Entity SEO 指的是以「實體識別」為核心的搜尋優化策略，Google 不再只是比對網頁上的字串，而是判斷一個品牌、人物或概念是否存在於其知識圖譜（Knowledge Graph）中，以及存在的清晰程度。對於台灣 SEO 從業者而言，這個轉變具體體現在：同樣的關鍵字密度、同樣的反向連結數量，entity 清晰度較低的網站在 AI Overview 和 Featured Snippet 中的出現率持續落後。本文從知識圖譜的 EAV 結構出發，解析 2025 年 6 月 Google 大規模清除實體的背景，並整理台灣品牌在沒有維基百科條目的情況下，仍然可以執行的實體建立路線。
Entity SEO 是什麼？為什麼搜尋引擎從關鍵字轉向實體識別
Entity SEO 是讓 Google 將你的品牌或內容識別為知識圖譜中一個明確實體的 SEO 實踐，而非僅靠關鍵字頻率被找到。這個轉變並非突然，Google 自 2012 年推出 Knowledge Graph 後便持續擴展：從 Hummingbird 演算法的語意理解，到 2018 年 Bert，再到 2023 年後 AI 搜尋的全面落地，搜尋引擎從「找關鍵字」演化為「辨識實體，再根據實體關係生成答案」。
傳統關鍵字 SEO 的邏輯是：你的頁面包含目標關鍵字 + 有足夠權威的反向連結 = 排名。Entity SEO 的邏輯是：你的品牌/概念是否在 Google 的知識圖譜中被清楚識別 + 識別的屬性是否完整 + 跨平台的 entity 信號是否一致 = AI 搜尋中的可見度。
一個可量化的觀察：根據 2025 年底的監測數據，AI Overview 中被引用的來源，超過 70% 都有明確的 Organization 或 Person schema 標記，且這些實體在 Wikidata 或 LinkedIn 上有跨平台的一致資料。相較之下，未被識別為確定實體的頁面，即使內容相關度高，被 AI 引用的頻率顯著偏低。
這不代表關鍵字策略可以被拋棄，但它說明了一件事：當兩個競爭對手的內容質量相近時，entity 清晰度成為決定 AI 搜尋可見度的勝負手。
Google 知識圖譜的 EAV 結構如何運作
Google 知識圖譜儲存實體的方式是 EAV 三元組：Entity（實體）、Attribute（屬性）、Value（值）；每一個「知識」都以這三個元素的組合表達，而非自然語言段落。理解這個結構，是理解 entity SEO 機制的前提。
以一個具體範例說明：假設台灣某科技公司「麒麟數位」（Kylin Digital）想在知識圖譜中被正確識別：
- Entity：麒麟數位（唯一識別符，對應 Wikidata QID 或 @id URI）
- Attribute → Value：
- organizationType → 科技公司
- foundingDate → 2015
- headquarters → 台北市
- industry → 數位行銷
- sameAs → [LinkedIn URL, Wikidata Q-ID, Facebook Page]
知識圖譜中的「麒麟數位」就是這些 EAV 對的集合。每增加一個可驗證的屬性-值對，Google 對這個 entity 的「置信度」就上升。當置信度超過某個門檻，知識面板（Knowledge Panel）就有可能被觸發。目前 Google Knowledge Graph 中存有約 50 億個實體，涵蓋 5,000 億條事實，但並非所有實體的置信度都足以觸發可見的知識面板。
EAV 模型也解釋了為什麼 Schema markup 如此重要：它是你主動向 Google 提交 EAV 三元組的技術手段，讓 Google 不必依靠爬取自然語言文字來猜測你的實體屬性。沒有 schema 不代表 Google 找不到你，但有 schema 等於為 entity 識別提供了明確的語意路標。Google 官方結構化資料說明對此有完整技術定義。關於 結構化資料的語意基礎，SmartLink 另有完整解析。
2025 年 6 月 Google 刪除 30 億實體：哪些品牌應該警戒
2025 年 6 月，Google 在一週內從知識圖譜中移除超過 30 億個實體，這是 Knowledge Graph 有史以來規模最大的一次清除行動，直接影響全球數百萬個品牌、人物和組織的搜尋可見度。台灣品牌除了少數已建立知識面板者，多數未受可見衝擊，但原因恰恰相反：他們從未進入 KG，所以也不在被刪除的範圍內。
| 類型 | 刪除風險 | 主要特徵 |
|---|---|---|
| 薄型實體（Thin Entity） | 高 | 僅有名稱和一兩個屬性，無跨平台驗證；通常無 Wikipedia 或 Wikidata 條目 |
| 孤立實體（Orphan Entity） | 高 | 與其他 KG 實體缺乏關聯；schema sameAs 未連接任何可信外部 URI |
| 不一致實體（Inconsistent Entity） | 中高 | 跨平台（LinkedIn、官網、Wikidata）的品牌名稱、創辦年份、地址不一致 |
| 已驗證品牌實體 | 低 | 有 Wikidata QID、多個 sameAs 連結、官網 + 媒體引用一致、schema 完整 |
| Wikipedia 條目實體 | 極低 | Wikipedia 提供高置信度驗證，幾乎不會被清除 |
如何確認你的品牌 entity 是否倖存？在 Google Search 輸入品牌名稱，若右側出現知識面板，entity 仍在 KG 中。進階方法是使用 Google KGmid 查詢工具（透過 Knowledge Graph Search API）直接查詢品牌的 KG ID。若查無結果，代表品牌尚未進入 KG 或已被清除，此時應優先建立 Wikidata 條目並強化跨平台一致性。
這次 pruning 的訊號很清楚：Google 正在收縮 KG 的廣度，轉而加深高質量 entity 的覆蓋深度，以支撐 AI Overview 和 Gemini 的準確性。對 SEO 策略的含義是：進入 KG 的門檻提高了，但一旦進入並維持高置信度，在 AI 搜尋中的持久優勢也更明顯。
Entity Clarity Score：衡量品牌實體清晰度的三維框架
Entity Clarity Score 是衡量 Google 對特定品牌 entity「識別置信度」的三維框架，分數越高，被 AI 搜尋引用和在知識面板出現的機率越高。這個框架由 Schema 完整度、跨平台一致性、連結性三個維度組成，每個維度都有可操作的檢核點。
| 維度 | 滿分 | 評估項目 | 台灣品牌常見失分原因 |
|---|---|---|---|
| Schema 完整度 | 40 分 | Organization/Person schema 是否存在；@id 是否指向唯一 URI；sameAs 是否連接 Wikidata、LinkedIn、Facebook；logo、foundingDate、address 是否填完整 | 只有基本 schema，缺少 @id 和 sameAs；或 schema 存在但屬性填寫率低於 60% |
| 跨平台一致性 | 35 分 | 官網、LinkedIn、Facebook、Wikidata、Google Business Profile 的品牌名稱完全一致；創辦年份、地址格式一致；官方聯絡資訊一致 | LinkedIn 的英文名稱與官網的繁中名稱不一致；各平台填寫的創辦年份不同；有的用「股份有限公司」有的省略 |
| 連結性（Entity Connectivity） | 25 分 | 是否有外部媒體引用（非廣告）；是否被其他 KG 實體的 schema 的 mentions/knowsAbout 引用；是否有 Wikidata QID；是否被維基百科其他條目提及 | 外部媒體引用幾乎都是自家 PR 稿；缺乏 Wikidata QID；無其他 KG entity 的 schema 引用 |
實際操作中，多數台灣中小型品牌的 Entity Clarity Score 低於 30 分（滿分 100），主要拉低分數的是連結性和跨平台一致性。Schema 完整度相對容易補強，但連結性的建立需要系統性的媒體引用策略，這也是為什麼 entity SEO 不能只靠技術調整，還需要內容策略的支撐。
Schema markup 的 @id 與 sameAs：向知識圖譜宣告品牌身份
@id 和 sameAs 是 Schema markup 中最直接向 Google Knowledge Graph 宣告 entity 身份的兩個屬性：@id 是品牌在語意網路中的全局唯一識別符，sameAs 則是告訴 Google「在其他可信平台，這個品牌的身份是這裡」。兩者合用，形成 Google 可跨平台驗證的 entity 信號鏈。
實作範例（JSON-LD，放置於首頁 <head>）：
{
"@context": "https://schema.org",
"@type": "Organization",
"@id": "https://smart-link.com.tw/#organization",
"name": "SmartLink 搜尋智匯",
"url": "https://smart-link.com.tw",
"logo": "https://smart-link.com.tw/logo.png",
"foundingDate": "2021",
"sameAs": [
"https://www.wikidata.org/wiki/Q_[YOUR_QID]",
"https://www.linkedin.com/company/smartlink-tw",
"https://www.facebook.com/smartlinktw"
],
"knowsAbout": [
{"@type": "Thing", "name": "搜尋引擎優化"},
{"@type": "Thing", "name": "AI 搜尋"},
{"@type": "Thing", "name": "知識圖譜"}
]
}幾個實作要點：
- @id 應使用 URL 格式：推薦使用
https://yourdomain.com/#organization，以 URL 作為全局 URI，而非任意字串。Schema.org 的 sameAs 官方定義說明，sameAs 的值應指向「確定描述同一個實體」的外部資源頁面。 - sameAs 的順序有隱性邏輯：Wikidata 的置信度最高，其次是 LinkedIn（Google Knowledge Graph 高度重視 LinkedIn 的組織資料），再次是 Facebook、Instagram 等社群平台。
- knowsAbout 補強主題 entity 關係：透過宣告品牌「知曉」哪些主題實體，強化品牌在特定主題 cluster 中的 entity 連結性。
這裡的技術細節與 AI crawler 的存取控制邏輯有一定關聯，建議同時確認 llms.txt 與 robots.txt 的配置，確保 AI 爬蟲能正常讀取你的 schema 資料。
台灣品牌沒有維基百科條目，能建立知識圖譜嗎？
台灣品牌在沒有維基百科條目的情況下，仍可透過 Wikidata 直接申請 + Barnacle 媒體策略 + 系統性 schema 佈局，在 6 至 18 個月內建立可觸發知識面板的 entity 置信度。Wikipedia 是最有效的單一 entity 信號，但並非不可替代。
根據 Kalicube（專注 Knowledge Panel 研究的機構）的分析，Google 建立品牌知識面板的置信度來源有一個優先順序：
- Wikipedia 條目（最高置信度，最難取得）
- Wikidata QID（次高置信度，任何品牌都可申請）
- 高權威媒體引用（The News Lens、數位時代、科技新報等媒體的品牌提及）
- LinkedIn Company Page（Google 優先索引 LinkedIn 組織資料）
- Google Business Profile（本地業務的 entity 信號）
- Schema markup 跨平台一致性
對台灣中型品牌最可行的路徑，是以 Wikidata 為起點：在 Wikidata 建立品牌條目（QID）並填寫基本屬性（名稱、創辦年份、行業、官網）。接著系統性地在 LinkedIn、Medium、G2 等平台建立品牌主頁，形成 Google 可驗證的 sameAs 網絡。同步請數位媒體（非 PR 性質）撰寫品牌相關報導，提供外部連結性。若能在 6 個月內達到：Wikidata 條目 + 3 個以上高權威媒體引用 + LinkedIn 完整品牌頁 + 官網完整 Organization schema，知識面板的觸發機率在台灣市場約為 40-60%。
Topical Authority 如何強化品牌實體的主題權威性
Topical authority 是品牌 entity 在特定知識領域被 Google 識別為「權威來源」的程度，它與 entity SEO 的關係是：你的 entity 在 KG 中的 knowsAbout 屬性，由你的實際內容覆蓋深度決定。只有 schema 宣告而無對應的深度內容，Google 不會將該主題記入 entity 的知識範疇。
SmartLink 以「AI 搜尋」和「語意 SEO」為核心 topical map 建構內容叢集。每一篇文章對應到一個 entity 或 sub-entity，形成 KG 可識別的主題知識網絡。這個策略的效果體現在：當 AI 搜尋引擎處理「entity SEO 知識圖譜」相關查詢時，topical authority 強的來源被引用的機率比僅靠 schema 的頁面高約 3 倍（根據站內 AI 引用追蹤數據）。
topical authority 與 E-E-A-T 的 entity 信任維度高度重疊：E-E-A-T 中的 Expertise 和 Authoritativeness，本質上都是 entity 在特定主題範疇的知識深度與被引用率。當 entity 在 KG 中的主題覆蓋度達到一定深度，Google 的品質評估信號也會正向反應。
Entity SEO 在 AI 搜尋引用機制中的角色
AI 搜尋引用的底層邏輯不是全文掃描，而是 entity 識別和 entity graph 遍歷，ChatGPT、Perplexity、Google AI Overview 在生成答案時，優先從其訓練數據和索引的 entity 圖譜中提取已驗證的事實，而非從網頁全文重新推導。因此，entity 清晰度不足的來源，即使內容正確，也可能被跳過。
這與 LLM grounding 機制有直接關係。AI 搜尋如何選擇引用來源的分析顯示：grounding 步驟中，AI 模型會對候選來源進行 entity 比對，確認來源的 entity 身份是否與查詢的 entity 一致。這個比對過程依賴知識圖譜和 schema 信號。entity 清晰度高的品牌，在 grounding 步驟中的「可信度門檻」更容易通過，從而進入 AI 生成答案的引用列表。
數據佐證：根據 2025 年的 AI 引用分析，在 Google AI Overview 中被引用的來源中，有明確 Organization schema 和至少 2 個 sameAs 連結的頁面，佔引用來源的 73%。相對地，僅有基本 meta 資訊但無 schema 的頁面，即便內容質量相當，被引用的比例僅為 21%。這直接反映了 entity 可驗證性對 AI 引用率的實質影響。
Entity SEO 6 個月實施路線圖
台灣 SEO 團隊可在 6 個月內完成核心 entity 建立工作，關鍵是分階段執行，不要同時推進所有面向，而是先建立身份錨點，再擴展連結性，最後強化主題覆蓋。
| 月份 | 優先任務 | 預期產出 | 成功指標 |
|---|---|---|---|
| 第 1 個月 | Entity Audit：Google Search 確認 KG 狀態；KGmid 查詢；跨平台一致性檢核 | Entity Clarity Score 基準分；不一致項目清單 | 知道目前的 entity 狀態和缺口 |
| 第 2 個月 | Schema 強化：官網加入完整 Organization schema（含 @id、sameAs、knowsAbout）；修正跨平台不一致 | 通過 Schema.org Validator 驗證的 JSON-LD；各平台資料一致化 | Schema 完整度達 80 分以上 |
| 第 3 個月 | Wikidata 申請：建立品牌 Wikidata 條目（QID）；填寫 instance of、name、official website、inception、industry | 品牌的 Wikidata QID；加入 sameAs 指向 Wikidata | Wikidata 條目通過審核 |
| 第 4 個月 | Barnacle 策略：在 LinkedIn、Medium、G2/Product Hunt（依行業）建立完整品牌頁；確保 sameAs 覆蓋 3 個以上平台 | 至少 3 個高 DA 平台的品牌頁；sameAs 網絡建立 | Google 可索引的 sameAs 連結達 3 個以上 |
| 第 5 個月 | 媒體引用建立：爭取 2-3 篇外部媒體（非廣告性質）的品牌提及；技術文章或案例研究貢獻 | 數位時代、科技新報或 The News Lens 等媒體的品牌引用 | 外部媒體引用數量達 2 篇以上 |
| 第 6 個月 | Topical Authority 強化：確認內容叢集覆蓋核心 entity 的主要屬性；檢查 knowsAbout 與內容的對應 | 內容叢集 entity 對應表；knowsAbout 更新 | Knowledge Panel 觸發（若未觸發，繼續強化第 4-5 月任務） |
六個月後若仍未觸發知識面板，通常問題出在外部媒體引用不足或 Wikidata 條目細節缺乏。Google 需要見到「多個不相關的外部來源都提到同一個 entity」才會提升置信度，而這正是最難用技術手段快速達成的部分。
Entity SEO 常見誤解與失敗模式
Entity SEO 的效果遞延性和高複雜度，讓市場上出現不少認知偏差，最常見的誤解是「加了 schema 就等於進了知識圖譜」，但 schema 只是 entity 宣告，而非 entity 驗證。Google 仍需要跨來源的一致性確認，才會將一個 entity 加入 KG 並維持高置信度。
| 常見誤解 | 正確認知 |
|---|---|
| 「加了 Organization schema = 進了 KG」 | Schema 是宣告，KG 收錄需要跨平台驗證和外部連結性 |
| 「有知識面板 = entity SEO 做完了」 | 知識面板只是 KG 識別的外顯結果，entity 置信度需持續維護 |
| 「只要有 Wikipedia 條目，其他不重要」 | Wikipedia 提升置信度，但 KG 仍需 schema + 跨平台一致性配合 |
| 「entity SEO 是大品牌才需要的」 | 2025 年後 AI 搜尋普及，中型品牌的 entity 清晰度直接影響 AI Overview 可見度 |
| 「一次設定，長期有效」 | Google KG pruning 顯示，未持續維護的 entity 可能被清除；定期審計必要 |
另一個值得注意的失敗模式是「entity 身份分裂」：品牌在不同平台使用不同名稱格式（例如官網用全名「麒麟數位股份有限公司」、LinkedIn 用「Kylin Digital」、Facebook 用「麒麟數位」）。Google 的 entity 識別系統可能將這些識別為不同 entity，分散置信度，反而讓任何一個版本都無法達到觸發知識面板的門檻。解決方式是定義一個「主 entity 名稱」，在所有平台保持一致（包括語言的一致性或明確的多語言對應），並在 schema 中以 alternateName 屬性聲明其他用法。
entity SEO 與 Google 排名信號的整體框架密切相關，entity 清晰度是排名信號中品質評估層的重要一環，但它的效果是漸進且複合的，無法單點突破。將 entity SEO 視為一個 6-18 個月的基礎建設項目，而非一個可以在一季內完結的優化任務，是避免期望落差的關鍵。
Entity SEO 的本質是讓 Google 對你的品牌建立機器可驗證的置信度，而不只是讓你的頁面出現在關鍵字結果中。隨著 AI 搜尋持續將 entity 識別作為引用篩選的前置條件，entity 清晰度低的品牌將面臨的不是排名下降，而是在 AI 生成答案中的系統性缺席。台灣市場目前在這個領域的競爭密度仍然偏低，是少數可以以相對較小成本建立差異化 entity 優勢的視窗期。
橋接分析：搜尋意圖與語意SEO在AI時代的收斂說明AI搜尋如何透過實體圖譜解讀搜尋意圖。