知識圖譜是一個結構化的實體資料庫，其中包含人物、地點、組織、產品以及它們之間的關係。搜尋引擎利用知識圖譜來理解搜尋結果的含義，而不僅僅是匹配關鍵字。谷歌的知識圖譜是其中最著名的例子，它為搜尋結果旁邊的資訊面板提供支持，並讓搜尋引擎理解品牌、產品線和特定型號是相關的事實，而不是三個不相關的文字字串。對於電子商務而言，在知識圖譜這種實體資料庫中準確地呈現訊息，越來越會影響搜尋引擎對零售商產品的推薦和信任度。

為什麼知識圖譜的存在對電子商務至關重要

搜尋引擎早已超越了簡單的關鍵字匹配，轉而理解頁面內容的真正意義，包括產品製造商、產品與其他已知實體（例如品牌、品類、同類產品）之間的關聯。如果零售商的品牌和產品資料能夠很好地融入這種實體結構，就能獲得一種信任轉移：搜尋引擎如果已經理解並信任某個實體，就會更有信心展示與其相關的內容，包括從資訊流中提取的產品清單。這種語義理解也支撐著超越簡單連結清單的自然搜尋結果，例如富媒體摘要和購物專屬面板，這些面板能夠直接提取結構化的產品信息，而不僅僅依賴頁面文字。

知識圖譜理解是如何建構的

搜尋引擎會從網路上眾多結構化訊號中建構實體理解：產品頁面上的 schema.org 標記、在所有頁面上以相同方式描述同一實體的Open Graph 標籤、購物資訊流中的 GTIN 和品牌標識符，以及維基百科或產業資料庫等第三方來源，這些來源可以驗證品牌的身份。所有這些來源的一致性比任何單一來源都重要——如果產品在資訊流中以一種方式描述，在 Open Graph 標籤中以另一種方式描述，而在頁面 schema 中又以第三種方式描述，就會向搜尋引擎發出相互矛盾的信號，使其無法準確判斷產品的實際含義。同樣的實體匹配邏輯也應用於廣告平台的混合匹配中，在混合匹配中，購物者的搜尋查詢與產品之間的匹配不僅依賴關鍵字重疊，還依賴對查詢前後涉及的實體的理解。

例

<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 和品牌值在資訊流和頁面架構中完全相同，這正是跨來源一致性所需要的，它可以讓搜尋引擎自信地將此列表歸因於已知的品牌實體，而不是將其視為未經驗證的獨立產品。

相關概念

知識圖譜的理解高度依賴一致的Open Graph 標籤和結構化數據，這些數據確保同一實體在所有出現的地方都以相同的方式進行描述。廣告平台嘗試將搜尋查詢與產品關聯起來，而這種實體解析邏輯正是混合匹配的基礎。強大的實體表示最終通常會帶來更可靠、更豐富的自然搜尋結果，而不是任何單一的可衡量排名因素。