Naar hoofdinhoud
Terug naar E-commerce Woordenboek

Knowledge Graph voor Productdata

Databeheer en kwaliteitAdvanced niveau

Een knowledge graph voor productdata slaat producten, attributen en hun relaties op als verbonden feiten die zoeken, aanbevelingen en AI-assistenten volgen.

Image by · CC BY 4.0

Wat is Knowledge Graph voor Productdata?

Een knowledge graph voor productdata (product knowledge graph) is een netwerk dat producten, hun attributen en de relaties ertussen opslaat als verbonden feiten, zoals deze lader past op deze laptop, deze jas is gemaakt van gerecycled polyester of dit merk hoort bij deze fabrikant. Zoekmachines, aanbevelingen en AI-assistenten volgen die verbindingen om vragen te beantwoorden. Een eenvoudig voorbeeld: een camera is verbonden met zijn merk, zijn lensvatting, de lenzen die op die vatting passen, het type geheugenkaart en de categorie. Een tabel in een PIM kan dezelfde waarden bevatten, maar de graph maakt de relaties expliciet, zodat een systeem kan antwoorden welke lenzen op deze camera passen zonder vaste regel. Retailers bouwen zo'n graph vaak bovenop hun PIM-data. Op het web voedt schema.org-markup de knowledge graph van Google met feiten van je productpagina; de productschema generator maakt die markup voor een product.

Waarom Knowledge Graph voor Productdata belangrijk is voor e-commerce

Veel vragen van klanten gaan over relaties, niet over losse waarden: welke cartridge past in mijn printer, wat draag ik hierbij, is er een goedkoper alternatief van een ander merk? Een platte producttabel beantwoordt die vragen alleen als iemand voor elk geval een regel heeft geschreven. Een knowledge graph legt de relaties één keer vast, zodat zoeken en aanbevelingen ze kunnen hergebruiken. Dat wordt belangrijker nu winkelen verschuift naar AI-assistenten en zoeken in gewone taal. Die systemen zoeken naar duidelijke feiten en verbanden tussen producten, merken, materialen en toepassingen. Een catalogus die compatibiliteit en relaties in gestructureerde data vastlegt, is voor hen makkelijker te begrijpen en aan te bevelen. De graph is zo goed als de data erin. Inconsistente attribuutwaarden, ontbrekende compatibiliteitsdata of dubbele producten leiden tot verkeerde verbanden. Schone, gestructureerde productdata in een PIM is meestal de eerste stap naar een bruikbare graph.

Gratis tool

Maak Product-schema voor één product

Vul naam, prijs, merk en identifiers in en kopieer een schema.org Product JSON-LD-blok voor je productpagina.

Open de volledige tool
Tool wordt geladen

Voorbeelden van Knowledge Graph voor Productdata

  • 1Knooppunt: Laptop X14, Relatie: compatibel met, Gekoppeld knooppunt: 65W USB-C-lader
  • 2Knooppunt: Regenjas Alpine, Relatie: gemaakt van, Gekoppeld knooppunt: Gerecycled polyester, Gebruik: Filters en duurzaamheidsclaims
  • 3Knooppunt: Camera Z50, Relatie: gebruikt vatting, Gekoppeld knooppunt: Z-vatting, Resultaat: Alle Z-lenzen getoond als compatibel
  • 4Knooppunt: Merk Northpeak, Relatie: eigendom van, Gekoppeld knooppunt: Fabrikant Northpeak Outdoor Ltd, Gebruik: Merkpagina's en leveranciersdata

Hoe WISEPIM helpt

  • Attribuutbeheer en de pagina Attribuutwaarden houden waarden consistent, wat een graph nodig heeft om producten goed te koppelen.
  • Productfamilies en varianten maken de relatie tussen een model en zijn maten of kleuren expliciet.
  • AI-verrijking vult ontbrekende attributen en specificaties aan, zodat er meer feiten zijn om te verbinden.
  • Export en de Feed Hub geven gestructureerde productdata door aan de zoek-, aanbevelings- of graphtools die je gebruikt.

Veelgemaakte fouten met Knowledge Graph voor Productdata

  • Een graph bouwen op inconsistente data, waardoor hetzelfde materiaal of merk als meerdere knooppunten verschijnt.
  • Compatibiliteit alleen in vrije tekst opslaan, waar geen systeem het als relatie kan lezen.
  • Beginnen met een groot technisch project voordat je weet welke klantvragen de graph moet beantwoorden.
  • De graph los laten raken van het PIM, zodat relaties naar producten wijzen die niet meer verkocht worden.

Tips voor Knowledge Graph voor Productdata

  • Begin met drie of vier relaties die echte klantvragen beantwoorden, zoals compatibiliteit en accessoires.
  • Maak attribuutwaarden eerst schoon en eenduidig, want elke waarde kan een knooppunt worden.
  • Voeg schema.org-productmarkup toe aan je productpagina's als kleine eerste stap naar een publieke graph.

Trends rondom Knowledge Graph voor Productdata

  • Knowledge graphs als bron van feiten voor AI-shoppingassistenten en retrieval-augmented generation.
  • Breder gebruik van schema.org-productmarkup, zodat zoekmachines productfeiten aan hun eigen graph toevoegen.
  • Graphs die productdata combineren met reviews, vragen en gebruiksdata voor betere aanbevelingen.

Tools voor Knowledge Graph voor Productdata

  • Graphdatabases zoals Neo4j, Amazon Neptune, Stardog en ArangoDB, die verbonden data opslaan en bevragen.
  • PIM-systemen zoals WISEPIM, die de schone, gestructureerde productdata leveren waar een graph op bouwt.
  • Schema.org-markup en de structured data-tools van Google, die productfeiten aan zoekmachines doorgeven.
  • Zoek- en aanbevelingsplatformen die graphrelaties gebruiken om producten te rangschikken en voor te stellen.

Gerelateerde termen

Ook bekend als

product knowledge graphproductgraafkennisgraaf voor producten

Veelgestelde vragen

Een knowledge graph slaat informatie op als entiteiten, zoals producten, merken en materialen, en de relaties daartussen. Omdat de verbindingen expliciet zijn, kan een systeem ze volgen om vragen te beantwoorden. De Knowledge Graph van Google is het bekendste voorbeeld.

Neem een printer. In de graph is die verbonden met zijn merk, zijn categorie, de inktcartridges die passen en de papierformaten die hij ondersteunt. Zoekt een klant cartridges voor die printer, dan krijgt die precies de passende, omdat de graph de relatie kent.

In een PIM beheer, verrijk en publiceer je productdata, vooral als attributen per product. Een knowledge graph draait om de relaties tussen producten en andere entiteiten. Veel retailers gebruiken het PIM als bron en bouwen de graph op basis van die data.

Niet altijd. Voor veel webshops is complete, consistente productdata met goede filters en schema.org-markup al een grote stap. Een eigen graph loont vooral bij veel compatibiliteitsvragen, grote catalogi of uitgebreide aanbevelingen.

Nog vragen?

Kan je het antwoord niet vinden? Neem contact op met ons team.

Contact opnemen

Verder ontdekken

Zorgvuldig gekozen vervolgstappen om dieper te gaan.