 和品牌标识符，以及维基百科或行业数据库等第三方来源，这些来源可以验证品牌的身份。所有这些来源的一致性比任何单一来源都重要——如果产品在信息流中以一种方式描述，在 Open Graph 标签中以另一种方式描述，而在页面 schema 中又以第三种方式描述，就会向搜索引擎发出相互矛盾的信号，使其无法准确判断产品的实际含义。同样的实体匹配逻辑也应用于广告平台的混合匹配中，在混合匹配中，购物者的搜索查询与产品之间的匹配不仅依赖于关键词重叠，还依赖于对查询前后涉及的实体的理解。

例如：

<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>

GTIN 和品牌值在信息流和页面架构中完全相同，这正是跨来源一致性所需要的，它可以让搜索引擎自信地将此列表归因于已知的品牌实体，而不是将其视为未经验证的独立产品。

相关概念

知识图谱的理解高度依赖于一致的Open Graph 标签和结构化数据，这些数据确保同一实体在所有出现的地方都以相同的方式进行描述。广告平台尝试将搜索查询与产品关联起来，而这种实体解析逻辑正是混合匹配的基础。强大的实体表示最终通常会带来更可靠、更丰富的自然搜索结果，而非任何单一的可衡量排名因素。