Knowledge Graph là gì?
Sơ đồ tri thức (knowledge graph) là một cơ sở dữ liệu về các thực thể và những dữ kiện kết nối chúng, trong đó Knowledge Graph của Google là nổi tiếng nhất, với hàng triệu mục về người, địa điểm và sự vật. Knowledge Graph lưu trữ sự vật thay vì trang: mỗi thực thể, dữ kiện của nó và mối liên kết với các thực thể khác. Công cụ tìm kiếm dùng nó để phân biệt công ty với đơn vị đo và với nhà phát minh khi ai đó gõ “Tesla”.
Knowledge Graph của Google là gì?
Đó là cơ sở dữ liệu thực thể của Google. Google mô tả nó gồm hàng triệu mục về các thực thể có thật như người, địa điểm và sự vật, và cung cấp Knowledge Graph Search API chỉ đọc, trả về các thực thể khớp với kiểu schema.org chuẩn hóa ở dạng JSON-LD (Google Knowledge Graph Search API, cập nhật ngày 26/4/2024).
Google cũng lưu ý rằng API này không phù hợp làm dịch vụ quan trọng cho môi trường sản xuất, và cho biết đang chuyển nó sang Cloud Enterprise Knowledge Graph. Nó là một cửa sổ nhìn vào đồ thị, không phải cách để chỉnh sửa đồ thị.
Knowledge Graph liên quan thế nào đến câu trả lời của AI?
Một cách gián tiếp, theo những gì nhìn thấy được từ bên ngoài. Knowledge Graph giúp hệ thống tìm kiếm xác định truy vấn đang nói đến thực thể nào, và các kết quả nó trả về được một công cụ AI có tìm kiếm đọc trước khi trả lời.
Không công cụ nào công bố một câu trả lời cụ thể dựa vào cơ sở dữ liệu thực thể nhiều đến đâu so với các trang được truy xuất và trí nhớ của mô hình. Hãy xem một mục thực thể sạch sẽ là cách chống mơ hồ, không phải đòn bẩy xếp hạng.
Knowledge Graph trông thế nào trong ví dụ thực tế?
“Tesla” dẫn đến nhiều thực thể: công ty, đơn vị SI và Nikola Tesla, mỗi thực thể có dữ kiện riêng. Trong ví dụ công khai về Tesla (4/10/2026), Google AI Overviews mở đầu câu trả lời cho “Tesla là gì?” bằng đơn vị đo trước khi nói đến công ty.
Đồ thị thực thể là thứ giúp hệ thống tách các thực thể đó ra. Câu trả lời vẫn mở đầu bằng đơn vị đo; vì vậy biết có hai thực thể tồn tại không giống với việc chọn đúng thực thể người mua muốn nói.
Dữ kiện của thương hiệu đi vào Knowledge Graph bằng cách nào?
Thường là bằng cách được mô tả nhất quán ở những nơi các hệ thống này đọc:
- Website của bạn: một trang giới thiệu rõ ràng với tên, danh mục, thời điểm thành lập và địa điểm.
- Đánh dấu Organization với liên kết sameAs đến các hồ sơ chính thức của bạn.
- Các cơ sở tri thức mở như Wikidata, trong phạm vi tiêu chí đáng chú ý của chúng.
- Hồ sơ doanh nghiệp và hồ sơ đánh giá khớp từng chữ với website của bạn.
Proofsource kiểm tra mục thực thể của bạn thế nào?
Proofsource kiểm tra các hồ sơ mà công cụ dùng để xác nhận bạn là ai, gồm Wikidata, Crunchbase, LinkedIn và các trang đánh giá, và đánh dấu những hồ sơ còn thiếu hoặc mâu thuẫn với website của bạn; khoảng trống trong đồ thị thực thể xuất hiện trong danh sách bản sửa đã xếp thứ tự của bạn. Xem độ chính xác và danh tính và Opportunities.
Câu hỏi thường gặp về Sơ đồ tri thức
Tôi có thể gửi công ty mình lên Knowledge Graph của Google không?
Không có biểu mẫu gửi cho chính đồ thị. Dữ kiện nhất quán trên website và trong các hồ sơ uy tín là cách thông thường để các thực thể được nhận diện.
Knowledge Panel có giống Knowledge Graph không?
Knowledge Panel là khung mà Google hiển thị cho một số tìm kiếm; Knowledge Graph là cơ sở dữ liệu đằng sau nó.
Chatbot AI có dùng Knowledge Graph không?
Một số hệ thống kết hợp truy xuất với dữ liệu có cấu trúc, nhưng các công cụ không công bố một câu trả lời dựa vào đó nhiều đến đâu. Hãy đo các câu trả lời thay vì giả định.
Đánh dấu schema có đưa tôi vào Knowledge Graph không?
Không trực tiếp. Nó nêu dữ kiện về tổ chức của bạn ở dạng chuẩn, giúp các hệ thống gắn website của bạn với đúng thực thể.
Thuật ngữ liên quan
- Thực thể
Trong tìm kiếm và AI, thực thể là một đối tượng riêng biệt, có thể nhận diện, như một công ty, sản phẩm, người hoặc địa điểm, mà hệ thống có thể nhận ra và phân biệt với những thứ có tên tương tự.
- Wikidata
Wikidata là một cơ sở tri thức miễn phí, cộng tác, đa ngôn ngữ, hỗ trợ Wikipedia và lưu trữ dữ kiện về các thực thể dưới dạng các phát biểu có cấu trúc mà ai cũng có thể đọc và tái sử dụng.
- Schema markup (dữ liệu có cấu trúc)
Schema markup, hay dữ liệu có cấu trúc, là đoạn mã trên một trang, thường là JSON-LD dùng bộ từ vựng schema.org, nêu các dữ kiện về trang và chủ đề của nó ở dạng máy có thể đọc.
- Nhầm lẫn thực thể
Nhầm lẫn thực thể là khi câu trả lời của AI về thương hiệu của bạn lại mô tả, hoặc mở đầu bằng, một công ty hay một thứ khác trùng hoặc giống tên bạn.
Ví dụ thực tế: Tesla, câu trả lời AI công khai, 4/10/2026: lượt quét đầu tiên của Proofsource cho Tesla, 25 câu hỏi của người mua và 5 câu hỏi về thương hiệu, một câu trả lời cho mỗi câu hỏi trên mỗi công cụ trong bốn công cụ AI. Một mẫu nhỏ của một thương hiệu, đưa ra làm ví dụ, không phải chuẩn so sánh.
Xem AI bỏ sót bạn ở đâu, và cần sửa gì.
Xem câu hỏi nào của người mua nêu tên thương hiệu của bạn, ai được nêu tên thay bạn, và cần sửa gì. 200 câu trả lời. 25 Prompts/câu hỏi. Các công cụ AI hàng đầu. 2 ngày. Miễn phí. Không cần thẻ.
Google AI OverviewsGoogle AI Mode
