Central Entity to kluczowy element, który definiuje główny temat strony internetowej – może to być konkretna postać, marka, idea czy obiekt, wokół którego koncentruje się cała publikowana treść. Różni się znacząco od tradycyjnej frazy kluczowej, ponieważ Google postrzega Central Entity jako unikalny, jednoznaczny byt, posiadający własne cechy i powiązania z innymi jednostkami w ramach Knowledge Graph, a nie jedynie jako sekwencję znaków w tekście.
Podejście Entity SEO rewolucjonizuje tradycyjne pozycjonowanie, odchodząc od prostego dopasowywania słów kluczowych na rzecz bardziej zaawansowanego mechanizmu: precyzyjnego identyfikowania głównego bytu, o którym traktuje strona, oraz analizowania jego powiązań z innymi encjami w ramach określonej dziedziny wiedzy. W efekcie, samo występowanie odpowiednich fraz w tekście staje się niewystarczające, jeśli algorytm wyszukiwarki nie jest w stanie jednoznacznie określić, kto lub co jest centralnym punktem danej treści.
Proces identyfikacji Central Entity opiera się na trzech wzajemnie uzupełniających się filarach: analizie języka naturalnego, informacjach pochodzących z Knowledge Graph oraz danych ze znaczników strukturalnych. W przypadku analizy języka naturalnego kluczową rolę odgrywa metryka Entity Salience, której wartość mieści się w przedziale od 0 do 1. Wskaźnik ten określa, który byt wykazuje największą dominację w tekście, biorąc pod uwagę częstotliwość jego występowania, lokalizację w dokumencie oraz jego relacje składniowe z innymi elementami zdania. Jest to ściśle powiązane z pojęciem Central Search Intent, czyli nadrzędnej intencji wyszukiwania przypisanej do całej domeny.
Knowledge Graph stanowi tutaj podstawowy punkt referencyjny, ponieważ każda zidentyfikowana encja posiada w nim swój unikalny identyfikator KGMID. Wyzwanie pojawia się, gdy dany byt nie został jeszcze zindeksowany w tej bazie danych, na przykład nie jest obecny w Wikipedii, Wikidata ani w specjalistycznych rejestrach branżowych. W takich okolicznościach algorytm napotyka znacznie większe trudności w jego prawidłowym rozpoznaniu.
Kolejną trudnością jest tak zwane ujednoznacznienie (disambiguation). Przykładowo, strona wspominająca o „Jaguarze" bez dodatkowego kontekstu nie dostarcza algorytmowi wystarczających informacji, aby odróżnić markę samochodów od zwierzęcia. Zgodnie z dokumentacją Google NLP API, encja o wyniku salience niższym niż 0,1 jest traktowana jako poboczna i mniej istotna dla głównego tematu strony.
Jasno określona Central Entity stanowi fundament dla budowania Topical Authority oraz wzmacniania sygnałów E-E-A-T. Umożliwia ona tworzenie spójnych Content Hubów, gdzie poszczególne artykuły nie rywalizują ze sobą, lecz wzajemnie wspierają jeden, dominujący temat, tworząc razem uporządkowaną strukturę Topic Clusters.
Problemy pojawiają się w przypadku tak zwanego topic dilution, czyli rozmycia tematycznego, gdy pojedyncza treść lub cały serwis próbuje jednocześnie obsługiwać wiele równie istotnych encji, zamiast koncentrować się na jednej, wiodącej. Analiza ponad 100 000 artykułów przeprowadzona przez HubSpot dowiodła, że witryny z klarownie zorganizowanymi Topic Clusters osiągają od 40 do 60 procent wyższą widoczność organiczną w porównaniu do serwisów charakteryzujących się niejasną i niespójną architekturą treści.
Istnieją trzy odrębne metody, aby precyzyjnie poinformować wyszukiwarkę o tym, która encja jest kluczowa dla konkretnej strony. Pierwsza polega na strategicznym rozmieszczeniu i częstotliwości występowania encji w tekście: w tytule, nagłówku H1, pierwszym zdaniu oraz kolejnych nagłówkach H2. Druga metoda to wykorzystanie danych strukturalnych w formacie JSON-LD, a w szczególności właściwości mainEntityOfPage, która bezpośrednio wskazuje głównego bohatera podstrony. Trzecim sposobem jest zastosowanie linkowania wewnętrznego z opisowymi i merytorycznymi anchorami, zamiast ogólnych sformułowań typu „kliknij tutaj”, które nie przekazują żadnej informacji o encji.
Modele językowe odpowiedzialne za generowanie odpowiedzi w AI Overviews opierają swoje działanie na dokładności identyfikacji Central Entity danej strony. Algorytm najpierw określa główny byt, następnie mapuje jego powiązania z innymi encjami w Knowledge Graph, a na tej podstawie podejmuje decyzję, czy dana treść jest wartościowa i zasługuje na uwzględnienie w wygenerowanej odpowiedzi.
Taka perspektywa stanowi podstawę całej filozofii Generative Engine Optimization (GEO): zanim algorytm zacznie analizować frazy kluczowe, musi najpierw w pełni zrozumieć, jaka jest istota danej strony. W praktyce oznacza to odwrócenie tradycyjnej kolejności działań w SEO: najpierw należy zdefiniować Central Entity oraz jej relacje z pokrewnymi encjami, a dopiero potem dobierać słowa kluczowe, które harmonizują z tak precyzyjnie określonym tematem, co warto zaplanować wspólnie z agencją SEO specjalizującą się w SEO opartym na encjach.