实体 SEO:让 AI 把你公司描述对
问 ChatGPT 你公司是做什么的,你常会得到一个 80% 正确、20% 微妙错误的描述:品类错了、产品名是旧的、总部还停在三年搬走前的地址、定位用的是竞品那套话术。
这不是模型偷懒,它在做实体对齐——跨来源匹配字符串,然后把这个实体的描述,取成那些来源的平均值。多数品牌在这个”取平均”里输掉,因为自己的来源之间就不一致。
模型怎么判断”你是什么”
实际就三个输入:
- 你自己的页面——首页、关于、产品页、价格页;
- 第三方提及——目录、评测站、媒体报道、列表、知识库;
- 共现关系——你被和谁一起提到、在什么语境下、附近是什么品类词。
这三者不一致的代价,在分析工具里是看不见的:模型用”一个提供……的平台”这种加限定词的说法来消化冲突,而当答案被压缩时,最先被丢掉的正是那些限定词。
真正能改变描述的四项修正
一、一句标准描述,逐字用在所有地方。 40–60 词。首页主视觉、关于页、每个目录档案、每个社交简介,用同一句话——不是”差不多”,是完全相同。实体系统是先匹配字符串,再推理含义的。
二、命名一致,包括那些别扭的部分。 法定名称、产品名、大小写,在所有来源里保持一致。选定一个产品名写法,别再让三种拼法流通——尤其是你自己的多语言页面,机翻最喜欢把品牌名每次转写成不同样子。
三、用买家的词说品类。 说”面向多语言发布的 SEO 内容平台”,而不是”重塑内容工作流的增长伙伴”。后者听起来更好,但作为实体属性,它字面上不可用。
四、一个公开事实页,从页脚链过去。 成立年份、总部、产品名、支持语言、定价模式、带日期口径的关键数据、官方链接。纯文本、机器可读。这一页负责解决冲突,因为它毫无歧义、且自洽。
事实页模板
品牌:[名称]([法定主体])
做什么:[一句话,40–60 词]
成立:[年份] 总部:[城市,国家]
产品:[名称 —— 一句话 —— 链接]
支持语言:[数量]
定价:[模式,起价]
关键数据:[指标 —— 数值 —— 截至日期]
官方:[站点] [文档] [LinkedIn] [GitHub]
最后复核:[日期]
“最后复核”这一行比看起来重要。它是区分”维护中的资产”和”2023 年冻住的页面”最便宜的信号。
品牌通常在哪断掉
多语言泄漏。 英文站说一套,德语页被工具一翻,说的是相邻的另一套。跨语言的实体对齐本来就比同一语言内更弱,不一致存活得更久。
代笔口吻问题。 六年里四家代笔公司写出来的文案,会产生四种不同的品类主张。没人拥有那句标准描述,于是模型把它们全平均了。
悄悄改名。 你改了产品名,旧名还活在 40 个目录条目和一个类维基数据库里。模型现在认为你两个都卖。
缺 sameAs。 Organization schema 里的 sameAs 应该指向真正代表你的那些档案。这是一个便宜的去歧义提示,而多数站点要么不写,要么列一堆死链。
该衡量什么
不是排名——是描述。每月在 ChatGPT、Gemini、Perplexity 上问五个固定问题:
- [品牌] 是做什么的?
- [品牌] 面向谁?
- [品牌] 的主要产品是什么?
- [品牌] 在哪里?
- [品牌] 对比 [竞品] 怎么样?
把原话记下来。一个季度里,有意思的指标是”五个答案里有几个包含错误属性”。这个数字从 3 降到 1,就是你在买的东西。
为什么它在内容的上游
多数内容项目优化的是已经存在的页面。实体工作改变的是”模型在读任何单页之前就先信了什么”。它比一轮内容冲刺更便宜,而且能提升其他每个资产的转化率——因为被描述对的品牌,是被对的买家点进去的。
运营纪律和写文章一样:一份事实源、一致的字段、跨语言版本化。SEONIB 把这套纪律用在已发布内容上——统一的品牌命名、逐语言元数据、带日期的事实——让你被模型解析出的那个实体,就是你真正在运营的那个实体。
分享文章