Artykuł 6 z toru Evidence Graph ← Case study na żywo, część 1
Nowe pojęcia nie umierają od krytyki. Umierają od utożsamienia — z najbliższym istniejącym terminem, który wszyscy już znają. „Aha, czyli to takie E-E-A-T” jest zdaniem, po którym pojęcie przestaje wnosić cokolwiek, bo przestaje oznaczać cokolwiek odrębnego.
Ten artykuł stawia granice. Cztery istniejące podejścia — E-E-A-T, knowledge graph, entity SEO i digital PR — krążą wokół tego samego terytorium co evidence graph, i każde z nich robi coś innego. Mapa poniżej pokazuje, co dokładnie, gdzie kończą się kompetencje każdego z nich i jak składają się w jeden stos.
Trzy pytania porządkujące
Zanim porównania — pytania, które odróżniają te podejścia od siebie szybciej niż definicje:
Czy to struktura danych, czy zestaw kryteriów, czy praktyka? Struktury się buduje, kryteria się spełnia, praktyki się wykonuje. Mylenie tych kategorii to źródło większości nieporozumień.
Co jest jednostką? Encja? Dokument? Link? Twierdzenie z dowodem? Podejścia operujące na różnych jednostkach nie mogą się zastępować.
Kto to konsumuje? Algorytm rankingowy, model językowy komponujący odpowiedź, człowiek czytający stronę — różni konsumenci czytają różne warstwy.
E-E-A-T — kryteria, nie struktura
E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) to zestaw kryteriów jakości z wytycznych Google dla oceniających wyniki wyszukiwania. Mówi, co systemy powinny nagradzać: treści tworzone z doświadczeniem, ekspertyzą, przez autorytatywne i wiarygodne źródła.
Czego E-E-A-T nie mówi: jak maszyna ma te cechy ustalić dla konkretnej encji. To są kryteria egzaminu bez arkusza odpowiedzi. Branża SEO wypełnia tę lukę praktykami-proxy: stroną autora, biogramami, „sygnałami zaufania” — czyli w większości dowodami deklaratywnymi, których wagę artykuł o typologii umieścił na poziomie pierwszym, malejącym.
Relacja: evidence graph jest strukturą danych, która pozwala kryteria E-E-A-T policzyć. Expertise przestaje być przymiotnikiem z biogramu, a staje się zbiorem przypisanych, weryfikowalnych dowodów. E-E-A-T bez grafu dowodów to deklaracja o sobie; z grafem — stan sprawdzalny. Kierunek zależności jest jeden: graf zasila kryteria, kryteria nie budują grafu.
Knowledge graph — tożsamość, nie wiarygodność
Knowledge graph opisuje, kim encja jest: nazwa, typ, atrybuty, relacje z innymi encjami. Dekada praktyki nauczyła organizacje go karmić — spójne dane NAP, profile, dane strukturalne Organization, obecność w Wikidata.
Czego knowledge graph nie opisuje: podstaw wiarygodności. Encja może być doskonale rozpoznana — poprawna nazwa, branża, lokalizacja, relacje — i jednocześnie mieć zerową przypisaną kompetencję. To jest dokładnie stan zmierzony w case study: modele wiedziały, czym studio jest, i nie wiedziały, co udowodniło.
Relacja: evidence graph jest nakładką na knowledge graph — korzysta z tych samych mechanizmów (encje z @id, relacje, dane strukturalne), ale wiąże z encją inny typ obiektów: nie atrybuty tożsamości, lecz dowody kompetencji. Bez działającego knowledge graph evidence graph nie ma na czym wisieć; działający knowledge graph bez warstwy dowodów odpowiada tylko na pierwsze z dwóch pytań, które zadają maszyny.
Entity SEO — praktyka budowania rozpoznawalności encji
Entity SEO to zbiór praktyk zapewniających, że wyszukiwarki i modele poprawnie identyfikują encję: konsekwentne nazewnictwo, dane strukturalne, spójność między profilami, dezambiguacja („nasza firma Orbit to nie ta Orbit”).
Relacja jest prosta i hierarchiczna: entity SEO buduje knowledge graph, nie evidence graph. Jest warunkiem koniecznym — organizacja w stanie 4 macierzy rozjazdu (niska konsumpcja, niska atrybucja) musi najpierw wykonać pracę entity SEO, żeby budowa grafu dowodów miała sens. Ale entity SEO wykonane perfekcyjnie kończy pracę w momencie, w którym encja jest rozpoznawalna. Pytanie „co ta rozpoznawalna encja udowodniła” leży poza jego zakresem — i większość wdrożeń entity SEO nigdy go nie dotyka.
Digital PR — sygnały zewnętrzne, zwykle bez dowodów
Digital PR buduje wzmianki i linki ze źródeł trzecich: publikacje, cytowania w mediach, obecność w zestawieniach. W architekturze grafu dowodów odpowiada warstwie, której nie da się w pełni kontrolować — potwierdzeniom zewnętrznym.
I tu jest subtelność, którą warto nazwać precyzyjnie. Digital PR może zasilać evidence graph — gdy publikacja zewnętrzna opisuje weryfikowalny dowód i przypisuje go encji. W praktyce jednak typowy produkt digital PR to wzmianka bez dowodu: „firma X, lider rozwiązań Y, komentuje trend Z”. Taka wzmianka wzmacnia knowledge graph (encja istnieje, jest kojarzona z tematem) i nie dodaje ani jednego węzła do grafu dowodów, bo nie zawiera nic weryfikowalnego.
Test rozróżniający dla publikacji zewnętrznej: czy z tego tekstu wynika sprawdzalne twierdzenie o tym, co encja zrobiła — czy tylko to, że istnieje i ma opinie? Pierwsze to węzeł grafu dowodów. Drugie to sygnał obecności — wartościowy, ale w innej księgowości.
Mapa w jednej tabeli
| E-E-A-T | Knowledge graph | Entity SEO | Digital PR | Evidence graph | |
|---|---|---|---|---|---|
| Kategoria | kryteria oceny | struktura danych | praktyka | praktyka | struktura danych |
| Jednostka | cecha jakości | encja i atrybuty | sygnał spójności | wzmianka / link | dowód przypisany encji |
| Odpowiada na pytanie | co nagradzać | kim jesteś | czy cię rozpoznają | czy o tobie mówią | dlaczego ci wierzyć |
| Główny konsument | systemy oceny jakości | wyszukiwarki i modele | wyszukiwarki i modele | ludzie i modele | modele komponujące odpowiedzi |
| Typowy artefakt | wytyczne | Organization + sameAs |
spójne NAP, dezambiguacja | publikacja, link | subjectOf, isBasedOn, dowody z metodologią |
| Bez tego evidence graph… | — (to kryteria, które graf zasila) | nie ma na czym wisieć | nie ma rozpoznawalnej encji | nie ma warstwy zewnętrznej | — |
Jak to się składa w stos
Podejścia nie konkurują — obsługują kolejne piętra tej samej budowli, i kolejność pięter nie jest dowolna:
Piętro 1: entity SEO — encja jest rozpoznawalna i jednoznaczna. Piętro 2: knowledge graph — encja ma tożsamość: atrybuty, relacje, spójny opis wszędzie. Piętro 3: evidence graph — encja ma przypisane, weryfikowalne dowody kompetencji. Piętro 4: warstwa zewnętrzna — źródła trzecie (w tym digital PR robiony pod dowody, nie pod wzmianki) potwierdzają powiązania z pięter niższych. E-E-A-T nie jest piętrem — jest inspekcją budowlaną: kryteriami, według których całość zostanie oceniona.
Diagnostyczna wartość tej kolejności: większość organizacji inwestuje w piętra 1–2 i wykańcza budynek digital PR-em od wzmianek, przeskakując piętro 3 w całości. Efekt jest przewidywalny i mierzalny testem dwustronnym: encja rozpoznawalna, obecna w mediach — i bez jednego przypisanego dowodu, gdy model komponuje odpowiedź na pytanie o wiarygodność.
Trzy utożsamienia, których unikać
Na koniec — trzy zdania, które będą padać, i gotowe odpowiedzi:
„Evidence graph to nowa nazwa na E-E-A-T.” Nie: E-E-A-T to kryteria, graf to struktura danych, która pozwala je policzyć. Kryteriów nie da się wdrożyć; struktury nie da się „spełniać”.
„Evidence graph to część knowledge graph.” Technicznie korzysta z tych samych mechanizmów, ale odpowiada na inne pytanie — i praktyka pokazuje, że można mieć komplet tożsamości przy zerze przypisanych dowodów. Rozróżnienie jest warte utrzymania, bo ginie w nim właśnie ta dziura.
„Robimy digital PR, więc budujemy evidence graph.” Tylko jeśli publikacje zawierają sprawdzalne twierdzenia o dokonaniach — co jest rzadkim, a nie domyślnym produktem tej praktyki.
W ostatnim artykule toru: audyt atrybucji jako procedura — pełny protokół sprawdzenia, co modele wiedzą, co czytają i co potrafią przypisać Twojej encji, z arkuszem punktów kontrolnych do samodzielnego przeprowadzenia.
Pojęcia ze słownika: Evidence Graph · AI Visibility Audit · Brand Mention w AI · Schema Density · Position Zero AI
