Entidades y Knowledge Graph para SEO y GEO: cómo representar una marca

BLOQUE 2 · ENTIDADES Y KNOWLEDGE GRAPH

Una entidad es algo identificable sobre lo que podemos expresar información: una empresa, persona, producto, lugar, institución o concepto. En SEO y GEO nos interesa que el sitio permita reconocer de quién hablamos, qué hace, qué relaciones mantiene y qué pruebas respaldan sus afirmaciones. Un Knowledge Graph es, en términos generales, una representación de entidades y relaciones; no equivale a una lista de keywords.

Google documenta que los datos estructurados de organización pueden ayudar a comprender y desambiguar una empresa, y ofrece campos como nombre, URL, logotipo y perfiles pertinentes. Eso no garantiza obtener un panel de conocimiento ni aparecer en respuestas generativas. Documentación de Organization.

Keyword y entidad no son lo mismo

Una keyword es una secuencia de palabras que alguien utiliza para buscar. Una entidad es el objeto al que esas palabras podrían referirse. Por ejemplo, «consultor SEO» describe una categoría profesional; el nombre completo de un profesional identifica a una persona concreta. También hay búsquedas ambiguas donde un nombre puede corresponder a varias organizaciones distintas.

Por eso no basta con repetir el nombre de una marca en todos los H2. El contenido necesita contexto: actividades que realiza, productos reales, área de servicio cuando corresponda, personas responsables y vínculos oficiales. Esas relaciones ayudan a construir una identidad clara para lectores y sistemas.

Esta tabla es un marco de comprobación, no un sistema de puntuación otorgado por Google.

Un ejemplo práctico: la ficha de identidad de una organización

Imaginemos una empresa ficticia llamada «Ejemplo Sistemas», dedicada a software de inventario. Su página principal podría explicar su actividad, enlazar a servicios y mostrar datos de contacto reales. Una página «Nosotros» podría identificar al equipo responsable, mientras una guía técnica incluiría autoría y fecha de revisión.

La clave es que todas esas piezas cuenten una historia consistente. Si la home presenta un software de inventarios y los perfiles externos describen otra actividad distinta, hay una contradicción informativa que conviene resolver. Esto no prueba una penalización de una IA, pero sí dificulta la claridad para cualquier lector que intenta verificar la organización.

No tenemos que exponer información privada para construir identidad. Publicamos los datos pertinentes y autorizados que la empresa ya utiliza de forma profesional.

Datos estructurados: qué aportan y qué no

Schema.org proporciona vocabulario para describir elementos del contenido. Google recomienda JSON-LD como formato cómodo de mantener para muchos usos y exige que el marcado represente fielmente lo que un visitante puede ver. Los datos estructurados aportan señales explícitas sobre el significado del contenido, pero no sustituirán un texto insuficiente.

Ejemplo didáctico de Organization

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "@id": "https://example.com/#organization",
  "name": "Ejemplo Sistemas",
  "url": "https://example.com/",
  "description": "Empresa ficticia utilizada para mostrar un esquema."
}

Este código es únicamente ilustrativo. Antes de implementar uno real debemos identificar la entidad correcta, su URL canónica, el tipo de organización y los atributos que de verdad correspondan. No copiamos el mismo JSON-LD en todos los sitios ni declaramos que una entidad ficticia sea una empresa real.

Google señala que la información estructurada debe representar contenido visible y no ser engañosa. Agregar propiedades sameAs que llevan a directorios sin relación o perfiles ajenos no mejora la calidad del marcado. Introducción a los datos estructurados.

¿Para qué sirve sameAs?

La propiedad sameAs puede vincular una entidad con páginas que la identifican claramente, como perfiles oficiales. No es un campo para volcar todos los enlaces que mencionan a la marca, ni una garantía de reconocimiento o de respuesta IA. Verificamos identidad, pertenencia y estabilidad de cada referencia.

Autores y profesionales también son entidades

Cuando el contenido requiere experiencia especializada, indicar quién lo firma ayuda al lector a evaluar responsabilidad y credibilidad. Para temas sensibles conviene incluir revisión profesional y límites de lo que puede concluirse. No inventamos títulos, colegiaturas o certificaciones.

La guía de Google sobre contenido útil explica por qué conviene ofrecer una experiencia confiable y suficiente información sobre quién produce contenido. No confundimos ese criterio editorial con una cifra pública sobre cuánto «pesa» cada autor en un motor de IA.

Cómo creamos relaciones entre entidades dentro del texto

Un buen párrafo puede expresar relaciones explícitas en lenguaje común: «La empresa desarrolla este producto», «la guía fue revisada por esta persona», «este servicio se ofrece para este tipo de negocio». La claridad importa más que insertar una lista artificial de nombres de tecnologías o marcas.

Por ejemplo, en una web dedicada a GEO conviene diferenciar la organización que ofrece el servicio, el profesional que lo dirige, la metodología que utiliza y las herramientas o estudios que cita. Esas entidades relacionadas no son intercambiables y deben describirse con funciones precisas.

Los enlaces internos sirven para respaldar esas relaciones: una página de servicio GEO mensual explica la oferta, cómo trabajamos explica el proceso y factores GEO presenta el marco de diagnóstico. El usuario puede comprobar cada afirmación en su lugar.

Procedimiento para auditar identidad y coherencia

1. Identificamos la entidad primaria de cada página: organización, persona, servicio, producto o concepto.
2. Verificamos el nombre público correcto y posibles variantes que tengan uso real.
3. Revisamos home, página «Nosotros», servicios, contacto y perfiles externos autorizados.
4. Comprobamos si el contenido visible coincide con el marcado estructurado publicado.
5. Examinamos URL canónica y @id cuando se usan, evitando duplicidades accidentales.
6. Revisamos sameAs y eliminamos referencias que no identifican a la misma entidad.
7. Conectamos páginas de entidad y páginas de servicio con enlaces internos pertinentes.
8. Usamos herramientas de validación de datos estructurados sin concluir que aprobar un test implica ganar una cita de IA.

El resultado debe ser una ficha de identidad comprensible y un listado de contradicciones verificadas, no una puntuación arbitraria de «entidad reconocida por ChatGPT».

Qué relación tiene con el Knowledge Graph de Google

El nombre «Knowledge Graph» suele referirse al sistema de Google que organiza información sobre entidades y sus relaciones. Una marca puede describir mejor su identidad con información coherente, pero no tenemos acceso a un control directo para imponer cómo Google representa cada relación.

Es importante no confundir datos estructurados de Organization, paneles de conocimiento y visibilidad en un asistente de IA: son objetos y superficies diferentes. Aun cuando una implementación técnica sea correcta, la aparición de un resultado enriquecido no está garantizada. Google lo explica en sus directrices de datos estructurados.

En GEO evaluamos la consistencia entre contenido visible, identidad estructurada, evidencia y páginas externas. Después medimos presencia en respuestas reales. Esta segunda fase no puede deducirse solo de la primera; requiere observaciones y denominadores separados.

Errores que suelen producir identidades confusas

• Usar nombres comerciales diferentes sin explicar si se refieren a una misma empresa.
• Declarar perfiles sameAs que pertenecen a terceros.
• Añadir reseñas, títulos profesionales, sucursales o precios que no existen.
• Publicar un JSON-LD con información distinta de la que lee el usuario.
• Tratar un plugin de schema como sustituto de una ficha de empresa útil.
• Afirmar que el nombre de la marca pertenece al Knowledge Graph sin prueba identificable.

Por el contrario, recomendamos mantener información comprobable, actualizada y visible. Esta práctica ayuda a la confianza del visitante y ofrece mejores condiciones para interpretar el negocio, sin prometer automáticamente un resultado de IA.

Cómo lo evaluamos en HatumGEO

Nuestro marco incluye identidad primaria, identificadores estables, coherencia entre nombre visible y estructurado, relaciones en el texto, validez de perfiles y transparencia de autoría. Son comprobaciones de diagnóstico agrupadas dentro de los 117 factores GEO.

El análisis de identidad también se conecta con la medición de menciones y citaciones: si una marca aparece bajo nombres distintos, primero definimos reglas justificadas de equivalencia y luego contamos observaciones. No hacemos que todas las variantes sean automáticamente iguales; revisamos el contexto.

Preguntas frecuentes

¿Necesitamos tener un panel de conocimiento para aparecer en una IA?

No existe una exigencia pública universal de ese tipo. Un panel en Google y la recuperación de una fuente en una respuesta IA son fenómenos diferentes.

¿Más entidades en el texto significa mejor GEO?

No. La pertinencia, la precisión y la evidencia importan más que el número de nombres incluidos.

¿Schema Organization basta para que nos reconozcan?

No. Ayuda a expresar datos estructurados cuando son verídicos, pero no sustituye contenido, fuentes ni observación de resultados.

Fuentes

• Google Search Central: Organization.
• Google: introducción a datos estructurados.
• Google: políticas de marcado estructurado.
• Google: contenido útil y fiable.

Conclusión: trabajar entidades consiste en demostrar quién hace qué, con coherencia y fuentes verificables. Un sistema generativo puede utilizar esa información, pero la visibilidad debe medirse por separado.