Knowledge Graph (grafo de conhecimento)
Um knowledge graph é um banco de dados estruturado de entidades (pessoas, empresas, produtos e lugares) e as relações entre elas, que o Google e outros sistemas usam para reconhecer uma marca como uma entidade conhecida, e não apenas como um conjunto de palavras numa página.
Ser uma entidade reconhecida no grafo muda como uma marca é tratada. Quando um sistema sabe que um nome se refere a uma empresa específica, com site, fundador e linha de produtos próprios, ele consegue conectar novas menções a essa entidade com confiança, em vez de tentar adivinhar. Um grafo armazena isso como nós e arestas: a marca é um nó, seu fundador é um nó, a cidade de onde ela opera é um nó, e os verbos entre eles (fundada por, localizada em, fabrica) são as arestas que dão significado aos fatos. Essa estrutura é o que permite que sua marca apareça num knowledge panel, seja diferenciada de empresas com nomes parecidos e seja citada com precisão quando um motor de resposta com IA responde a uma pergunta sobre sua categoria.
Você alimenta o grafo principalmente por meio de dados estruturados e corroboração. O schema Organization no seu site declara quem você é; a propriedade sameAs vincula essa declaração aos seus outros perfis autoritativos (LinkedIn, Crunchbase, Wikidata, Wikipedia, contas sociais), oferecendo ao grafo pontos de referência independentes que se confirmam mutuamente. Quanto mais essas fontes corroboram os mesmos fatos, mais sólida e confiável a entidade se torna. O schema de produto e de avaliação então associa seu catálogo e o feedback dos clientes a essa mesma entidade reconhecida, de forma que uma classificação por estrelas é lida como pertencente a um vendedor conhecido, não como algo solto numa página não verificada.
Considere uma loja Shopify de cosméticos naturais chamada Raiz, sediada em São Paulo. Há também uma Raiz de móveis rústicos e uma Raiz de produtos para cabelo, então um mecanismo de busca tem três candidatos para a mesma palavra. Se a loja de cosméticos publica o schema Organization com seu fundador, o endereço de fabricação paulistano e links sameAs para seu perfil verificado no Instagram, seu cadastro no Wikidata e sua cobertura na imprensa, o grafo consegue separar a Raiz de cosméticos das outras duas e vincular as avaliações de produto ao nó correto. Sem isso, as menções ficam distribuídas pelas entidades erradas, e as avaliações que você conquistou não ajudam ninguém a encontrar você.
Isso importa diretamente para a busca por IA. Sistemas como ChatGPT, Perplexity e Google AI Overviews dependem do entendimento de entidades para decidir sobre qual marca uma pergunta realmente é, e quais fatos podem repetir sem hesitação. Uma marca que é uma entidade limpa e corroborada é mais fácil de citar com confiança; uma marca que é apenas uma cadeia de texto é mais fácil de confundir, omitir ou atribuir de forma errada. A legibilidade como entidade está se tornando um pré-requisito silencioso para ser mencionada em uma resposta.
A ressalva honesta: você não controla o grafo e não pode forçar uma entrada. Schema e sameAs são sinais, não comandos, e o Google decide o que ingerir e em quem confiar. Informações conflitantes nos seus perfis podem enfraquecer ou atrasar o reconhecimento, por isso a consistência importa mais do que o volume. Trate isso como um jogo longo de ser legível e corroborado, não como um interruptor que você aciona.