Panduan Entity SEO

TL;DR — sebuah entity adalah sebuah hal sebuah machine dapat identify — Anda, Anda company, Anda product. Entity SEO adalah membuat sure mesin pencari dan AI alat know persis siapa Anda adalah, alih-alih confusing Anda dengan sesuatu else. basics: gunakan sama name dan deskripsi di mana-mana, pertimbangkan sebuah Wikidata entry (dan Wikipedia jika Anda qualify), dan mendapatkan mentioned pada trustworthy situs. None dari ini adalah strict requirements — mereka’re sinyal itu membuat ini easier untuk AI untuk confidently identify dan cite Anda.

apa sebuah entity?

sebuah entity adalah sebuah identifiable hal; Schema.org menyediakan identifiers dan hubungan properties itu dapat clarify apa sebuah halaman mendeskripsikan. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Schema.org: Thing data terstruktur adalah satu supporting sinyal dan adalah tidak sebuah guaranteed graf pengetahuan atau citation submission mechanism. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Google: Structured data introduction

Ketika Anda baca “Taj Mahal,” (terjemahan) “Taj Mahal,” Anda know dari context apakah I berarti monument, blues musician, atau casino. sebuah machine tidak — unless ini memiliki learned ini adalah three terpisah entities, setiap dengan -nya own identity, jenis, dan set dari facts.

sebuah entity adalah hanya sebuah distinctly identifiable hal: sebuah person, sebuah place, sebuah company, sebuah product, bahkan sebuah concept. Google stores millions dari them, dengan mereka relationships, di sebuah database called graf pengetahuan. Entity SEO adalah berfungsi dari membuat sure Anda entity — Anda brand, Anda sebagai sebuah author, Anda products — adalah di di sana, dengan jelas, dan tidak muddled up dengan apa pun else.

Mengapa AI sistem care so banyak tentang ini

Tradisional penelusuran cocok kata Anda typed terhadap kata pada sebuah halaman. AI penelusuran adalah berbeda: ini tries untuk memahami siapa dan apa sebuah kueri adalah tentang, lalu summarize sebuah jawaban. untuk name Anda brand di itu jawaban, AI pertama memiliki untuk menjadi sure ini knows yang brand Anda adalah.

jika Anda identity adalah fuzzy — sama name sebagai lainnya company, berbeda deskripsi pada setiap profile, Tidak di luar konfirmasi — AI hedges dan skips Anda. jika ini adalah crisp dan well-confirmed, AI cites Anda dengan confidence. itu’s seluruh game.

sederhana hal itu sebenarnya help

• menjadi consistent. gunakan tepat sama business name, deskripsi, address, dan phone angka di mana-mana — Anda situs, social profiles, directories, Google Business Profile. Inconsistency confuses machine.
• Claim sebuah Wikidata entry. Wikidata adalah sebuah machine-readable database itu AI sistem dan Google baca secara langsung. Hampir apa pun business dapat buat sebuah entry — Tidak “notability” (terjemahan) “notability” hurdle like Wikipedia memiliki.
• Aim untuk Wikipedia eventually. sebuah Wikipedia halaman adalah gold untuk AI visibilitas, tetapi Anda dapat’t tulis Anda own — Anda perlu genuine press coverage pertama so editors deem Anda notable.
• Mendapatkan mentioned oleh others. menjadi talked tentang pada trustworthy ketiga-party situs penting lebih daripada hampir apa pun. AI learns siapa Anda adalah dari bagaimana sering, dan di mana, Anda name muncul up.
• Fill out Anda Google Business Profile jika Anda’re sebuah local business — ini adalah sebuah well-terdokumentasi Google local-data sumber, though ini tidak established itu setiap AI sistem relies pada ini yang sama cara untuk local jawaban.

deeper mechanics — graf pengetahuan, entity salience, schema, dan research data behind “mentions beat links” (terjemahan) “mentions beat tautan” — adalah di Advanced tab.

TL;DR — Entity SEO adalah practitioner terminology, tidak sebuah terdokumentasi Google peringkat sistem — tetapi untuk AI emphasis shifts hard toward disambiguation dan corroboration. Google says graf pengetahuan shed sebuah besar share dari -nya entities di sebuah June 2025 cleanup; tepat scale dan -nya effect pada apa pun spesifik AI product tidak hal I dapat independently verify di sini, so treat itu sebagai directional, tidak gospel. di Ahrefs research, branded web mentions dan YouTube presence correlated dengan AI-jawaban visibilitas far lebih strongly daripada backlinks melakukan — correlation, tidak proof dari penyebab. Anda juga dapat’t shortcut trust dengan fake corroboration: sebuah independent experiment seeding fictional experts ke hundreds dari press artikel produced essentially Tidak AI citations. dan treat sameAs schema sebagai sebagian besar robust ketika ini adalah server-dirender — apakah sebuah diberikan AI crawler executes JavaScript adalah provider- dan versi-spesifik, so jangan assume none dari them melakukan.

Entity SEO adalah hanya SEO — dengan sebuah berbeda emphasis untuk AI

Mulai dengan bounded definition: “Entity SEO” (terjemahan) “Entity SEO” adalah practitioner terminology, tidak name dari sebuah terdokumentasi Google peringkat sistem. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Schema.org: Thing ini adalah sebuah berguna lens pada existing SEO practice — identity clarity, corroboration, dan accurate data terstruktur — tidak sebuah terpisah discipline atau sebuah universal AI optimization layer dengan -nya own scoring model. gunakan itu practices sebagai clarity sinyal, tidak guaranteed peringkat levers. Evidence for this claim Official or primary documentation supporting the adjacent article claim, with scope limited to the source's published description. Scope: No ranking guarantee or undisclosed system mechanics are inferred beyond the cited source. Confidence: high · Verified: 2026-07-14 Google: Structured data introduction

My standing framing hasn’t changed untuk tradisional penelusuran: “itu entity identification part adalah lebih pada Google’s end daripada ours.” (terjemahan) “ entity identification bagian adalah lebih pada Google’s end daripada ours.” Anda tidak manually “lakukan entity SEO” (terjemahan) “melakukan entity SEO” oleh stuffing entities ke sebuah halaman. Anda publish quality konten, mark ini up dengan accurate data terstruktur, pertahankan sinyal consistent, dan Google melakukan identification.

Apa memiliki changed adalah weighting untuk AI penelusuran. Ketika sebuah model menulis sebuah jawaban, ini pulls sentences dan names, tidak tautan equity — so brand-sinyal picture looks berbeda dari tautan-driven world dari rankings. mechanics di bawah adalah tentang membuat Anda entity unmistakable untuk itu machine.

graf pengetahuan, dan apa kami dapat dan dapat’t say tentang AI

Google launched graf pengetahuan di 2012 dengan pitch “things, not strings” (terjemahan) “hal, tidak strings” — sebuah model itu “understands real-world entities dan mereka relationships untuk satu another.” (terjemahan) “understands dunia nyata entities dan mereka relationships untuk satu lainnya.” ini adalah dibangun untuk solve disambiguation (yang “Taj Mahal” (terjemahan) “Taj Mahal”?), summarization, dan penemuan, seeded dari Freebase, Wikipedia, dan CIA World Factbook. itu 2012 angka adalah historical; Google hasn’t published sebuah saat ini entity count.

Di sinilah saya perlu berhati-hati: mudah untuk mengatakan bahwa Knowledge Graph kini memasok AI Overviews, AI Mode, dan Gemini, sehingga keberadaan di dalamnya membuat Anda memenuhi syarat untuk jawaban berbasis AI. Google mengonfirmasi bahwa graf pengetahuan mendukung fitur Penelusuran seperti panel, dengan mengambil dari ratusan sumber di seluruh web terbuka. Namun saya tidak memiliki dokumentasi utama khusus produk yang menghubungkan keanggotaan graf pengetahuan secara langsung dengan kelayakan di setiap permukaan AI, dan saya tidak akan mengklaim hubungan kausal lintas produk yang tidak dapat saya dukung dengan sitasi. Perlakukan “KG adalah infrastruktur AI” sebagai pembacaan praktisi yang masuk akal, bukan mekanisme yang telah dikonfirmasi.

Apa adalah publicly reported: journalist Jason Barnard (Kalicube) terdokumentasi sebuah besar graf pengetahuan contraction di June 2025, dengan steep cuts concentrated di stale event entities dan ambiguous “Hal” (terjemahan) “Hal”-category entities, alongside lebih precise person-entity typing. I’m tidak going untuk restate tepat percentages di sini — mereka come dari satu ketiga-party analysis dari Google’s data, tidak sebuah sumber I dapat independently reproduce, dan I’d rather poin Anda untuk original writeup daripada risk sebuah stale atau mistyped figure. directional baca holds up: sebagai Barnard put ini, “di itu Knowledge Graph, clarity adalah itu hanya point dari entry.” (terjemahan) “di graf pengetahuan, clarity adalah satu-satunya poin dari entry.” Quality dan disambiguation muncul untuk penting lebih daripada mentah sinyal volume — see sumber untuk penuh breakdown.

entity sinyal hierarchy — directionally, tidak persis

ini adalah bagian sebagian besar “entity SEO” (terjemahan) “entity SEO” advice mendapatkan wrong: ini memperlakukan loosely related sinyal sebagai jika mereka adalah proven peringkat levers. kami ran correlation studies di Ahrefs di seluruh besar samples dari brands dan AI jawaban, dan directional pattern adalah worth knowing bahkan though I’m holding back tepat coefficients di sini pending independent verification terhadap original datasets (correlation studies adalah easy untuk mis-cite, dan sebuah correlation adalah tidak causation regardless dari angka).

Directionally, di seluruh studies: branded web mentions dan YouTube presence/mentions correlated dengan AI-visibilitas metrics (like AI Overview brand mentions) noticeably lebih strongly daripada backlinks melakukan — brand-mention dan YouTube sinyal outranked tautan-based sinyal like Domain Rating dan referring domains di rankings kami diukur. Branded penelusuran volume juga behaved sebagai sebuah leading indicator alih-alih sebuah lagging satu. sebagai I summed up di my cross-platform AI brand-visibilitas correlations study: “Google favors brands dan Perplexity seems untuk menunjukkan some favoritism juga. apa surprising adalah itu weakness dari ChatGPT di sini.” (terjemahan) “Google favors brands dan Perplexity seems untuk tampilkan beberapa favoritism sebagai well. apa surprising adalah weakness dari ChatGPT di sini.”

kami juga ditemukan meaningfully limited overlap antara yang sources mendapatkan cited di seluruh Google, ChatGPT, dan Perplexity — sebuah kecil minority dari sources showed up di seluruh semua three simultaneously. Entity SEO adalah sebuah multi-platform exercise, tidak sebuah single-mesin satu. untuk tepat coefficients dan sample sizes, see ditautkan study dan AI Overview brand-correlation study secara langsung alih-alih relying pada angka restated di sini.

Disambiguation adalah #1 priority

AI cannot cite sebuah entity ini cannot confidently identify. jika Anda brand shares sebuah name dengan lainnya company, memiliki inconsistent NAP (name/address/phone) data, atau memiliki Tidak external verification, Anda mendapatkan skipped. June 2025 cleanup’s seluruh poin adalah raising share dari unambiguously typed entities — Google adalah optimizing untuk brands ini dapat menjadi sure tentang.

So disambiguation adalah job: sebuah consistent canonical identity, declared setelah pada Anda entity home (tentang halaman atau homepage) melalui Organization JSON-LD dengan sebuah stable @id, dan confirmed terhadap external references dengan sameAs. John Mueller’s satu caveat: jangan poin sameAs di sebuah graf pengetahuan ID URL (kg:/m/...) karena “that ID might change” (terjemahan) “itu ID mungkin perubahan” — gunakan stable URLs like Wikidata, Wikipedia, dan social profiles alih-alih.

Anda dapat’t fake corroboration — entities.org experiment

Di sini’s paling penting guardrail di seluruh field. Researchers di Entities.org deskripsikan AI sistem wanting entity consensus — independent, tinggi-confidence sources agreeing tentang yang sama claim sebelum mereka’ll assert ini. Di bawah sebuah threshold dari independent corroboration, AI hedges; di atas ini, AI asserts.

headline finding: sebuah controlled experiment seeded fictional experts ke sebuah besar angka dari press artikel dan diukur hasil di seluruh nine models — essentially Tidak AI recommendations resulted. Volume tanpa independence fails; researchers’ framing adalah itu AI sistem dapat detect synthetic consensus. I’m tidak restating mereka tepat artikel count, model-recommendation threshold, atau citation-share figures di sini — itu adalah spesifik angka dari satu ketiga-party research project itu I haven’t independently reproduced, so periksa original research untuk precise counts. Apa I’m comfortable asserting directionally: self-published konten alone rarely carries sebuah brand ke sebuah AI jawaban, dan sebagian besar AI jawaban muncul untuk lean pada ketiga-party sources alih-alih brand-published ones.

ini adalah deep alasan “entity stacking,” (terjemahan) “entity stacking,” mass press-rilis seeding, dan buy-di-bulk tautan campaigns jangan berfungsi untuk AI visibilitas. ada Tidak hidden entity score untuk game — earn nyata mentions.

sameAs, Wikidata, dan Wikipedia

Neither Wikipedia nor Wikidata adalah sebuah terdokumentasi requirement untuk Google atau AI recognition — Google names Wikipedia sebagai satu dari banyak umum sources ini dapat draw pada untuk knowledge panels, tidak sebuah mandatory input. itu mengatakan, mereka’re berguna, accessible external references worth prioritizing di Anda sameAs list, roughly di ini order:

1. Wikidata — machine-readable dan rendah barrier untuk entry (Tidak Wikipedia-style notability gate); several AI sistem dan Google adalah reported untuk draw pada ini, though I jangan memiliki utama documentation untuk persis bagaimana setiap provider weights ini.
2. Wikipedia — jika Anda’re notable. ketiga-party research cites ini sebagai sebuah besar citation sumber untuk beberapa AI sistem, though I’m tidak restating tepat percentage di sini — periksa sumber research untuk saat ini figure dan -nya methodology. Wikipedia konten adalah juga digunakan untuk nyata-time grounding oleh beberapa sistem, tidak hanya training. Anda dapat’t tulis Anda own halaman — earn press coverage itu establishes notability pertama.
3. LinkedIn / Crunchbase / official registrations, lalu social profiles.

Satu cautionary tale dari kami own team: Ryan Law accidentally led Google untuk think he owned Ahrefs situs web oleh menambahkan schema untuk his personal situs dengan sebuah error di sameAs property. selalu double-periksa schema sebelum Anda push ini langsung.

data terstruktur: indirect lever, tidak sebuah citation button

menjadi jelas-eyed tentang apa schema melakukan. sebuah Ahrefs observational study oleh Louise Linehan dan Xibeijia Guan tracked sebuah besar set dari halaman itu ditambahkan JSON-LD di atas roughly seven months dan compared citation volume sebelum dan setelah — see schema/AI citations study untuk dataset dan tepat percentages. directional finding: menambahkan schema untuk sebuah sudah-cited halaman melakukan tidak produce sebuah jelas positive lift di AI citation volume di seluruh platforms tracked.

So treat schema sebagai tidak sebuah reliable citation lever. -nya nilai adalah entity disambiguation — connecting Anda brand untuk -nya graf pengetahuan identity — dan correct pengindeksan, tidak sebuah direct bump di bagaimana sering AI quotes Anda. Mueller’s own position lines up: data terstruktur adalah tidak sebuah direct peringkat factor, though ini helps machines memahami entities dan adalah genuinely berguna untuk shopping data itu’s “basically impossible to read in high fidelity… from a text page.” (terjemahan) “basically impossible untuk baca di tinggi fidelity… dari sebuah text halaman.”

untuk AI secara khusus, @id pada setiap entity dan sebuah @graph connecting Organization, Person, dan Article ke satu graph adalah sebuah berguna modeling pattern practitioners merekomendasikan untuk mempertahankan sebuah connected identity consistent — ini tidak sebuah terdokumentasi Google atau AI-provider requirement, dan menggunakan ini tidak jaminan sebuah peringkat, panel, atau citation effect. Isolated schema blocks untuk yang sama entities berfungsi too; sebuah connected graph adalah tentang membuat maintenance dan consistency easier, tidak unlocking sebuah fitur.

server-render Anda schema — jangan assume apa pun crawler berjalan Anda JS

ini adalah sebuah teknis mistake itu dapat silently sink jika tidak-baik entity berfungsi, dan ini adalah worth menjadi precise tentang apa sebenarnya terdokumentasi alih-alih repeating sebuah blanket claim. Google explicitly documents rendering JavaScript-generated structured data untuk Penelusuran. Apakah sebuah diberikan AI crawler — GPTBot, ClaudeBot, PerplexityBot, atau apa pun lainnya named provider — executes JavaScript adalah provider- dan versi-spesifik, dan ini perubahan di atas time; I jangan memiliki saat ini, per-provider utama documentation untuk assert sebuah universal “AI crawlers jangan jalankan JavaScript” (terjemahan) “AI crawler jangan jalankan JavaScript” aturan, dan I’d rather kirim Anda untuk verify saat ini perilaku yourself (sebuah dated fetch test terhadap provider Anda care tentang) daripada repeat sebuah unverified generalization.

safe, provider-agnostic move either cara: treat server-dirender schema di awal HTML sebagai robust baseline. jika sebuah crawler Anda’re targeting turns out tidak untuk render JavaScript, hanya server-delivered schema adalah guaranteed terlihat untuk ini; jika ini melakukan render JS, server-rendering costs Anda tidak ada apa pun. periksa Anda sameAs dan @graph di mentah HTML respons (tidak hanya dirender DOM) so Anda know apa sebenarnya menjadi disajikan sebelum apa pun rendering langkah.

So apa melakukan Anda sebenarnya melakukan?

ini adalah practitioner guidance — sebuah cara I temukan berguna untuk organize berfungsi, tidak sebuah terdokumentasi AI-sistem scoring model. I think tentang ini sebagai three layers: identity, relationships, dan independently verified corroboration.

Identity. Nail Anda entity home — satu canonical halaman, Organization/Person schema server-dirender sebagai robust baseline, dan accurate sameAs. pertahankan NAP (name/address/phone) dan deskripsi consistent di mana-mana, including Anda Google Business Profile jika Anda’re local — sebuah well-terdokumentasi Google data sumber, bahkan though I dapat’t konfirmasi ini adalah utama local sumber untuk setiap AI sistem.

Relationships. Connect Anda entities — sameAs untuk Wikidata (dan Wikipedia jika Anda’re notable), sebuah @graph linking Organization, Person, dan Article di mana ini helps Anda pertahankan hal consistent. di Anda konten, cover entities dan relationships Anda readers sebenarnya perlu dijelaskan — jangan chase sebuah Cloud Natural Language salience score sebagai jika ini adalah sebuah peringkat input; salience mendeskripsikan bagaimana sebuah document-analysis API scores sebuah piece dari text, tidak sebuah terdokumentasi Google Search atau AI-citation peringkat factor.

Corroboration. layer itu moves needle sebagian besar di my experience — earn genuine ketiga-party mentions dan sebuah nyata YouTube presence, karena itu (tidak tautan alone) adalah strong sinyal dari apakah AI memiliki independent, corroborated confidence Anda’re siapa Anda say Anda adalah. sebagai I’ve mengatakan tentang AI era, “SEO itself hasn’t drastically changed, but getting good results may now require closer collaboration with other teams like PR and partnerships.” (terjemahan) “SEO itself hasn’t drastically changed, tetapi getting baik hasil dapat now memerlukan closer collaboration dengan lainnya tim like PR dan partnerships.”

AI summary

sebuah condensed take pada Advanced versi:

• Entity = sebuah hal sebuah machine dapat uniquely identify (brand, person, product). Entity SEO membuat itu identification confident dan unambiguous so AI dapat cite Anda.
• Entity SEO adalah practitioner terminology, tidak sebuah named Google peringkat sistem — “itu entity identification part adalah lebih pada Google’s end daripada ours” (terjemahan) “ entity identification bagian adalah lebih pada Google’s end daripada ours” — tetapi untuk AI weighting shifts toward disambiguation + corroboration.
• ** graf pengetahuan reportedly went melalui sebuah besar clarity cleanup di June 2025** (per ketiga-party reporting, tidak restated di sini di tepat figures). Google mengonfirmasi graf pengetahuan feeds Penelusuran fitur like panels; sebuah direct, cross-product tautan untuk setiap AI surface’s eligibility tidak sesuatu I dapat back dengan utama documentation, so ini adalah treated sebagai sebuah plausible baca, tidak confirmed fact.
• Sinyal hierarchy untuk AI visibilitas (directional, tidak tepat): di Ahrefs research, branded web mentions dan YouTube presence correlated dengan AI-visibilitas metrics noticeably lebih strongly daripada backlinks melakukan — correlation, tidak causation. Tepat coefficients adalah di ditautkan studies, tidak restated di sini pending independent verification.
• Anda dapat’t fake ini: sebuah independent experiment seeding fictional experts ke press artikel ditemukan essentially Tidak resulting AI citations. Independently corroborated sources penting; sebagian besar AI jawaban muncul untuk lean pada ketiga-party sources alih-alih brand-published ones.
• Schema adalah sebuah indirect lever: sebuah observational study dari halaman menambahkan JSON-LD ditemukan Tidak jelas positive lift di AI citation volume. Schema’s nilai adalah disambiguation dan correct pengindeksan, tidak sebuah citation button.
• jangan overclaim JS trap: apakah sebuah diberikan AI crawler executes JavaScript adalah provider-spesifik dan perubahan di atas time — ada Tidak verified universal aturan. server-rendering schema adalah masih robust baseline regardless.
• melakukan: entity home + server-dirender Organization/Person schema sebagai robust default, accurate sameAs untuk Wikidata/Wikipedia (berguna, tidak diperlukan), consistent NAP + Google Business Profile, dan earn nyata ketiga-party mentions + YouTube presence.

Dokumentasi resmi

Utama-sumber documentation pada entities, graf pengetahuan, dan entity structured data.

Google — graf pengetahuan & entities

• Introducing graf pengetahuan: hal, tidak strings (2012) — Amit Singhal’s launch post; “things, not strings” (terjemahan) “hal, tidak strings” framing.
• graf pengetahuan Penelusuran API — “lets you find entities in the Google Knowledge Graph” (terjemahan) “lets Anda temukan entities di Google graf pengetahuan”; mengembalikan schema.org JSON-LD, 20+ entity jenis, KG IDs (kg:/m/...), dan sebuah resultScore.
• Cloud Natural Language API — Entity — official entity definition dengan name, type, salience (0–1,0), metadata, mentions, dan sentiment.
• Entity Salience Task (Google Research, EACL 2014) — foundational paper establishing entity salience sebagai sebuah distinct NLP task.

Google — entity data terstruktur

• Organization data terstruktur — Tidak diperlukan properties; disambiguate melalui sameAs, iso6523Code, naics, legalName.
• Profile halaman data terstruktur — ProfilePage dengan mainEntity (Person/Organization) untuk pertama-hand creator profiles.
• Bagaimana knowledge panels adalah dibuat — panels adalah “created automatically… when there is enough information available on the open web.” (terjemahan) “dibuat secara otomatis… ketika ada cukup informasi tersedia pada open web.” Tidak manual submission.

Microsoft / Bing

• Bing data terstruktur / markup mendukung — schema untuk products, events, recipes, artikel, videos; Copilot dapat incorporate knowledge-graph dan structured-data sinyal ketika tersedia.

Quotes dari sumber

pada—record statements dari penelusuran representatives dan Google’s own materials.

Google — graf pengetahuan

• “an intelligent model—in geek-speak, a ‘graph’—that understands real-world entities and their relationships to one another: things, not strings.” (terjemahan) “sebuah intelligent model—di geek-speak, sebuah ‘graph’—itu understands dunia nyata entities dan mereka relationships untuk satu lainnya: hal, tidak strings.” — Amit Singhal, lalu-SVP Engineering, Google (2012). Sumber

Google Cloud Natural Language — apa sebuah entity adalah

• sebuah entity adalah “a phrase in the text that is a known entity, such as a person, an organization, or location,” (terjemahan) “sebuah phrase di text itu adalah sebuah known entity, such sebagai sebuah person, sebuah organization, atau location,” assigned sebuah salience score untuk -nya “importance or centrality… to the entire document text.” (terjemahan) “importance atau centrality… untuk entire document text.” — Google Cloud Natural Language API reference. Sumber

John Mueller, Google — sameAs dan KG IDs

• Mueller advises terhadap menggunakan graf pengetahuan ID URLs untuk sameAs karena “that ID might change” (terjemahan) “itu ID mungkin perubahan” — prefer stable URLs (Wikipedia, Wikidata, social profiles). Coverage

John Mueller, Google — schema dan LLMs

• “Some features thrive with structured data… Pricing, shipping, availability for shopping is basically impossible to read in high fidelity & accurately from a text page, for example.” (terjemahan) “beberapa fitur thrive dengan data terstruktur… Pricing, shipping, availability untuk shopping adalah basically impossible untuk baca di tinggi fidelity & accurately dari sebuah text halaman, misalnya.” (Mueller memiliki repeatedly noted data terstruktur adalah tidak sebuah direct peringkat factor.) Coverage

Patrick Stox, Ahrefs — entity identification adalah Google’s job

• “The entity identification part is more on Google’s end than on our end.” (terjemahan) “ entity identification bagian adalah lebih pada Google’s end daripada pada kami end.” Sumber

Entity SEO checklist

sebuah lulus untuk membuat Anda entity unmistakable untuk mesin pencari dan AI:

• Entity home chosen (homepage atau tentang halaman) dengan menyelesaikan Organization JSON-LD: name, url, logo, description, dan sebuah stable @id.
• Schema adalah server-dirender di mentah HTML alih-alih injected hanya oleh Google Tag Manager atau client-side JS — robust baseline regardless dari yang crawler Anda believe render JavaScript, since itu’s provider- dan versi-spesifik dan tidak sesuatu untuk assume either cara.
• sameAs poin untuk stable external references (Wikidata, Wikipedia, LinkedIn, Crunchbase, socials) — tidak pernah sebuah graf pengetahuan ID URL.
• Wikidata entry dibuat/claimed di mana relevant (rendah barrier; sebuah berguna, tidak diperlukan, reference several sistem adalah reported untuk draw pada).
• Wikipedia pursued hanya setelah genuine notability (independent coverage) ada — tidak pernah self-tulis sebuah promotional halaman.
• deskripsi dan NAP (name/address/phone) adalah identical di seluruh setiap profile, directory, dan Anda situs.
• Google Business Profile fully selesai jika Anda’re sebuah local business — sebuah well-terdokumentasi Google local-data sumber worth getting right.
• Person / ProfilePage schema untuk authors, dengan sameAs, jobTitle, affiliation, ditautkan ke sebuah @graph dengan Organization dan Article.
• Active plan untuk earn tinggi-authority ketiga-party mentions (PR, partnerships, editorial) — strongest AI-visibilitas lever, tidak tautan volume.
• YouTube presence di place — satu dari strongest off-situs sinyal kami’ve diukur di Ahrefs correlation research.
• Schema validated sebelum publish (double-periksa sameAs, @id — satu typo dapat misattribute kepemilikan).

Entity sinyal — cheat sheet

Sinyal diperingkatkan directionally oleh correlation dengan AI visibilitas (Ahrefs studies — tepat coefficients withheld di sini pending independent verification; see ditautkan studies untuk figures)

Mentions vs. tautan: branded web mentions correlated dengan AI Overview visibilitas meaningfully lebih strongly daripada backlinks melakukan di underlying study — correlation, tidak causation, dan tepat ratio adalah di sumber study alih-alih restated di sini.

Disambiguation quick aturan

• Entity home + Organization JSON-LD dengan stable @id.
• sameAs → Wikidata, Wikipedia, LinkedIn, socials (berguna references, tidak requirements). tidak pernah kg:/m/... (ini perubahan).
• Identical name / deskripsi / NAP di mana-mana.

Hard truths

• Schema ≠ citations. sebuah observational study dari halaman menambahkan JSON-LD ditemukan Tidak jelas positive lift di AI citation volume. Schema’s job adalah disambiguation, tidak citation-getting.
• dapat’t fake consensus. sebuah independent experiment seeding fictional experts ke press coverage ditemukan essentially Tidak resulting AI citations. Independent corroboration penting; self-published konten alone rarely carries sebuah brand ke sebuah AI jawaban.
• jangan assume “AI crawlers don’t run JS” (terjemahan) “AI crawler jangan jalankan JS” sebagai sebuah universal aturan. ini adalah provider-spesifik dan perubahan di atas time. server-render schema sebagai robust default regardless.
• Platforms diverge. Cross-platform citation overlap (Google, ChatGPT, Perplexity) adalah limited — treat entity SEO sebagai sebuah multi-platform exercise.

entity authority kerangka kerja

ini adalah sebuah practitioner kerangka kerja — sebuah berguna cara I organize entity SEO berfungsi, tidak sebuah terdokumentasi AI-sistem scoring model atau sebuah set dari peringkat requirements. ini borrows sebuah three-bagian structure practitioners di ini space deskripsikan: Recognition → Relationships → Corroboration. (Entity authority adalah “itu degree untuk yang penelusuran sistem recognize Anda brand sebagai a credible, well-corroborated sumber pada a specific entity” (terjemahan) “ degree untuk yang penelusuran sistem recognize Anda brand sebagai sebuah credible, well-corroborated sumber pada sebuah spesifik entity” — sebuah practitioner definition, tidak sebuah Google istilah.)

1. Recognition — dapat machine identify Anda di semua? disambiguation layer. adalah Anda identity declared setelah pada Anda entity home dengan sebuah stable @id, dan adalah Anda name / deskripsi / NAP consistent di mana-mana? Ambiguous atau inconsistent sinyal plausibly membuat ini harder untuk AI sistem untuk confidently cite sebuah entity, though I jangan memiliki sebuah terdokumentasi mechanism guaranteeing itu connection untuk setiap provider.

2. Relationships — melakukan ini memahami bagaimana Anda connect? graph layer. sameAs ties Anda schema untuk authoritative external records sebagai sebuah berguna practitioner pattern (tidak sebuah requirement); @graph linking Organization, Person (founders/authors), dan Article entities adalah sebuah modeling convenience untuk mempertahankan them consistent; consistent co-occurrence ties Anda brand name untuk Anda topic di konten itself.

3. Corroboration — melakukan independent sources vouch untuk Anda? trust layer, dan satu Anda dapat’t shortcut. ketiga-party research suggests AI sistem weigh independent, tinggi-confidence sources sebelum asserting sebuah claim confidently, dan itu self-published konten alone rarely carries sebuah brand ke sebuah AI jawaban — so earned media, YouTube presence, dan genuine brand demand melakukan nyata berfungsi di sini. Synthetic consensus (seeded press, bulk tautan) muncul untuk mendapatkan detected dan discarded alih-alih rewarded, per fictional-expert experiment referenced di atas di Advanced lens.

** decision aturan.** Stuck pada AI visibilitas? Diagnose yang layer adalah failing:

• Tidak recognized → perbaiki disambiguation (entity home, consistency, Wikidata).
• Recognized tetapi tidak connected → perbaiki relationships (sameAs, @graph, topical co-occurrence).
• Recognized dan connected tetapi tidak cited → perbaiki corroboration (earn independent mentions).

jangan tambahkan schema dan hope. temukan rusak layer.

Entity SEO mistakes untuk hindari

Treating sameAs sebagai proof

Markup dapat state sebuah identity, tetapi ini cannot manufacture ketiga-party corroboration. gunakan sameAs untuk connect profiles itu genuinely mewakili yang sama entity, lalu membuat names, deskripsi, dan facts pada itu profiles consistent.

membuat identifiers untuk wrong entity

sebuah similarly named company, person, atau product adalah tidak sebuah shortcut. Konfirmasi entity’s attributes dan relationships sebelum linking Wikidata, Wikipedia, social, atau directory profiles.

Penerbitan entity sinyal hanya melalui client-side JavaScript

Apakah sebuah diberikan AI crawler renders JavaScript adalah provider-spesifik dan tidak sesuatu untuk assume either cara. Put identity statement, core facts, tautan, dan data terstruktur di server-delivered HTML so Anda’re covered regardless.

Optimizing mentions tanpa memperbaiki ambiguity

Lebih coverage dapat reinforce wrong interpretation ketika brand name adalah shared. Lead dengan sebuah stable name, category, location atau market, official URL, dan distinguishing relationships.

umum entity SEO masalah

hasil pencarian confuse brand dengan lainnya entity

Symptom: Panels, summaries, atau citations mix namesakes. mungkin penyebab: Weak atau conflicting disambiguation sinyal. Perbaiki: Align official situs, organization markup, authoritative profiles, dan ketiga-party deskripsi sekitar yang sama defining facts; lalu recheck tepat ambiguous kueri.

sebuah Knowledge Panel ada tetapi berisi sebuah wrong fact

Symptom: panel identifies right entity tetapi menampilkan outdated atau incorrect informasi. mungkin penyebab: Google dipilih sebuah conflicting sumber. Perbaiki: Claim panel ketika eligible, correct pertama-party sumber, suggest sebuah edit dengan evidence, dan repair inconsistent corroborating profiles.

data terstruktur validates tetapi entity understanding melakukan tidak meningkatkan

Symptom: Schema alat lulus sementara brand tetap unrecognized atau confused. mungkin penyebab: Validation proves syntax, tidak dunia nyata identity atau authority. Perbaiki: Audit independent mentions dan identity consistency alih-alih menambahkan lebih properties tanpa evidence.

Prompts untuk entity audits

Audit these first-party and third-party descriptions of one organization. Extract the
name, aliases, category, location or market, founding facts, people, products, official
URL, and sameAs identifiers from each source. Return a contradiction table, likely
namesake collisions, facts supported by multiple independent sources, and facts that
must not be asserted yet. Do not merge similarly named entities without evidence.

[paste source excerpts and URLs]

Review this Organization JSON-LD against the visible page content and the supplied
official profiles. Flag unsupported claims, wrong entity links, duplicate identifiers,
and useful missing disambiguation properties. Return corrected JSON-LD using only facts
present in the inputs, followed by a verification checklist.

[paste JSON-LD, page excerpt, and profile list]

Entity sinyal extraction snippets

List sameAs nilai di Chrome DevTools

Jalankan di Console pada entity’s official halaman:

[...document.querySelectorAll('script[type="application/ld+json"]')].flatMap(el => {
  try { const data = JSON.parse(el.textContent); return (Array.isArray(data) ? data : [data]).flatMap(item => item.sameAs || []); }
  catch { return []; }
})

temukan identity tautan di sebuah crawl extraction

gunakan ini case-insensitive regular expression terhadap JSON-LD sumber. Capture group 1 berisi sameAs array untuk review:

"sameAs"\s*:\s*(\[[\s\S]*?\])

Bandingkan server HTML dengan dirender DOM

Fetch respons sebelum relying pada browser output:

curl -sS https://example.com/about/ | grep -Eio 'application/ld\+json|sameAs|Organization'

periksa adalah dengan sengaja sederhana: jika identity sinyal muncul hanya setelah rendering, move them ke server-delivered document.

alat untuk entity SEO

• Entity Coverage Analyzer: Inventory entities dan relationships sebuah halaman status dengan jelas, lalu temukan penting gaps.
• Google graf pengetahuan Explorer: periksa apakah Google resolves sebuah name untuk sebuah distinct entity dan inspect identifiers tanpa treating sebuah hasil sebagai sebuah jaminan dari sebuah panel.
• Schema Markup Validator: Validate Organization, Person, Product, dan sameAs markup setelah confirming underlying facts.
• hasil pencarian dan Knowledge Panels: Test branded dan ambiguous kueri di bersih sessions untuk see yang entity interpretation surfaces.
• sebuah crawler dengan custom extraction: Bandingkan entity markup, names, official URLs, dan profile tautan di seluruh templates di scale.

Validate sebuah entity SEO perubahan

Test server-terlihat identity sinyal

Test untuk jalankan: Fetch halaman tanpa JavaScript dan inspect identity statement, official tautan, dan JSON-LD. Yang diharapkan hasil: defining facts dan structured data adalah present di respons. Failure interpretation: AI crawler itu melakukan tidak render cannot menerima perubahan. Monitoring window: Immediate. Rollback trigger: sebuah rilis moves core identity sinyal behind client rendering.

Test identifier consistency

Test untuk jalankan: Bandingkan official situs’s sameAs nilai dan key facts dengan setiap ditautkan profile. Yang diharapkan hasil: setiap URL mewakili yang sama entity dan agrees pada stable defining facts. Failure interpretation: graph berisi conflicting atau salah edges. Monitoring window: Immediate setelah profile atau schema perubahan. Rollback trigger: apa pun identifier resolves untuk sebuah namesake atau unrelated entity.

Test ambiguous-kueri disambiguation

Test untuk jalankan: Recheck spesifik branded kueri itu previously mixed entities, recording hasil dan cited sources. Yang diharapkan hasil: yang dimaksud entity adalah distinguishable oleh category, market, URL, dan relationships. Failure interpretation: Corroboration tetap insufficient atau contradictory. Monitoring window: setelah recrawl dan sumber refresh; tidak immediate. Rollback trigger: baru copy increases confusion atau asserts sebuah fact sumber set melakukan tidak mendukung.

mengukur entity clarity

Entity consistency rate

Metric: Share dari audited pertama- dan ketiga-party profiles agreeing pada entity’s stable defining facts. Apa ini tells Anda: Apakah sistem menerima satu coherent identity. cara pull ini: Maintain sebuah sumber inventory dan bandingkan name, category, official URL, location atau market, dan key relationships. Benchmark / realistic range: Target Tidak material contradictions; angka dari profiles needed bergantung pada entity. Cadence: Quarterly dan setelah rebrands.

Ambiguous-kueri accuracy

Metric: Share dari sebuah fixed branded-kueri set itu resolves untuk yang dimaksud entity tanpa namesake mixing. Apa ini tells Anda: Apakah disambiguation berfungsi di surfaces itu penting. cara pull ini: Jalankan sebuah terdokumentasi kueri set di seluruh Penelusuran dan dipilih AI sistem, saving outputs dan citations. Benchmark / realistic range: Establish sebuah baseline per kueri; sistem vary dan Tidak universal percentage adalah defensible. Cadence: Monthly.

Corroborated fact coverage

Metric: penting entity facts didukung oleh official sumber plus setidaknya satu appropriate independent sumber. Apa ini tells Anda: Yang claims memiliki evidence beyond self-assertion. cara pull ini: sebuah fact-untuk-sumber matrix. Benchmark / realistic range: Prioritize menyelesaikan mendukung untuk identity-defining facts alih-alih maximizing setiap opsional property. Cadence: Quarterly.

Uji pemahaman Anda: Entity SEO

Resources worth Anda time

My related writing & research (Ahrefs)

• AI Overview brand-visibilitas correlations (75K brands) — sumber study untuk mentions-vs.-backlinks correlation angka referenced di atas.
• AI brand-visibilitas correlations di seluruh semua three platforms — YouTube-sinyal correlation dan platform divergence, dengan tepat figures.
• melakukan mentions pada highly ditautkan halaman influence AI mentions? — Brand-Radar study behind “Google favors brands.” (terjemahan) “Google favors brands.”
• Semantic SEO (Despina Gavoyannis, reviewed oleh me) — topical-authority side dari entity berfungsi.

My speaking

• GEO / AEO / LLMO — apa dengan semua ini AI Stuff (Ahrefs Evolve 2025) — my deck pada AI penelusuran, data, dan apa perubahan. (Standing disclaimer applies: ini adalah my understanding dari ini sistem, tidak gospel.)

dari others

• Schema markup dan AI citations (Louise Linehan & Xibeijia Guan, Ahrefs) — JSON-LD study menunjukkan schema tidak sebuah citation lever, dengan dataset dan tepat percentages.
• Entity SEO: Berhenti Overcomplicating Hal (Ahrefs, Si Quan Ong) — “entity SEO adalah sekadar SEO” (terjemahan) “entity SEO adalah hanya SEO” position; sebuah colleague’s guide quoting Patrick.
• Google graf pengetahuan dijelaskan dan Schema markup guide (Ahrefs, Despina Gavoyannis dan colleagues) — foundations (dan Ryan Law’s sameAs cautionary tale).
• Google’s great clarity cleanup: graf pengetahuan dan AI future — Jason Barnard (Kalicube) pada June 2025 graf pengetahuan contraction, dengan tepat figures.
• Breaking konten & SEO silos untuk bangun entity authority di AI penelusuran — Lang Ploszek (Victorious) pada Recognition / Relationships / Corroboration.
• Entity consensus research — “volume tanpa independence fails” (terjemahan) “volume tanpa independence fails” experiment pada synthetic consensus, dengan study’s methodology dan figures.
• Entity authority dan AI penelusuran visibilitas (mesin pencari Land, Benu Aggarwal) — practical breakdown dari bagaimana entity authority translates ke AI penelusuran presence.
• Schema markup dan AI penelusuran — Tidak hype (mesin pencari Land) — sober lihat apa data terstruktur sebenarnya melakukan (dan tidak melakukan) untuk AI citations.
• Apa kami know tentang impact dari Wikipedia pada ChatGPT hasil pencarian (ALLMO) — Wikipedia’s reported share dari ChatGPT citations dan Wikimedia’s enterprise licensing deals dengan AI providers, dengan sumber figures.
• 2025 AI citation & LLM visibilitas report (Digital Bloom) — platform-oleh-platform citation patterns: Google AI Overview vs. ChatGPT vs. Perplexity, dan cross-platform overlap findings.
• sameAs versus knowsAbout di schema.org (akan Scott) — teknis pembedaan antara declaring identity equivalence vs. topical expertise di schema.

Log perubahan