Usługi Proces Case studies Kalkulator FAQ Blog
Powróć do pillaru SEO/GEO Playbook · SEO/GEO · 11 min czytania

Knowledge Graph - jak sprawdzić i poprawić encję swojej marki krok po kroku

Dane z portfela MPlace i Ahrefs · czerwiec 2026 · GSC + KG API + schema validator · Chris, Founder MPlace

3 mld
encji usuniętych z KG przez Google w maju 2025
0.664
korelacja brand mentions → pojawienie się w AI Overview (Ahrefs)
5 kroków
entity disambiguation checklist MPlace
Spis treści
  1. 01 · Co to jest Knowledge Graph w 2026
  2. 02 · 3 metody diagnozy encji - od prostej do zaawansowanej
  3. 03 · Tabela red flag → diagnoza → konkretny fix
  4. 04 · Entity disambiguation - 5 kroków z timelina
  5. 05 · Minimalna implementacja schema - kod do skopiowania
W skrócie
  • Knowledge Graph to nie tylko Knowledge Panel - to infrastruktura Google AI Overviews, Gemini i AI Mode w 2026
  • W maju 2025 Google usunął 3 mld encji - zostały tylko "czyste" sygnały. Jeśli masz niespójne dane, Twoja encja mogła zniknąć
  • Korelacja 0.664 między brand mentions a AI Overview (Ahrefs, 2025) - unlinked mentions liczą się bardziej niż myślisz
  • Checklist 5 kroków: schema @id + sameAs, NAP unification, Wikidata, crosslinking, duplikaty

Twoja firma istnieje od 5 lat. Rankujesz top 5 dla 60 fraz. DR 42. Ale gdy zapytasz ChatGPT o Twoją markę - cisza, albo błędna odpowiedź. To nie jest przypadek. To brak encji w Knowledge Graph.

Knowledge Graph (KG) to baza wiedzy Google łącząca encje - firmy, osoby, produkty, miejsca, pojęcia - i relacje między nimi. Gdy wpisujesz "Apple" w Google, system wie że chodzi o firmę technologiczną (nie owoc), bo KG zawiera encję "Apple Inc." z tysiącami powiązanych sygnałów.

Przez lata KG kojarzono głównie z Knowledge Panel - tym boxem po prawej stronie w wynikach Google. Ale w 2026 rola KG jest dużo szersza:

  • Google AI Overviews czerpią z KG do fact-groundingu (żeby nie "halucynować" nazw firm i produktów)
  • Gemini używa KG do rozumienia relacji między encjami w kontekście zakupowym
  • Google AI Mode - konwersacyjna wersja wyszukiwania - opiera się na KG przy rozpoznawaniu marek

Prosta konsekwencja: jeśli Twoja marka nie jest w KG, lub jest tam z niespójnymi danymi, AI może ją ignorować, mylić z konkurentem o podobnej nazwie, lub nie wiedzieć że istnieje.

Ważna zmiana - maj 2025

Google przeprowadził największe w historii czyszczenie KG - usunął ponad 3 miliardy encji [źródło: Ahrefs]. Powód: przenoszenie się Google w stronę mniejszego, ale wyżej jakościowego zbioru danych dla AI features. Marki z niespójnymi lub duplikowanymi sygnałami encyjnymi mogły zostać usunięte nawet jeśli miały wcześniej Knowledge Panel.

Sygnał alarmowy dla e-commerce

Jeśli Twój Knowledge Panel zniknął w połowie 2025 - to prawdopodobnie efekt tego czyszczenia, nie błąd Google. Marki z niespójnymi danymi NAP, zduplikowanymi wpisami w katalogach lub brakiem Organization schema były najczęstszymi ofiarami cleanup.

Aspekt KG przed 2025 KG w 2026
Główne zastosowanie Knowledge Panel w SERP AI Overviews, Gemini, AI Mode
Liczba encji Kilkanaście miliardów Mniejsza, wyższa jakość (po cleanup)
Tolerancja na błędy Wysoka - encja mogła istnieć z lukami Niska - niespójne sygnały = usunięcie
Wpływ na ruch Pośredni (brand awareness) Bezpośredni (AI cytuje lub ignoruje markę)
Kluczowe sygnały Wikipedia, media, linki Schema @id + sameAs, NAP, unlinked mentions

Zanim zaczniesz naprawiać entity signals, musisz wiedzieć co jest zepsute. Oto trzy metody diagnozy - zacznij od pierwszej, przejdź do kolejnych jeśli potrzebujesz głębszej analizy.

Metoda 1 - Google Search (bezpłatna, 2 min)

Wyszukaj pełną nazwę marki w Google.

  • Dobry sygnał: Knowledge Panel po prawej stronie z logo, opisem, linkami do profili
  • Neutralny: wyniki organiczne bez Knowledge Panel - marka może być w KG, ale bez panelu
  • Zły sygnał: "entity disambiguation" - Google pyta "czy masz na myśli X czy Y?" dla Twojej nazwy

Test rozszerzony: wyszukaj "[nazwa marki] sklep" i "[nazwa marki] [główna kategoria]". Jeśli Google pokazuje Knowledge Panel tylko dla pierwszego zapytania, entity signals są słabe.

Metoda 2 - Knowledge Graph API (bezpłatna, 15 min)

Google Knowledge Graph Search API pozwala sprawdzić czy encja istnieje i jakie ma atrybuty.

  • Krok 1: Wejdź na console.cloud.google.com → utwórz projekt → włącz Knowledge Graph Search API
  • Krok 2: Wygeneruj API key (bezpłatny, z limitem)
  • Krok 3: Zapytanie: GET https://kgsearch.googleapis.com/v1/entities:search?query=[NAZWA_MARKI]&key=[API_KEY]

Sprawdź w odpowiedzi JSON:

  • result.@type: czy jest "Corporation", "LocalBusiness", "Brand" lub inna trafna encja
  • result.name: czy nazwa jest poprawna
  • result.description: czy opis jest aktualny
  • result.detailedDescription.articleBody: czy Wikipedia/Wikidata jest powiązana

Metoda 3 - Schema validator + Rich Results Test (bezpłatna, 10 min)

  • search.google.com/test/rich-results → wpisz URL strony głównej
  • schema.org/validator → sprawdź czy Organization schema jest poprawna
  • Sprawdź czy @id, sameAs, name i url są wypełnione
Z portfela MPlace

Dla klienta przy pierwszym audycie wynik KG API zwrócił pustą tablicę results. "Not found". To przy DR 42 i 5 latach historii. Powód: nazwa firmy pojawiała się w 4 różnych wariantach pisowni w sieci. KG nie mógł ujednolicić encji - każdy wariant pisowni tworzył osobny, słaby sygnał, zamiast wzmacniać jeden.

Na podstawie audytów z portfela MPlace zebraliśmy najczęstsze problemy entity i ich rozwiązania. Większość da się naprawić w ciągu 1–2 tygodni - efekty widać po 4–8 tygodniach.

Problem Co to oznacza Fix
Brak Knowledge Panel Słabe entity signals lub encja usunięta w maj 2025 cleanup Wdróż Organization schema + sameAs, ujednolicij NAP, sprawdź Wikidata
Knowledge Panel ze złym opisem KG czerpie z nieaktualnych źródeł Zaktualizuj Wikipedia/Wikidata, dodaj authoritative description w schema
Brak Knowledge Panel mimo dobrego DR Entity nie istnieje niezależnie od rankingów Zbuduj entity od zera: schema, profile, wzmianki zewnętrzne
AI myli markę z inną encją Entity disambiguation issue - podobna nazwa Dodaj disambiguatingDescription w schema, wzmocnij sameAs
Knowledge Panel zniknął w 2025 Prawdopodobna ofiara maj 2025 KG cleanup Sprawdź duplikaty w katalogach, ujednolicij sygnały, poczekaj 4–8 tyg po poprawkach
Panel bez logo/zdjęcia Brak ImageObject w schema Dodaj logo z schema Organization.logo (ImageObject z URL i wymiarami)
Panel z nieaktualnymi danymi KG cache nie odświeżony Wyślij feedback przez "Suggest an edit" w Knowledge Panel + zaktualizuj sameAs
Brak powiązania encji z produktami Schema ProductGroup/Product nie linkuje do Organization Dodaj pole manufacturer lub brand w Product schema
Widzisz swój problem na liście?

Możemy sprawdzić stan encji Twojej marki w Knowledge Graph w jednej rozmowie. Umów bezpłatną konsultację →

Kolejność napraw

Zacznij zawsze od Organization schema + NAP - to fundament. Bez spójnych sygnałów bazowych żaden kolejny fix nie zadziała efektywnie. Wikidata i profile społecznościowe to drugi krok, dopiero po tym katalogi i deduplikacja. Jak wygląda pełne wdrożenie w praktyce - sprawdź case study klienta który przeszedł ten proces (0→47 cytowań w 90 dni). Gdy entity jest już gotowe, następny krok to pomiar AI Share of Voice - jak mierzyć efekty poprawy encji. Gdy encja jest gotowa, następny krok to checklist wdrożeniowy jak trafic do AI Overview →

Ten checklist pochodzi z naszego standardowego audytu GEO. Stosujemy go w kolejności - każdy krok buduje na poprzednim.

Krok 1 (Tydzień 1) - Organization schema z kluczowymi polami

Wdróż na stronie głównej schema.org/Organization z:

  • @id: stały URL np. "https://twojamarka.pl/#organization"
  • name: JEDNA wersja nazwy (zdecyduj i trzymaj się jej)
  • url: URL strony głównej
  • logo: ImageObject z url, width, height
  • description: 2–3 zdania opisujące czym jest marka
  • sameAs: tablica z URL wszystkich profili (LinkedIn, Facebook, GBP, Crunchbase, Twitter/X)
  • foundingDate: rok założenia
  • address: PostalAddress (jeśli fizyczna lokalizacja)

Krok 2 (Tydzień 1–2) - NAP unification

NAP (Name, Address, Phone) musi być identyczne we wszystkich miejscach gdzie marka jest wymieniona: strona główna, stopka, GBP, Yelp/Panorama Firm, katalogi branżowe.

  • Sprawdź: Ahrefs → Mentions lub Google: "site:katalog.pl [nazwa marki]"
  • Popraw: roześlij maile do właścicieli wpisów z prośbą o korektę. Priorytet: DR > 30.

Krok 3 (Tydzień 2) - Profile społecznościowe z sameAs

  • LinkedIn About → musi zawierać pełną nazwę, URL strony, krótki opis
  • GBP → zweryfikowany profil, aktualne godziny, logo, opis
  • Crunchbase → jeśli marka spełnia kryteria (działalność gospodarcza)
  • Wszystkie URL-e z tych profili → dodaj do sameAs w schema

Krok 4 (Tydzień 2–3) - Wikidata (jeśli możliwe)

Wikidata to "czyste" źródło dla KG. Jeśli marka ma realną historię i działalność, można stworzyć wpis.

  • Wymagania: działająca firma z publicznymi danymi, nie nowo założona
  • Jak: wikidata.org → New Item → wypełnij atrybuty (P856 = URL strony, P18 = logo, P31 = "business" lub bardziej szczegółowa klasa)
  • Czas do efektu: 2–6 tygodni

Krok 5 (Tydzień 3–4) - Deduplikacja

Znajdź i usuń zduplikowane wpisy w katalogach. Stare, porzucone profile z innym adresem/telefonem "rozpraszają" encję.

  • Ahrefs → Site Explorer → Backlinks → filtruj "dofollow" i szukaj katalogów z niespójnymi danymi
  • Priorytet: starsze profile z błędną nazwą lub adresem
Tydzień Działanie Oczekiwany efekt
1 Schema + NAP KG API zaczyna zwracać wyniki (zamiast pustej tablicy)
2–3 sameAs + Wikidata Knowledge Panel pojawia się dla nazwy marki
4–6 Stabilizacja panelu Pierwsze entity citations w AI Overview
8–12 Pełna stabilizacja Wzrost AI SOV dla kategorii tematycznych marki

Sygnały stabilizacji encji: KG API zwraca @type: Corporation (lub odpowiedni typ) dla nazwy marki, Knowledge Panel pojawia się konsekwentnie przy różnych wariantach zapytania, Gemini poprawnie identyfikuje markę przy pytaniu konwersacyjnym („czym zajmuje się [nazwa]?"). To Twoje trzy punkty kontrolne po wdrożeniu.

Poniżej minimalna implementacja Organization schema która spełnia wymagania GEO. Wklej w sekcję <head> strony głównej lub jako <script> na końcu <body>.

JSON-LD · Organization schema · skopiuj i dostosuj
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "@id": "https://twojamarka.pl/#organization",
  "name": "Twoja Marka",
  "url": "https://twojamarka.pl",
  "logo": {
    "@type": "ImageObject",
    "url": "https://twojamarka.pl/logo.png",
    "width": 400,
    "height": 400
  },
  "description": "Krótki opis czym jest marka, dla kogo i jakie produkty/usługi oferuje.",
  "foundingDate": "2018",
  "address": {
    "@type": "PostalAddress",
    "addressLocality": "Poznań",
    "addressCountry": "PL"
  },
  "sameAs": [
    "https://www.linkedin.com/company/twoja-marka",
    "https://www.facebook.com/twojamarka",
    "https://g.co/kgs/XXXXX",
    "https://www.crunchbase.com/organization/twoja-marka"
  ]
}
Ważne - @id jest kanonicznym kluczem encji

@id musi być stałym, kanonicznym URL-em. Nie zmieniaj go po wdrożeniu - KG używa @id jako klucza encji. Jeśli zmienisz @id, KG traktuje to jako nową, nieznaną encję i zaczyna budowanie sygnałów od zera.

Po wdrożeniu: przetestuj przez search.google.com/test/rich-results. Poczekaj 1–2 tygodnie na recrawl.

Pola opcjonalne które wzmacniają entity

  • numberOfEmployees: QuantitativeValue z value - sygnał realnej skali firmy
  • areaServed: kraj lub region obsługi - ważne dla lokalnych marek
  • knowsAbout: tablica tematów z dziedziny marki - wzmacnia topical authority
  • hasOfferCatalog: link do katalogu produktów - łączy encję Organization z Product schema. Dla marek e-commerce (Allegro, Amazon, własny sklep) to kluczowe pole: bez niego KG nie wie, że marka sprzedaje konkretne produkty. Przykład:
    "hasOfferCatalog": {
      "@type": "OfferCatalog",
      "name": "Produkty Twoja Marka",
      "url": "https://twojamarka.pl/produkty"
    }
  • contactPoint: ContactPoint z contactType "customer service" - buduje entity richness

W MPlace weryfikujemy Organization schema przy każdym audycie GEO. Najczęstszy błąd: sameAs zawiera URL profili, ale profile są puste lub nieaktualne. KG wie że profile istnieją, ale nie może wyciągnąć z nich wartościowych danych - to osłabia encję zamiast ją wzmacniać. KG i llms.txt to dwie różne warstwy GEO: KG mówi Google kim jesteś, llms.txt mówi modelom AI co możesz powiedzieć. Obie warstwy są potrzebne - jak wdrożyć llms.txt →

CM
Chris M.
Founder MPlace · GEO entity audit practice
3 mld
encji usuniętych przez Google z KG w maju 2025
0.664
korelacja unlinked brand mentions → AI Overview (Ahrefs)
2–4 tyg
czas pojawienia się Knowledge Panel po wdrożeniu schema + NAP
5 pól
minimalna Organization schema: @id, name, url, logo, sameAs
DR > 30
priorytet dla NAP corrections w katalogach zewnętrznych
8 tyg
pełna stabilizacja encji po kompletnej implementacji (portfel MPlace)
Sprawdź swoją encję

Nie wiesz czy Twoja marka jest poprawnie rozpoznawana w KG? Robimy audyt entity w jednej rozmowie - KG API check, schema validator, NAP scan, 3 konkretne działania. Bezpłatny audyt GEO. Umów termin →

FAQ

Technicznie tak, ale w praktyce trudno. Google preferuje encje z pewną historią (choć nie określa minimalnego wieku). Ważniejsze niż wiek są: spójne entity signals (schema, NAP, profile), przynajmniej kilka zewnętrznych wzmianek, i dostępność informacji w wiarygodnych źródłach. Jeśli firma ma mniej niż 6 miesięcy, skup się na schema i NAP - Knowledge Panel przyjdzie z czasem. Nie musisz mieć panelu żeby GEO działało: AI Overview może cytować markę bez Knowledge Panel, jeśli entity signals są wystarczające.
Z naszych case studies: 2–4 tygodnie od poprawnego wdrożenia Organization schema + sameAs + NAP unification. Mediana w portfelu MPlace to 3 tygodnie. Przy dodaniu Wikidata: czasem szybciej (1–2 tygodnie). Przy słabych sygnałach zewnętrznych (mało wzmianek): dłużej, 4–8 tygodni. Google nie gwarantuje Knowledge Panel - tylko sygnalizuje go gdy entity signals są wystarczająco silne. Jeśli po 8 tygodniach nadal brak panelu mimo poprawnej schema, sprawdź czy nie ma zduplikowanych wpisów które "rozpraszają" encję.
Nie każda. Wikidata ma kryteria notability - firma musi mieć realną historię publiczną (np. media pisały o niej, ma zweryfikowane rejestracje publiczne, lub jest znana w branży). Nowe startupy bez mediów zazwyczaj nie spełniają kryteriów i wpisy są szybko usuwane. Alternatywa: Wikipedia (wyższe kryteria), Freebase (zamknięty), dbpedia (automatyczne z Wikipedia). W praktyce dla polskich e-commerce bez profilu medialnego: Wikidata można pominąć. Ważniejsze są LinkedIn + Crunchbase + GBP.
Dwie ścieżki równolegle: (1) "Suggest an edit" bezpośrednio w Knowledge Panel (przycisk pod panelem) - Google nie gwarantuje akceptacji, ale to najszybsza droga. (2) Zaktualizuj źródła z których KG czerpie: Wikipedia/Wikidata (jeśli tam jest błąd), Crunchbase, oficjalne profile. KG recacheuje dane co kilka tygodni. Jeśli błąd pochodzi z Wikipedia, edycja tam daje najszybszy efekt. Dla poważnych błędów (np. mylenie marki z inną firmą): Google ma formularz zgłoszeniowy przez Search Console → Help → Report an issue.

Źródła i narzędzia użyte w artykule

Zewnętrzne badania i kontekst

Narzedzia omawiane w artykule

Inne kanały w MPlace

Twoja encja w KG = 0 sygnałów? Czas to zmienić.

Bezpłatny audyt GEO - sprawdzimy stan Twojej encji w Knowledge Graph i pokażemy 3 działania które dają najszybszy wzrost widoczności w AI.