Knowledge graph

Hoe werkt een knowledge graph?

Een knowledge graph bestaat uit drie bouwstenen: knooppunten, randen en eigenschappen. Knooppunten zijn de entiteiten zelf, zoals personen, plaatsen, bedrijven of concepten. Randen zijn de relaties daartussen, bijvoorbeeld "heeft ontwikkeld" of "koopt van". Eigenschappen zijn extra informatie bij een entiteit, zoals een geboortedatum of inwoneraantal.

Neem als voorbeeld de entiteit Albert Einstein, de relatie "heeft ontwikkeld" en de entiteit relativiteitstheorie: zo'n drietal van onderwerp, relatie en object maakt de betekenis machine-leesbaar, oftewel: een computer begrijpt het direct, zonder de tekst eerst te hoeven interpreteren.

Traditionele zoekmachines matchen vooral trefwoorden; een knowledge graph legt daarnaast vast hoe begrippen inhoudelijk met elkaar samenhangen, waardoor een systeem betekenis kan afleiden in plaats van alleen tekst te vergelijken.

Wat is de Google Knowledge Graph?

De Google Knowledge Graph is de database met gestructureerde data waarmee Google sinds 2012 de relaties tussen mensen, plaatsen, dingen en concepten beschrijft. Hiermee verschoof Google van simpel woorden matchen naar entity-based search: zoeken op basis van wie of wat iets is, in plaats van op losse zoekwoorden. Zo kan Google bijvoorbeeld onderscheid maken tussen Apple het merk en apple het fruit.

Voor de lancering matchte Google zoekresultaten vooral op de letterlijke tekst van een zoekopdracht, zonder de entiteit erachter te herkennen. Met de Knowledge Graph kan Google in plaats daarvan direct een feit tonen, zoals de oprichtingsdatum van een bedrijf, zonder dat een gebruiker daarvoor eerst een website hoeft te bezoeken. De Google Knowledge Graph voedt het kennispanel (het informatieblok rechts naast de zoekresultaten) en draagt bij aan rich snippets (verrijkte zoekresultaten met extra details) en directe antwoorden.

Wat betekent een knowledge graph voor SEO?

Wanneer Google jouw merk of organisatie als entiteit herkent, vergroot dat je zichtbaarheid en versterkt het je E-E-A-T-signalen: de mate waarin Google jouw bedrijf inschat als ervaren, deskundig, gezaghebbend en betrouwbaar. Google bouwt de graph op uit bronnen als schema markup (code op je website die aan Google vertelt wat je content betekent), Wikipedia, Wikidata (een soort database-versie van Wikipedia) en je Google-bedrijfsprofiel.

Consistente bedrijfsdata over je website, profiel en social media is daarom cruciaal: tegenstrijdige gegevens maken het voor Google lastiger om jouw bedrijf als één betrouwbare entiteit te herkennen. Vermeld bijvoorbeeld consequent dezelfde bedrijfsnaam, hetzelfde adres en dezelfde openingstijden op je website, in je Google-bedrijfsprofiel en op social media: een afgekorte straatnaam op de ene plek en de volledige naam op de andere kan al voorkomen dat Google de gegevens aan elkaar koppelt.

Ook voor AI is dit relevant: een knowledge graph geeft AI-modellen context over hoe entiteiten samenhangen, wat de kans verkleint dat een AI-model foutieve informatie verzint (een zogeheten hallucinatie). Gekoppeld aan een vectordatabase (een ander soort AI-geheugen, dat werkt op basis van gelijkenis tussen teksten) helpt de graph AI beter begrijpen hoe dingen met elkaar verbonden zijn. Voor GEO, het optimaliseren van je content zodat AI-systemen die goed citeren, is dit een directe hefboom: content die wordt gelezen als onderdeel van een herkenbare entiteit, heeft een grotere kans om door AI-systemen correct geciteerd te worden.

Wil je dat jouw bedrijf als entiteit wordt herkend door Google en AI-systemen? Bekijk onze GEO-dienst.