Na jakie pytania odpowiada to hasło
- Co daje pole sameAs w danych strukturalnych?
- Jak połączyć firmę z jej profilami, żeby AI ją poprawnie rozpoznawało?
Wspomaganie AI przez encje grafowe (sameAs): wyjaśnienie
Model językowy nie „wie" z góry, że „NON.agency" to ta sama firma, której profil jest na LinkedIn i o której pisze blog branżowy – rozpoznaje encje po spójnych, wzajemnie powiązanych dowodach. Pole sameAs w JSON-LD (na Organization, Person, LocalBusiness) podaje listę kanonicznych adresów URL tej samej encji: profil LinkedIn, strona Wikipedii lub Wikidata, YouTube, profile w serwisach branżowych.
To najtańszy sposób ekstrakcji relacji: robot czyta jedną deklarację zamiast zgadywać z rozjazdów nazw.
Zadbaj o spójność poza schema: ta sama nazwa firmy, ta sama forma nazwiska autora, ta sama kategoria działalności na każdym profilu – rozjazd („NON Agency", „nonagency.pl", „NON Agencja SEO") rozmywa encję.
Z naszego standardu: encje i relacje trzymamy w JSON-LD z sameAs, a wersje nazw kanonicznych zapisane w jednym miejscu w serwisie.
Uczciwie o skali efektu: sameAs nie jest magicznym przełącznikiem – model buduje rozpoznanie encji z całego ekosystemu (linki, wzmianki, cytowania, dane strukturalne), a sameAs jest w tym spoiwem, nie motorem. Znaczenie rośnie tam, gdzie nazwa jest myląca (nazwisko i nazwa firmy, dwie firmy o podobnej nazwie) albo marka jest młoda.
Przykład z praktyki: autor bloga firmowego z profilem LinkedIn i ORCID podpiętym w schema Person jest łatwiej wiarygodnym ekspertem niż „Jan K., specjalista" bez żadnych powiązań – i częściej trafia do odpowiedzi modeli jako źródło.