TL;DR
Az AI nem kulcsszavakban gondolkodik a webről — hanem entitásokban. A Google Knowledge Graph és az LLM-ek belső reprezentációi egyaránt csomópontok hálójaként modellelik a valóságot: Varga Zoltán egy személy-entitás, a vargazoltan.ai egy weboldal-entitás, az “enterprise RAG” egy fogalom-entitás. Ha a te entitásod nincs jelen ebben a hálóban — vagy rosszul van definiálva —, az AI nem tud pontosan hivatkozni rád. Az entitás-megerősítés három pillére: Schema.org Person/Organization markup, Wikidata-jelenlét, és konzisztens “entity signal” a saját oldalon és a külső forrásokon keresztül.
Volt egy pillanat, amikor megértettem, hogy a Google nem egy keresőmotor. Nem elsősorban. Hanem egy tudásszervező rendszer — amelyik az internet összes tartalmát megpróbálja leképezni egy hatalmas szemantikus hálóba. A kék linkek ennek csak a felülete. Alatta entitások vannak: személyek, helyek, szervezetek, fogalmak, termékek — és köztük kapcsolatok.
Ezt a hálót hívják Knowledge Graph-nak. 2012-ben jelentette be a Google. Azóta lett az AI Overview és a “people also search for” logika alapja, a Bard és a Gemini tudásbázisának egyik forrása, és az LLM-ek által preferált “megbízható forrás” fogalmának egyik strukturális alapja.
Ha az entitásod nincs benne — vagy töredékesen van benne —, ott kezdődik az a láthatósági probléma, amelyet nem old meg sem a backlinkek száma, sem a kulcsszó-sűrűség.
Mi az az entitás, és miért más, mint a kulcsszó?
A kulcsszó egy string — karakterek sorozata. Az “enterprise RAG” egy kulcsszó. Ha keresnek rá, a keresőalgoritmus megkeresi, hol szerepel ez a karaktersor a dokumentumokban.
Az entitás más. Az entitás egy valódi dolog reprezentációja — és ahhoz, hogy az AI rendszer “értse”, hogy mit jelent, nem elég, hogy egy oldalon szerepeljen a neve. Szükség van arra, hogy az entitás be legyen ágyazva a kapcsolatrendszerébe.
Varga Zoltán, mint entitás, nem csak egy névstring. Az AI rendszerek számára ez egy személy-entitás, amelyhez kapcsolódik:
- egy foglalkozás (AI stratégiai tanácsadó, enterprise RAG architect),
- egy weboldal (vargazoltan.ai),
- egy szervezeti kontextus,
- egy szakterület (AI, GEO, PKM, tudásszervező rendszerek),
- esetleg egy Wikidata Q-azonosító, egy LinkedIn profil, egy GitHub fiók.
Ezeknek az összefüggéseknek az AI rendszerek számára értelmezhetőnek, konzisztensnek és ellenőrizhetőnek kell lenniük — különben az entitás “homályos marad”. Egy homályos entitást az AI kevésbé idéz, kevésbé “mer” rá hivatkozni, mert nem tud megbizonyosodni róla, hogy valóban az a személy vagy szervezet, akire gondol.
A Knowledge Graph és az AI retrieval kapcsolata
A Google Knowledge Graph egy hatalmas gráfadatbázis, amelyik ma több milliárd entitást és köztük lévő kapcsolatot tárol. Az adatai részben nyilvános forrásokból (Wikipedia, Wikidata, Freebase), részben a Google saját crawl-adataiból, részben a strukturált adatokból (Schema.org jelölések a weboldalakon) épülnek.
Az AI Overview — a generatív keresési összefoglaló — amikor választ generál, nem csupán dokumentumokat keres. A Knowledge Graph entitás-kontextusát is felhasználja. Ezért fordulhat elő, hogy egy keresési kérdésre adott AI-válaszban az AI egy konkrét személy vagy szervezet nevét “hitelesen” nevezi meg — mert az entitáshoz tartozó összes jel konzistensen arra mutat, hogy igen, ez a személy valóban ezzel a témával foglalkozik.
Az LLM-ek belső tudásbázisai (a training data-ban megtanult asszociációk) szintén entitás-alapúan szerveződnek. Ha egy személy neve elegendő megbízható forrásban jelenik meg meghatározott kontextusban, az LLM-ek is képesek ezt a kapcsolatot megerősíteni és hivatkozni rá.
Az entitás-megerősítés tehát nem csupán a Google-nek szól — hanem az összes AI retrieval rendszernek.
A három pillér: Schema.org, Wikidata, entity signal
Schema.org Person és Organization markup
A Schema.org egy nyílt szótár, amelyet a Google, Microsoft, Yahoo és Yandex közösen fejlesztett ki azzal a céllal, hogy a weboldalakon lévő tartalmak gépileg olvashatóbbak legyenek. A JSON-LD formátumban elhelyezett Schema jelölések közvetlenül a Knowledge Graph-ba táplálnak adatokat.
A legfontosabb személyes és szervezeti típusok:
Person schema — a személyes weboldalon vagy szerzői oldalon elhelyezve közli az AI-val: ez az oldal egy konkrét személyről szól, aki ezzel a névvel, ezzel a foglalkozással, ezzel a szakterülettel rendelkezik, és ezek a kapcsolódó profiljai.
Organization schema — ha céget vagy projektet képviselsz, az Organization schema összeköti a cégnevet, a weboldalt, a kapcsolattartási adatokat és a szakterületi leírást.
A kulcs: a schema-ban megadott adatoknak konzisztensnek kell lenniük a weboldal szövegével, a LinkedIn profillal, a külső hivatkozásokkal. Inkonzisztencia esetén a Knowledge Graph “gyenge” entitás-bejegyzést hoz létre — amelyik könnyebben kerülhető el az AI retrieval során.
Wikidata-jelenlét
A Wikidata a Wikimedia Foundation nyílt, gépek által olvasható tudásbázisa. A Google Knowledge Graph egyik legfontosabb adatforrása — a Wikidata Q-azonosítók (pl. Q12345) az entitás-megerősítés egyik legerősebb jelzései.
Wikidata-bejegyzés létrehozása lehetséges egyének számára is — ha megfelel a “notability” kritériumoknak: alapvetően szükséges, hogy a személy legalább egy megbízható, külső forrásban dokumentáltan szerepeljen (pl. egy hivatkozott interjú, publikáció, konferencia-előadás dokumentációja).
Fontos: a Wikidata-bejegyzés nem reklám. A Wikidata-közösség neutralitást vár el. Az bejegyzésbe azokat az adatokat kell bevenni, amelyek tényszerűen igazolhatók.
Entity signal — a konzisztens jelzések hálója
A leghatékonyabb entitás-megerősítési stratégia az, amelyik sok különböző, egymástól független forrásban konzisztensen ugyanazokat az adatokat közli az entitásról.
Konkrétan: a vargazoltan.ai Schema.org Person jelölése, a LinkedIn profil leírása, egy podcastban adott interjú szövege, egy guest post szerzői doboza, egy konferencia-előadás archív oldala — ezek mind egymást megerősítő “entity signal”-ok. Mindegyik ugyanazt az entitást írja le, ugyanazokkal az attribútumokkal.
Ez az oka annak, hogy az entitás-megerősítés nem egyszeri feladat. Folyamatos “jelen lét” — megbízható, releváns forrásokban, konzisztens adatokkal.
Miért más ez, mint a link-building?
A klasszikus link-building logikája: minél több külső lap mutat rád, annál erősebb a domain autoritásod, annál magasabb a rangsorolásod.
Az entitás-megerősítés más kérdést tesz fel: nem “hány lap mutat rád?”, hanem “milyen kontextusban, milyen konzisztensen van jelen az entitásod az interneten?”
Egy backlink önmagában nem erősíti meg az entitást. Egy guest post, amelyikben ott van a neved, a szakterületed, a weboldalad hivatkozása, és a cikk tartalmilag kapcsolódik a szakterületedhez — az erősíti. Nem a link maga, hanem az entitás-kontextus, amelybe a link beágyazódik.
Ez azt is jelenti, hogy a alacsony domain autoritású, de tematikailag releváns forrásban megjelenő, pontosan definiált entitás-hivatkozás (pl. egy iparági blog szerzői oldala, egy konferencia-program) értékesebb lehet az AI láthatóság szempontjából, mint egy magas DA-jú oldalon lévő, kontextus nélküli linkcsere.
A link-building az algoritmusnak szól. Az entitás-megerősítés a szemantikus hálónak szól.
Kulcsgondolatok
- Az AI keresési rendszerek entitásokban — személyek, szervezetek, fogalmak — gondolkodnak, nem kulcsszavakban; az entitásod pontossága és konzisztenciája meghatározza, hogy az AI mennyire “meri” idézni
- A Schema.org Person/Organization markup a leghozzáférhetőbb technikai eszköz az entitás-definíció explicit kommunikálásához a Knowledge Graph felé
- A Wikidata-jelenlét az egyik legerősebb entitás-megerősítési jel — ha a notability kritériumoknak megfelelsz, érdemes prioritásként kezelni
- Az entitás-megerősítés folyamatos “entity signal” építése — nem egyszeri technikai beállítás, hanem külső forrásokban megjelenő konzisztens jelzések hálója
- Az entitás-alapú láthatóság és a klasszikus link-building kiegészíti egymást, de más kérdésre válaszol: az utóbbi az algoritmusnak szól, az előbbi a szemantikus hálónak
Kapcsolódó gondolatok
- Az AI nem kulcsszavakra keres — hanem szándékra — Miért váltja fel az intent cluster a kulcsszó-listát
- Hogyan válik GEO-barát egy weboldal: 5 konkrét lépés — A strukturált adatok és az idézhető tartalom összefüggése
- Zero-click tartalom stratégia — Hogyan írj az AI-nak, ne csak az embereknek
Varga Zoltán - LinkedIn Neural • Knowledge Systems Architect | Enterprise RAG architect PKM • AI Ecosystems | Neural Awareness • Consciousness & Leadership Ha az AI nem tudja, ki vagy, nem fog rólad szólni. Az entitás-megerősítés ezt változtatja meg.