Entity (Сущность)

Что такое Entity (Сущность)?

Entity (сущность) — это однозначно идентифицируемый объект или понятие реального мира, имеющий собственные атрибуты, связи и уникальный идентификатор в базах знаний. В контексте SEO и AI Search сущностями являются люди, организации, продукты, места, события, концепции, термины. Например, «Apple Inc.» — сущность, «iPhone 15» — связанная с ней сущность-продукт, «Стив Джобс» — сущность-персона. В отличие от простого ключевого слова, сущность несёт смысл и отношения, которые машины могут обрабатывать.

Entity относится к области семантического поиска и является фундаментом для GEO. Классический SEO оперировал строками текста, GEO оперирует смысловыми единицами. Генеративные системы (ChatGPT, Perplexity, Google AI Overviews) не ищут совпадения слов — они сопоставляют запрос с сущностями, их атрибутами и связями, извлекая из документов информацию об этих сущностях. Понимание Entity необходимо для создания контента, который модели смогут корректно интерпретировать и использовать.

Важно: Entity — это не просто имя. Это пакет знаний: тип, свойства, отношения. Модель знает, что «Apple» — это компания, основанная в 1976 году, с продуктами, конкурентами, финансовыми показателями. Чем точнее контент описывает сущность, тем выше шанс, что модель правильно её поймёт и свяжет с запросом.

Как это работает?

Сущности извлекаются и обрабатываются на разных этапах генеративного поиска:

• Понимание запроса (Query Understanding) — модель выделяет из промпта сущности и их атрибуты. Например, в запросе «какой ноутбук лучше для программирования до 100 000 рублей» сущности: «ноутбук» (тип), «программирование» (сценарий), «100 000 рублей» (ограничение цены).
• Retrieval — система ищет документы, содержащие релевантные сущности и их описания. Это может быть как лексический поиск по именам сущностей, так и векторный по их смысловым представлениям.
• Grounding — модель отбирает фрагменты, в которых сущности описаны с нужными атрибутами, соответствующими запросу.
• Generation — модель синтезирует ответ, опираясь на знания о сущностях, комбинируя информацию из разных источников.

Ключевая особенность: сущности связаны между собой в графах знаний (Knowledge Graph). Модель может использовать эти связи для расширения ответа, даже если они не были явно указаны в retrieved документах. Например, зная, что «MacBook Air» — это «ноутбук» от «Apple», модель может рекомендовать его в ответ на запрос о лёгких ноутбуках, даже если в retrieved фрагменте не было слова «лёгкий», но были технические характеристики.

Для GEO это означает: контент должен явно называть сущности, указывать их атрибуты и связи, чтобы модель могла извлечь и верифицировать информацию.

Как это связано с GEO?

Связь: прямая и фундаментальная. GEO в значительной степени строится на оптимизации сущностей. Вместо оптимизации под ключевые слова мы оптимизируем контент так, чтобы он точно описывал сущности, их свойства и отношения.

GEO влияет на работу с сущностями через:

• Понимание контента — если в тексте явно названа сущность и её атрибуты, модель легче интерпретирует страницу и сопоставляет её с запросом.
• Понимание сущностей — контент должен быть согласован с общепринятыми знаниями о сущности: использовать правильные названия, синонимы, идентификаторы (например, Wikidata ID).
• Обнаружение и извлечение информации — структурированные данные (org) и чёткие формулировки помогают модели извлечь сущности и их свойства без ошибок.
• Ranking — в гибридном поиске сущности могут служить мостиком между лексическим и семантическим поиском: документ, содержащий нужные сущности, получит высокие ранги в обоих.
• Grounding — модель доверяет фрагментам, где сущности описаны полно и непротиворечиво, и использует их для ответа.
• Цитирование — если ваш контент стал источником знаний о сущности, он с большей вероятностью будет процитирован.
• Упоминание бренда — бренд как сущность должен быть однозначно идентифицирован и связан с категорией, продуктами, атрибутами, чтобы модель могла рекомендовать его в нужном контексте.

Таким образом, оптимизация под Entity — это основа GEO: вы не просто пишете текст, а структурируете знания о сущностях, которые модель сможет извлечь и использовать.

Почему это важно для бизнеса?

Генеративные системы мыслят сущностями, а не ключевыми словами. Если ваш контент не описывает сущности (ваш бренд, продукты, услуги) с нужной точностью и полнотой, модель не сможет правильно понять, чем вы занимаетесь, и не будет рекомендовать или упоминать вас в ответах. Напротив, чёткое описание сущностей повышает вероятность того, что именно ваша информация будет использована при генерации.

Причинно-следственная цепочка:

Контент точно описывает сущности (бренд, продукт, атрибуты)

→ Модель корректно распознаёт и связывает их с запросом

→ Retrieval находит документ по сущностному совпадению

→ Grounding использует фрагмент как источник знаний

→ Бренд упоминается или рекомендуется

→ Пользователь узнаёт о вас, доверяет, переходит

→ Рост видимости, трафика, лидов

Практическое значение:

• Точность понимания — модель не перепутает ваш бренд с другим, если сущность описана однозначно.
• Релевантность — вы попадаете в ответы на вопросы, которые связаны с вашими сущностями по смыслу, а не только по словам.
• Доверие — полное и непротиворечивое описание сущности воспринимается как авторитетность.
• Конкурентное преимущество — если конкуренты не структурируют знания о себе, вы выигрываете в глазах модели.

Ограничение: невозможно напрямую управлять графом знаний, который использует модель, но можно влиять на то, как ваш контент описывает сущности, и на внешние упоминания о них.

Как применять на практике?

Алгоритм оптимизации под Entity:

Определите ключевые сущности

Составьте список сущностей, важных для вашего бизнеса: бренд, продукты, услуги, категории, персоны (эксперты, руководители), места (если локальный бизнес), события. Для каждой сущности укажите её тип и уникальные атрибуты.

Проведите аудит описаний

Проверьте, как эти сущности описаны на вашем сайте: есть ли страницы для каждого продукта, указаны ли атрибуты (цена, размер, назначение), связи (категория, производитель, совместимость). Сравните с описаниями в открытых базах знаний (Wikipedia, Wikidata) на предмет расхождений.

Улучшите контент на страницах

Для каждой ключевой сущности создайте или обновите описание: в первом абзаце дайте чёткое определение сущности («X — это Y, который используется для Z»). Укажите все важные атрибуты и связи. Используйте естественный язык, но будьте точны в терминах.

Внедрите структурированные данные

Используйте Schema.org для разметки сущностей: Organization, Brand, Product, Person, Event, Place и другие. Заполните поля name, description, sameAs (ссылки на официальные профили в Wikipedia, Wikidata, соцсетях). Это помогает машинам однозначно идентифицировать сущность.

Работайте с внешними источниками

Убедитесь, что информация о ваших сущностях есть на авторитетных внешних ресурсах: Wikipedia (если применимо), отраслевых справочниках, профессиональных соцсетях. Согласованность внешних описаний с вашим контентом укрепляет доверие модели.

Мониторьте и корректируйте

Задавайте в AI-системах вопросы о ваших сущностях и проверяйте, насколько точно модель их описывает. Если есть ошибки, усильте явность описаний на своём сайте и во внешних источниках.

Роли:

• SEO/GEO-специалист — определяет ключевые сущности, проводит аудит, настраивает org.
• Контент-менеджер — пишет точные описания сущностей, согласует терминологию.
• PR/маркетинг — работает над внешними упоминаниями и согласованностью в базах знаний.
• Разработчик — внедряет разметку, обеспечивает техническую доступность.

Пример

Производитель мебели

Было: на сайте было много страниц с товарами, но описания были размытыми: «удобный диван», «качественный стол». Бренд не был чётко связан с категорией и атрибутами. В ответах ChatGPT на запросы «какой диван лучше для малогабаритной квартиры» компания не упоминалась, так как модель не понимала, что компания производит именно такие диваны.

Сделали:

• Определили сущности: бренд «Компания X», категория «диваны», продукты «диван-кровать модель Y», атрибуты (размер, механизм трансформации, материал, цена).
• На странице бренда добавили: «Компания X — российский производитель диванов для малогабаритных квартир. Специализируется на диван-кроватях с механизмом «еврокнижка». Модель Y: ширина 180 см, цена от 35 000 руб.».
• Внедрили org Organization и Product для всех товаров с полями brand, category, offers.
• Добавили ссылки на профили в Яндекс.Картах, отраслевых каталогах.

Как это работает: модель распознаёт сущность «Компания X» как производителя диванов для малогабаритных квартир, связывает её с запросом, находит страницу, извлекает атрибуты и использует их в рекомендации.

Потенциальный результат: компания начинает упоминаться в ответах на вопросы о выборе диванов для малогабаритных квартир, растёт цитируемость и переходы.

Метрики, стандарты и ограничения

Метрики

Общепринятых метрик для Entity-оптимизации нет. Используются косвенные показатели:

• Точность распознавания — проверка, как модель отвечает на вопросы о вашей сущности (вручную).
• Полнота описания — внутренний аудит: все ли атрибуты и связи сущности указаны.
• Citation Rate — доля запросов, где ваш источник процитирован (косвенно указывает на признание сущности).
• Share of AI Voice — доля упоминаний бренда в ответах по категории.
• Логи сервера — обращения от ботов; не показывают распознавание сущностей, но подтверждают retrieval.

Стандарты

• org — де-факто стандарт для описания сущностей в HTML.
• Wikidata — открытая база знаний, используемая как справочник идентификаторов сущностей.
• Google Knowledge Graph API — для проверки распознавания сущностей Google (опционально).

Что известно достоверно

• Генеративные системы опираются на сущности и их отношения, а не только на слова.
• Контент с явными и полными описаниями сущностей лучше интерпретируется.
• Техническая недоступность исключает участие в retrieval.

Распространённая практика (не строго доказано)

• Наличие org повышает точность распознавания сущностей, но прямая связь с ранжированием в AI Search не подтверждена.
• Согласованность описаний на внешних ресурсах улучшает понимание.

Гипотезы

• Точные алгоритмы извлечения сущностей в закрытых системах неизвестны.
• Влияние поведенческих факторов на распознавание сущностей не подтверждено.

Связанные понятия

• Knowledge Graph — граф знаний, в котором хранятся сущности и связи между ними.
• org — стандарт разметки для описания сущностей.
• Entity SEO — практика оптимизации контента вокруг сущностей.
• Semantic Search — поиск по смыслу, основанный на сущностях.
• Query Understanding — этап извлечения сущностей из запроса.
• RAG — архитектура, где retrieved документы содержат информацию о сущностях.
• Brand Authority — авторитетность бренда как сущности в глазах модели.
• Natural Language Processing — технология, используемая для извлечения сущностей из текста.

Не путать с: ключевым словом. Ключевое слово — строка символов, а сущность — смысловой объект с атрибутами и связями. Оптимизация под Entity заменяет или дополняет оптимизацию под ключевые слова в современном поиске.