Wikidata条目比Wikipedia页面更容易创建且有助于AI可见性——每家公司都应该拥有一个吗？

作为一名长期的Wikidata贡献者，让我来解释一下这是如何运作的。

Wikidata在AI中的作用：

Wikidata为以下提供数据：

• Google知识图谱
• Bing的实体理解
• AI训练数据
• 语音助手（Alexa、Siri）

创建条目：

1. 先检查是否已有条目 — 先搜索
2. 用基础信息创建：
   • 标签（公司名）
   • 描述（一句话）
   • 实例：公司/组织
3. 添加声明：
   • 成立时间：[日期]
   • 总部：[地点]
   • 行业：[类别]
   • 官方网站：[URL]
4. 添加参考资料 — 每个声明都需来源

可接受内容：

• 有来源的事实声明
• 官方属性链接
• 与其他实体的关联

不可接受内容：

• 市场营销语言
• 无法验证的声明
• 重复条目
• 宣传内容

务必真实并为所有内容提供来源。

初创公司的视角——这是我们的经历：

我们的情况：

• 3年初创公司
• 不够资格上Wikipedia
• 不在Google知识图谱中
• AI系统无法识别我们

我们的做法：

创建了Wikidata条目，内容包括：

• 公司名称及描述
• 成立日期
• 创始人（关联到其实体）
• 行业分类
• 总部位置
• 官方网站

两个月后的结果：

1. Google开始显示品牌信息
2. ChatGPT能描述我们的公司
3. 语音搜索能找到我们

意想不到的收获：

将创始人与公司条目关联后，AI能将我们与他们的专长关联起来。

“[创始人姓名]创立了[公司]…”——AI现在会这么关联。

时间投入： 2小时，创建了有可靠来源的条目

值不值？绝对值得。

实体关系是隐藏的力量：

Wikidata关系：

如何建立关系：

1. 为关键人员创建条目
2. 将其关联到公司条目
3. 若产品具备显著性则创建产品条目
4. 关联行业实体

为什么关系重要：

AI构建知识图谱，关系定义了实体之间的连接。

当有人问“[城市]的AI公司”，地点关系就能让您浮现。

网络效应：

关联越多=实体信号越强=AI识别越好。

将Wikidata与您的网站连接：

Schema标记的关联：

{
  "@type": "Organization",
  "@id": "https://yoursite.com/#organization",
  "name": "公司名称",
  "sameAs": [
    "https://www.wikidata.org/wiki/Q[your-id]",
    "https://twitter.com/yourcompany",
    "https://www.linkedin.com/company/yourcompany"
  ]
}

sameAs属性：

将您的网站实体与Wikidata实体关联。这样告诉搜索引擎和AI：“这个网站与这个Wikidata条目是同一个实体。”

为什么重要：

AI系统会交叉验证。当您的网站schema指向Wikidata，且Wikidata有丰富结构化数据时，AI会将两者结合。

实施清单：

1. 创建Wikidata条目
2. 获取Wikidata Q号
3. 在Organization schema中添加sameAs
4. 包含所有官方社交账号
5. 确认全网一致性

维护您的Wikidata条目：

维护的现实情况：

不同于静态内容，Wikidata条目需要持续关注：

监控建议：

每季度提醒自己：

• 核查所有声明的准确性
• 检查是否有破坏行为
• 更新过时信息
• 补充新相关信息

破坏风险：

任何人都能编辑Wikidata。需监控您的条目是否有：

• 添加虚假信息
• 正确信息被移除
• 不当链接

保护措施：

经常被编辑的条目可申请半保护。但大多数公司条目不需要。

很棒的讨论。这是我的Wikidata操作框架：

每家公司都应该创建Wikidata条目吗？

如果您希望AI将您识别为实体，答案是肯定的。门槛远低于Wikipedia。

最低限度的条目需求：

全面优化建议：

补充：

• 创始人（关联到个人实体）
• 产品（如有显著性）
• 社交媒体链接
• Logo
• 别名/其他名称

实施路径：

1. 搜索Wikidata，确认无重复条目
2. 用必需信息创建基础条目
3. 所有声明添加来源
4. 通过schema将网站关联
5. 持续添加关系
6. 持续监控和维护

Wikidata vs Wikipedia：

总结：

Wikidata是实现实体识别的可及路径。大多数公司都应拥有一个条目。

感谢大家的见解！