知識圖譜（Knowledge Graph）是 Google 用來理解「事物」與事物之間關係的實體知識庫，也是搜尋從「字串比對」走向「實體理解」的底層地基。它 2012 年上線，背後那句「things, not strings」成了搜尋引擎改用實體而非字串看世界的標誌。如果你正在做實體 SEO，知識圖譜就是你設法把自己的品牌與內容「塞進去」的那張網。
很多人聽過知識圖譜，卻把它跟結構化資料、知識面板，甚至資料科學裡那個同名概念全攪在一起。這幾個其實是不同層次的東西，先把層次分清楚，後面才不會越看越亂。
TL;DR：重點先看
知識圖譜（Knowledge Graph）是 Google 內部的實體知識庫，把人、地、組織、事物、概念串成可理解的關係網。
2012 年 5 月上線時就含超過 5 億個實體與 35 億以上事實與關係，根據 Google 官方部落格，之後持續擴張。
它驅動了知識面板與複合式搜尋結果，也被認為是 AI Overviews 組答案時用來錨定實體的基礎之一。
你無法直接編輯它，只能透過結構化資料、sameAs、Wikidata 這類「可被它吸收」的方式去影響。
文章目錄
知識圖譜是什麼：把「事物」而不是「字串」建檔
把知識圖譜想成 Google 腦中一座巨大的戶政事務所。傳統的索引是把網頁上的「字串」建檔，方便你輸入關鍵字時比對；知識圖譜則是把真實世界裡的「東西」建檔，像「台北 101」是一個實體，它有高度、啟用年份、所在地址，而且跟「信義區」「購物中心」「李祖原」都有關係。這些實體與關係串起來，就是一張網。
差別在於「認字」還是「認人」。字串比對像只看身分證號碼、不認臉的警衛，你輸入什麼詞就找含那個詞的網頁；實體理解像記得住每個住戶長相與親戚關係的里長伯，知道你問的是哪個「東西」、那個東西是什麼、又跟誰有關。這也是為什麼你搜一個名字，右邊會冒出一張資訊卡，因為 Google 知道你問的不是字串，而是那個人或那家公司。
這裡要先把一個最容易踩的坑分開。「知識圖譜」在資料科學與 AI 領域是一個通用技術名詞，指的是把知識用實體與關係表達出來的資料結構，維基百科的知識圖譜條目講的主要是這個廣義概念。本篇談的，是Google 那一座知識圖譜，也就是驅動 Google 搜尋、專屬於 Google 的實體知識庫。兩者血緣相近，但不是同一件事，搞混了會把方向整個帶偏。
理解這層差異，等於拿到進入 語意搜尋世界的鑰匙。Google 不再只看你頁面上有哪些詞，而是看你頁面描述的那個「主題」對應到哪些實體、那些實體又跟誰相連。
知識圖譜、結構化資料、知識面板，到底差在哪？
這三個詞被混用的頻率高得嚇人，但它們其實是三個不同層次。用一句話分：知識圖譜是背後的資料庫，結構化資料是你餵資料庫的輸入方式，知識面板是資料庫顯示出來的畫面。
| 名稱 | 是什麼 | 誰控制 |
|---|---|---|
| 知識圖譜 | Google 內部的實體資料庫，把事物與關係建檔 | Google（你只能影響，不能直接編輯） |
| 結構化資料 | 你寫在網頁上的標記（Schema.org），用來「餵」搜尋引擎 | 你（網站擁有者） |
| 知識面板 | 搜尋結果右側那張含照片、簡介的資訊卡 | Google 決定要不要顯示 |
換成比喻會更好記。結構化資料像你幫自己的內容貼上的識別證，告訴 Google「這是組織、那是文章、作者是誰」；知識面板像 Google 看懂你之後、願意幫你印出來擺在櫥窗的那張名片；而知識圖譜，就是決定這張名片要不要印、印什麼內容的那個背後資料庫。一個是輸入、一個是輸出、一個是兩者之間的引擎。
以一個品牌為例會更具體：你在網站放上 Organization 標記，標明「這是一家公司、創辦人是誰、社群帳號在哪」，這是結構化資料；Google 把這份標記連同維基與媒體報導一起消化、收進它的實體資料庫，這是知識圖譜；當你搜尋品牌名、右側冒出一張含標誌與簡介的卡片，那就是知識面板。三層一條線串下來，但你只直接控制最前面的那一個。
順帶一提，知識面板常被跟精選摘要（featured snippet）搞混。精選摘要是你網頁裡的一段內容被 Google 直接摘出來、放在結果最上方的那個框；知識面板則是 Google 對某個實體自己整理出來的資訊卡。一個摘你的話、一個秀它對你的認識，來源完全不同（想了解精選摘要怎麼運作，可看〈Google 精選摘要）。
也因為這樣，錨點文字與命名一致在這裡格外重要。你網站上、各平台上的「你」若名字寫法、描述前後不一，等於交給戶政事務所好幾份互相打架的身分資料，結果被併錯、或根本認不出是同一個人的機率就大增。
Google 從 2012 年開始用知識圖譜理解世界
知識圖譜不是這兩年才有的新玩意。2012 年 5 月，Google 發表〈Introducing the Knowledge Graph: things, not strings〉，由當時的搜尋主管 Amit Singhal 宣告搜尋要開始「理解事物，而不是字串」。上線當時這張圖譜就含有超過 5 億個實體與 35 億以上的事實與關係，資料來源包括 2010 年收購 Metaweb 取得的 Freebase、Wikipedia 與 CIA World Factbook，之後持續擴張。
這個方向一路延伸到今天。2013 年的 Hummingbird 把語意搜尋帶進排序，2015 年 RankBrain、2019 年 BERT，到近年的 AI Overviews，背後都是同一條線：先把查詢對應到實體，再用實體的屬性與關係組答案。知識圖譜，就是這條線的地基。
早期的主要資料來源 Freebase，則在 2014 年宣布停止更新、逐步關閉，把資料移轉給 Wikimedia 基金會的 Wikidata，這段過程記錄在 Google Research 的〈From Freebase to Wikidata: The Great Migration〉。這也說明了為什麼 Wikidata 在實體 SEO 裡地位特別重，因為它是知識圖譜目前公認最重要的公開資料來源之一。
說白了，讓搜尋引擎看懂你這件事，從 2012 年就一直是 Google 的主旋律，知識圖譜只是把這個主旋律正式譜成曲的那一步。理解 Google 搜尋的運作方式，會發現「實體」這個觀念早就滲透在檢索、索引、排名的每個環節。
知識圖譜的資料從哪裡來？
知識圖譜不是憑空生出來的，它的資料主要有幾個來源。一是公開的知識庫，像 Wikidata、Wikipedia、CIA World Factbook，這些是 Google 一開始就大量吸收的基底；二是網路本身，Google 一邊爬網頁，一邊把網頁裡描述的人事物收進圖譜；三是結構化資料，也就是網站主動用 Schema.org 標記餵進去的內容。
你可以把它想成一座參考書庫。Wikipedia 與 Wikidata 是那幾本大家都翻的通用百科，Google 隨時翻、隨時抄；結構化資料則是你自己遞進去的專屬資料卡，能不能被採納、會不會跟別人的資料打架，要看你寫得清不清楚、跟其他來源一不一致。
這就牽涉到一個觀念：知識圖譜重視「可被多方驗證的一致指認」。當 外部權威來源、媒體報導、外部連結都把同一個品牌描述成同一個樣子，Google 對那個實體的信心就高；反之，若各處說法不一，信心就低。這也是為什麼開放知識格式（如 OKF 開放知識格式）與一致的結構化標記，對實體被正確收錄有實質幫助。
知識圖譜在搜尋結果怎麼出現
知識圖譜平常你看不到它本身，但會看到它「長出來」的東西。最明顯的就是知識面板：你搜一個知名人物、公司、地點，搜尋結果頁右側那張含照片、簡介、關聯項目的資訊卡，就是知識圖譜把那個實體的屬性與關係整理出來的結果。
它也撐起了複合式搜尋結果（rich result），以及 AI 搜尋的答案。當 AI Overviews 或 答案引擎要回應一個問題，它們傾向先把查詢對應到實體，再用實體的屬性與關係組出答案。這個「對應到實體」的動作，背後多半會借重知識圖譜這類結構化知識來錨定實體。
另一個容易忽略的出口是品牌識別。網站名稱與 Sitelinks 怎麼顯示，背後也跟 Google 對「你這個網站實體」的辨識程度有關。當 Google 把你的網站認成一個清楚、可信的實體，它才願意在搜尋結果裡給你更完整的版面。
怎麼知道我的品牌「在不在」知識圖譜裡？
這是很多人最想知道、卻最少中文資料講清楚的事。判斷品牌有沒有被知識圖譜收錄，有幾個實用的觀察點。
- 搜尋品牌名，看有沒有知識面板。右側出現含官方資訊的資訊卡，是最直接的訊號，代表 Google 對你的實體已有相當信心。
- 看搜尋結果的實體關聯。底部出現「相關搜尋」或「其他人也搜尋了」指向同類實體，代表你被放進了一個實體關係網裡。
- 留意 KGMID。KGMID 是 Knowledge Graph Machine ID 的縮寫，可理解為 Google 給每個實體配的「身分證字號」。當你的品牌在某些 Google 服務裡帶得出這組識別碼，基本上就算「在」知識圖譜裡了。
實際想自己確認，可以把這幾個訊號串起來看。先搜尋品牌名，看右側有沒有知識面板；一旦面板出現，等於 Google 已經把你這個實體單獨建檔，背後那組識別碼就是 KGMID。技術取向的話，這組識別碼常以 /m/ 開頭的格式出現（延續自 Freebase 時代的 MID 寫法），你也可以用 Google 的 Knowledge Graph Search API 查某個名字對應的實體，直接看回傳結果裡有沒有你的品牌、屬性正不正確。
要提醒的是，沒有知識面板，不等於完全不在知識圖譜裡。Google 可能已經收錄了你、只是對你的信心還沒高到願意印出那張名片。這中間的差距，往往跟 網域權重與多方來源的指認密度有關，而不是你單方面的標記做得不夠。
換句話說，被收錄是一回事，被信任到顯示是另一回事。後者更接近 搜尋權威的範疇，需要時間與多方訊號累積，急不得。
怎麼讓品牌進到知識圖譜：知識圖譜到底吃哪些訊號
你不能直接打開 Google 的知識圖譜去編輯它，但你可以「餵」它、讓它更容易把你收對。要害在於搞懂它吃哪些訊號：知識圖譜看的從來不是你單方面的自我介紹，而是多個獨立、可信的來源一致地把你看成同一個實體。就像辦貸款要找人作保，你的自我聲明重要，但別人幫你背書的份量往往更重。
- 結構化資料是你的自我介紹。在網站放上 Organization、Person、Article 標記，等於直接告訴知識圖譜的解析器「我是誰、官網與社群在哪」，這是你少數能主動遞出的訊號。
- sameAs 是你遞出的身分辨識卡。它把你官網、社群、Wikidata 的身分指向同一個你，而這正是知識圖譜做實體解析（把分散的「你」合併成一個實體）時實際在讀的欄位。
- Wikidata 是少數你能直接投遞的公開來源。因為它是知識圖譜會吸收的公開資料庫，在那裡維護一筆有來源支撐的資料，是最接近「直接餵知識圖譜」的管道。
- 命名一致，讓實體關係被看見。網站內部用 內部連結與 內部連結最佳化把主題串成關係網，外部爭取權威媒體與同業提及，知識圖譜才看得見你跟誰有關。
這四個動作是讓知識圖譜把你收對的最小組合；至於更完整的實體 SEO 操作（作者實體、外部權威指認、主題叢集串接），見〈實體 SEO〉完整指南。背後那層信任，正是 E-E-A-T（也就是 E-A-T 再加上經驗）談的權威與信任；E-E-A-T 的實戰要點也反覆強調，sameAs 與一致的外部指認是建立實體的關鍵。
把這些動作串起來看，你會發現它跟 主題叢集、叢集內容的邏輯是相通的：都是用結構化的方式，把零散的訊號收攏成一個清楚、可信的主體。差別只在主題叢集面對的是搜尋引擎的「主題理解」，實體 SEO 面對的是「實體理解」，而兩者終究都匯流到知識圖譜這個共同地基。
知識圖譜跟 AI 搜尋有什麼關係？
AI 搜尋興起後，知識圖譜的身價不降反升。原因很直接：生成式答案最怕「講錯實體」，而知識圖譜被認為是 Google 用來錨定實體、降低幻覺的關鍵基礎之一。當 AI Overviews 或 AI 搜尋要回答一個問題，它傾向先確認你問的是哪個實體，再圍繞那個實體的屬性與關係組答案。
這也是為什麼實體 SEO 跟 生成式引擎優化、AI 搜尋優化會被擺在一起談。它們共享同一個底層假設：先被理解為一個清楚實體，才有機會被選進答案裡。而 查詢擴展（query fan-out）那種把一個問題拆成多個子題、分頭找實體與來源的做法，本質上也是實體式檢索的延伸。
於是出現一個務實的結論：與其追逐每一個新的 AI 搜尋名詞，不如把實體地基打穩。這也正是〈Good SEO is good GEO〉那句話的潛台詞，基礎做扎實，比迷信單一技巧更能讓你在傳統搜尋與 AI 搜尋兩頭都站得住。
知識圖譜的限制：不是萬能，也不是公平的
知識圖譜很強，但它有幾道繞不過的門檻。把哪些是你使不上力、哪些是你能施力的看清楚，資源才不會砸錯地方。
第一是覆蓋落差。它對英文世界與知名實體的覆蓋很完整，但對在地的、較新的、或非英文的實體，常常缺漏或併錯。一個本地品牌搜不出知識面板、或被跟別的地區同名實體併在一起，多半就是這個原因。這不是你標記沒做好，而是圖譜本身對本地實體的吸收還沒跟上。
第二是知識面板需要信心門檻。知識面板不是你「做」出來的，而是 Google 對某個實體累積足夠信心時才會出現。信心來自多個獨立、可信的來源一致地指認同一個實體，包括 E-E-A-T 談的權威與信任、Wikidata 與維基條目、媒體報導、穩定的結構化資料。沒有足夠的獨立來源作保，就算圖譜裡有你，也不一定會顯示成面板。
第三是你無法直接編輯它。知識圖譜不是開放讓你登入修改的資料庫，你能做的是「提高被它正確收錄的機率」，而不是保證收錄。所以面對它，務實的態度是把可控制的部分做扎實，搭配 技術 SEO 與 頁面 SEO 的基礎排查，剩下的交給時間與多方來源的累積。這也是為什麼 自然排名與實體收錄一樣，都是長期工程，沒有捷徑。
面對這種覆蓋落差，本地品牌不必只能乾等。你能做的是把英文世界的訊號補齊：在 Wikidata 維護一筆有來源的英文條目、爭取國際媒體或產業權威的提及、用一致的英文名稱讓 Google 容易把你跟國際來源對起來。理由很實際：知識圖譜目前對英文實體的吸收最完整，補上這層訊號確實能提高你被正確收錄的機率。另一個實用點是，如果你的知識面板資訊有誤，Google 其實允許你認領並建議修改，在面板下方點「提出修改建議」或「聲稱這個知識面板」就能提交更正，這是少數你能直接對知識圖譜的輸出插手的管道，雖然最終仍由 Google 審核決定。
知識面板要多久才出現：時間表與業界案例
先說結論：沒有人能給你一個保證的日期。知識面板比較像 Google 對你這個實體累積出足夠信心時，自己決定要印出來的那張名片；它看的從來不是你單方面貼了多少標記，而是別人怎麼一致地指認你。這種累積急不來，所以時間表注定是個範圍，會落在某個區間裡。
這個範圍到底多大？專做知識面板的 Kalicube（創辦人 Jason Barnard 是這個領域最常被引用的實務權威之一）依其平台數據給出的答案是：基本功做完之後，大約 3 週到 3 個月會浮現；Kalicube 也提醒，市面上宣稱一兩週就能讓面板出現的服務多半靠不住。另一家做實體工程的公司 Big House Enterprise 在公開案例裡記錄，六個符合資格的客戶在訊號部署完成後，大約 6 到 8 週內陸續拿到面板。也就是說，這是「週」到「月」級別的累積期，耐住性子把訊號做一致，比盯著日曆等有用。
如果你是實體店家或在地商家，還有一條通常快得多的路：申請 Google 商家檔案（Google Business Profile）。商家檔案會在搜尋結果直接帶出位置、營業時間、評論那張資訊卡，雖然它走的資料管道和知識面板不盡相同，但對本地品牌來說，這是最快在搜尋結果「擁有一張卡」的方法（在地經營的完整做法，見〈本地搜尋〉）。
進入知識圖譜的自我檢查清單
把上面談的化成一份你能反覆對照的清單。每一項都是知識圖譜實際會讀的訊號，勾得起來，就代表你的地基打到了。
- 你的自我介紹齊全了嗎？ 網站上的 Organization 或 Person 標記，是否把官方名稱、標誌、創辦人、官網與社群都寫清楚。
- 同一個你，有沒有被串起來？ sameAs 是否把官網、各社群、Wikidata 指向同一個身分。
- Wikidata 那一筆，存在而且正確嗎？ 是否有一筆符合收錄標準、有來源支撐的資料，而不是空的或過時的。
- 各處的「你」寫法一致嗎？ 網站、社群、媒體露出用的名稱與描述，有沒有跟同名實體打架。
- 有多少獨立來源替你作保？ Kalicube 的平台數據顯示，通常需要幾十個獨立、說法一致的指認，有維基條目可以少很多；媒體、同業、維基裡，你湊到多少可信的提及。
- Google 開始把你當成一個實體了嗎？ 搜品牌名時，右側有沒有冒出面板、或底部帶出同類實體的關聯。
這張表沒有人能打滿分，也沒有哪一格勾了就保證拿到面板。它的用處是讓你看清楚自己還差在哪：哪些已經做到、哪些還欠著，而欠著的那些，往往就是你遲遲等不到面板的原因。
知識圖譜常見問題 FAQ
知識圖譜可以直接編輯嗎？
不能。它是 Google 自行維護的資料庫，沒有對外開放的編輯介面；你能做的是用結構化資料、sameAs、Wikidata 這些它會吸收的訊號，去提高被正確收錄的機率，其中在 Wikidata 顧好一筆正確資料，是最接近直接影響它的管道。
知識面板跟知識圖譜是一樣的東西嗎？
不一樣，兩個是裡和外。知識圖譜是 Google 腦內那座實體資料庫，知識面板是搜尋結果上把某個實體「秀」出來的那張卡。所以圖譜裡有你，不代表一定會顯示面板，還得看 Google 對這個實體的信心夠不夠。
怎麼知道我的品牌有沒有進到知識圖譜？
看三件事就大概有譜：搜尋品牌名會不會跑出知識面板、結果底部有沒有帶出同類實體的關聯、以及品牌帶不帶得出一組 KGMID（Google 給實體配的識別碼）。三個都沒有，通常代表還沒被收錄，或信心還不到顯示門檻。
知識圖譜跟結構化資料差在哪？
一個是原料、一個是成品。結構化資料是網頁上你主動寫的標記，知識圖譜則是 Google 把這些標記連同其他來源整合成的實體資料庫；前者你完全能控制，後者你只能影響。
知識圖譜的資料從哪裡來？
三個源頭：公開知識庫（Wikidata、Wikipedia、CIA World Factbook 等）、Google 自己爬到的網頁內容，以及網站主動放的結構化資料。Wikidata 因為接手了當年 Freebase 的資料，是其中相當重要的一條公開管道。
為什麼搜尋自己品牌卻沒出現知識面板？
多半是 Google 對你的實體信心還不夠：例如獨立權威來源指認太少、跟同名實體撞在一起被誤併，或你屬於覆蓋偏弱的在地、非英文實體。與其一直加標記，更有效的做法是爭取多個獨立可信來源一致地指認你，並在 Wikidata 維護一筆正確資料。
知識圖譜跟 Wikipedia、Wikidata 是什麼關係？
兩者都是知識圖譜會吸收的公開資料來源，Wikidata 又更吃重，因為它接手了當年 Google 自家 Freebase 移轉過來的資料，是知識圖譜汲取公開實體資訊的主要管道之一。在那裡顧好一筆有來源的正確資料，等於最接近直接幫知識圖譜校正你這個實體。
