實體與知識圖譜：AI 眼中的「你是誰」

AI 為什麼需要「實體」而不是關鍵字？

傳統搜尋匹配字串，AI 引擎匹配的是實體：一個有名字、有屬性、有關係的對象。當用戶問「某某公司可靠嗎」，引擎要先確認「某某公司」這個實體存在、屬性是什麼，再合成答案。確認的依據是跨信源一致性：官網說成立於 2012 年，目錄說 2010 年，社群資料又是另一個地址——這種實體在四段流水線的落地驗證關就會被扣分（見 引擎工作原理）。

如何建立一致的事實錨點網路？

1. 定版實體卡：先把品牌的中英文名、別名、成立時間、地址、電話、主營業務寫成一份「唯一事實來源」文件，全公司對外口徑以此為準。
2. 官網 Schema 錨定：Organization 標註寫全 name、alternateName、foundingDate、address，並用 sameAs 指向所有官方帳號與權威檔案頁。
3. 逐站校準：Google 商家資料、Bing Places、行業目錄、社群帳號，逐字對齊——NAP（名稱／地址／電話）一個標點都別差。
4. 雙向印證：官網用 sameAs 指出去，第三方檔案盡量連回官網，形成互相背書的閉環。
5. 多語言名稱管理：中文名、英文名、品牌羅馬字用 alternateName 同時聲明，多語站點用 hreflang 互聯（見 多語站點 GEO）。

知識圖譜是什麼角色？

Google 知識圖譜、維基數據這類公開知識庫是 AI 引擎的高權重實體參照。進入它們不靠付費，靠真實的權威記載：媒體報導、行業收錄、公開資料。實體工程與信源圖譜是一體兩面：前者管「事實一致」，後者管「哪裡有你」。

常見坑

最常見的是「改名不同步」：品牌升級後官網改了名，目錄與社群還是舊名，AI 答案開始混用甚至判成兩家公司。其次是地址格式自由發揮——「台北市中正區…」與「臺北市中正區…」對人是小事，對機器是兩個字串。修正方法很樸素：一份定版文件，逐站核對，改完留檔。