Entity SEO 怎麼做：從 central entity 到 attribute coverage

Entity SEO 不是另一種關鍵字工具

結論先行：Entity SEO 的目標不是讓頁面排名更多查詢詞，而是讓搜尋引擎對特定實體建立結構化的完整理解。這兩件事在操作層面差異極大——前者依賴關鍵字密度與變體堆疊，後者則依賴實體屬性的系統性覆蓋。如果你的內容團隊仍停留在「一篇文章塞進 20 個關鍵字」的思維，那麼你做的是 keyword SEO，不是 entity SEO。

從逆向工程的角度來看，Google 的檢索系統在近幾年的更新中持續強化實體識別能力。Knowledge Graph、自然語言處理模型（如 BERT 與 MUM），以及 Schema.org 結構化標記，這三者共同構成了一個以實體為核心的語意網路。在這個網路中，「拉麵」不再只是一個字串，而是一個有類型（食物）、有屬性（料理方式、起源地、代表店家）、有關聯（食材、地區、飲食文化）的實體節點。當你的內容只覆蓋了字面出現的關鍵字，卻忽略了實體的屬性面，搜尋引擎會判定你的內容在語意上是不完整的。

更具體地說，傳統關鍵字 SEO 的工作流是：關鍵字研究 → 關鍵字分組 → 一組關鍵字分配到一個頁面 → 以錨文字與內文覆蓋這些字詞。Entity SEO 的工作流則是：定義 central entity → 拆解屬性 → 為每個屬性建立內容段落 → 以實體關聯組織內部連結。這不是替代關係，而是互補關係——你可以參考語意 SEO 與關鍵字研究的整合方法，將兩套邏輯並行操作。

先定義 Central Entity：你的頁面到底在講誰？

每篇文章只容許一個 central entity，其餘所有出現的實體都是屬性承載者或關聯實體。這是 entity SEO 最核心的紀律，沒有例外。選擇 central entity 的準則有三個：第一，搜尋意圖是否直接指向該實體；第二，該實體是否與你的商業目標對齊；第三，它是否能在你已有的 topical cluster 架構中承接 hub 角色。

以變數模型來看，你可以把 central entity 記為 E_c，所有關聯實體記為 E_r₁, E_r₂, …, E_rₙ。一篇文章的語意邊界由 E_c 決定，E_r 則用來建立實體之間的關聯密度。舉例：如果你的 central entity 是「東京美食」，那麼「拉麵」是 E_r₁（類型屬性），「新宿」是 E_r₂（地區屬性），「Google 評論數」是 E_r₃（評價屬性）。這些 E_r 不應該各自成為獨立文章的主題——它們的語意存在是為了服務 E_c 的完整性。

實務上的判斷方法：在 SERP 中搜尋你的目標查詢詞，觀察排名前十的結果共同涵蓋了哪些實體。如果多數結果都提到了特定的關聯實體（例如「筑地市場」、「米其林一星」），但你的頁面完全沒有提及，那麼你的 central entity 定義可能過窄，或者屬性覆蓋有缺口。

用 EAV 模型拆解 Attribute Coverage

Entity-Attribute-Value（EAV）模型原本用於資料庫設計，但在 SEO 內容規劃中同樣適用。核心邏輯是：實體（Entity）是主體，屬性（Attribute）是描述該主體的維度，值（Value）是每個維度下的具體內容。當你把這個模型套用到內容規劃上，attribute coverage 就是「你的頁面是否在每一個關鍵屬性上都有對應的段落」。

操作步驟如下：首先，列出 central entity 的所有關鍵屬性。這些屬性可以從 SERP 分析、Google 的 People Also Ask、以及 Schema.org 的實體定義中萃取。接著，為每個屬性分配具體的值——這些值才是你的內容段落要覆蓋的對象。關鍵字在此模型中的角色是「值的語言表達形式」，它不是規劃的起點，而是規劃的產物。

舉例來說，central entity「東京美食」的屬性拆解可能是：類型（拉麵、壽司、天婦羅、居酒屋、甜點）、地區（新宿、澀谷、銀座、淺草、上野）、價格帶（平價、中價、高價）、場景（約會、家庭、一個人、觀光客）、營業時段（午餐、晚餐、深夜）。每個屬性下的值都需要有對應的內容段落，這就是 attribute coverage 的含義。你可以參考頁面 SEO 指南中關於內容結構化的建議，將 EAV 模型融入段落規劃。

Entity-Attribute Map 實作：以「東京美食指南」為例

以一個具體的 entity-attribute map 為例，展示從實體到段落的完整規劃流程。假設 central entity 是「東京美食」，搜尋意圖是 learn，那麼內容的語意結構應該圍繞在「幫助讀者建立對東京美食的系統性認知」，而非僅列舉餐廳清單。

涵蓋層級方面，可以將屬性分為 L1（必須涵蓋）與 L2（建議涵蓋）兩個層級。L1 屬性是 SERP 中多數排名結果都出現的屬性，例如「類型」與「地區」；L2 屬性是差異化內容的來源，例如「場景」與「營業時段」。在資源有限的情況下，優先完成 L1 覆蓋，再逐步補足 L2。

如何判斷 Attribute Coverage 足夠？Completeness Checklist

判斷 attribute coverage 是否足夠，需要一個可量化的 checklist，而非依賴主觀判斷。以下是五個核心檢查項目：實體是否有明確定義（central entity 是否唯一且清晰）；關鍵屬性是否都有對應內容段落（每個 L1 屬性至少有一個專屬段落）；屬性值是否涵蓋多樣性（每個屬性下至少涵蓋三個以上的值）；同義詞與相關實體是否自然提及（不強行塞入，而是依語意需求出現）；與其他實體的關聯是否建立（透過內部連結與上下文語句）。

驗證方法有兩種：第一，將你的內容與 SERP 前十名的結果做 entity overlap 分析，找出你缺少的實體或屬性；第二，檢查 Google Search Console 中你的頁面實際獲得曝光的查詢詞，反向推導哪些屬性已被索引系統識別。如果某些預期的屬性在 GSC 數據中完全沒有對應查詢，可能代表你的內容段落沒有成功傳遞該屬性的語意訊號，需要檢查段落結構與用語是否足夠明確。

Entity SEO 與 Topical Authority 的關係

Entity SEO 是建立 Topical Authority 的基礎結構層。搜尋引擎判斷一個網站是否在某個主題上具備權威性，依據的不是該網站發了多少篇文章，而是這些文章之間的實體關聯密度與屬性覆蓋完整度。一個網站如果針對「東京美食」這個 central entity 建立了完整的 attribute coverage，並且透過內部連結將所有相關頁面組織成語意網路，那麼搜尋引擎會更容易將該網站識別為「東京美食」主題的權威來源。

從實作角度來看，topical authority 的建立需要兩個條件同時滿足：垂直深度與水平廣度。垂直深度指的是單一 central entity 的 attribute coverage 完整度，水平廣度則指的是多個 central entity 之間的關聯密度。兩者缺一不可——只有深度沒有廣度，網站會變成孤立的內容孤島；只有廣度沒有深度，則會退化回關鍵字拼盤的老路。

內部連結：用 Entity 關聯強化語意網路

內部連結的錨文字與目標頁面應該反映實體關係，而非僅是關鍵字的機械替換。具體做法是：當你在文章 A 中提到實體 X 的某個屬性，而文章 B 是專門處理實體 X 該屬性的深度內容，那麼文章 A 中提到該屬性的句子就應該以自然的锚文字連結到文章 B。這不是 SEO 技巧，而是語意結構的合理表達。

在 entity-attribute map 的基礎上，內部連結的規劃可以遵循以下邏輯：central entity 相關的 hub 頁面（也就是你正在讀的這篇）應連結到所有 attribute 專頁；attribute 專頁之間應根據實體關聯性交叉連結；同屬一個 topical cluster 的頁面應形成封閉的語意迴路。這種連結結構的目的是讓爬蟲在抓取任何一個頁面時，都能順著實體關聯找到 cluster 內的所有相關內容，從而強化整個主題的語意信號。