Una entrada de Wikidata no es un simple extra para el SEO. Forma parte de la base que utilizan los motores de IA para determinar si una marca corresponde a una entidad real. Cuando alguien pregunta a ChatGPT o Perplexity «¿A qué se dedica esta empresa?», el modelo debe identificar primero a qué entidad se refiere el nombre antes de recurrir a información ajena al sitio web oficial. Sin una entidad estructurada, la marca queda reducida a una cadena de caracteres ambigua dentro del grafo de conocimiento.
Por qué Wikidata es clave para las citas de IA
Wikidata es una base de conocimiento abierta mantenida por la Wikimedia Foundation. Cada entidad se identifica con un número Q —por ejemplo, Q95 corresponde a Google— y se describe mediante propiedades estructuradas. Google Knowledge Graph, Bing y la mayoría de los grandes modelos de lenguaje recurren directamente a los recursos abiertos de Wikidata en sus corpus de entrenamiento. Por eso, cuando un modelo necesita desambiguar un término —determinar si «Apple» se refiere a una fruta o a una empresa—, se apoya en este tipo de entidades estructuradas. Además, Wikidata asigna un número Q único a cada entidad, lo que permite agrupar bajo una misma marca las menciones repartidas entre distintas páginas web e idiomas. Si una marca B2B de Taiwán no existe en Wikidata, queda fuera de esa representación del mundo que utiliza la IA. El modelo solo puede inferir su identidad a partir del texto y, si se equivoca, la marca carece de una referencia estructurada con la que corregirlo.
Revisa los criterios de inclusión antes de empezar
Mucha gente trata Wikidata como si fuera una red social: abre una cuenta y crea una entrada para su empresa. Sin embargo, la plataforma aplica criterios claros de inclusión y relevancia. Si una entidad no los cumple, los administradores pueden eliminarla, con la consiguiente pérdida de tiempo. Para que una entrada se mantenga, debe satisfacer al menos una de estas tres condiciones:
- Estar enlazada desde una página de cualquier proyecto de Wikimedia, como una entrada ya existente en la Wikipedia en chino o en inglés.
- Representar una entidad claramente identificable y contar con el respaldo de fuentes rigurosas y de acceso público, como registros mercantiles, artículos de medios de comunicación reconocidos o bases de datos sectoriales.
- Cumplir una necesidad estructural; es decir, ser referenciada por otros elementos válidos y contribuir a completar el grafo de conocimiento.
Para la mayoría de las marcas B2B en chino tradicional, la segunda vía es la única opción viable. No es imprescindible contar primero con una entrada en Wikipedia —cuyo umbral es más alto y exige demostrar una «relevancia de nivel Wikipedia»—, pero sí hacen falta al menos dos o tres fuentes fiables e independientes del sitio web oficial. Antes que dedicar esfuerzos a conseguir presencia en Wikipedia, suele ser más útil establecer una base sólida en Wikidata.
El principal obstáculo para las marcas en chino tradicional suele estar en las fuentes
Las startups SaaS de Taiwán suelen enfrentarse al mismo problema: tienen un producto sólido, pero casi toda su cobertura pública consiste en reproducciones de su blog o de sus notas de prensa, sin respaldo de terceros. En ese caso, conviene reforzar primero las fuentes en lugar de crear la entrada de inmediato. La información pública del registro mercantil e industrial del Ministerio de Asuntos Económicos, las páginas de empresa en 104 o LinkedIn, China Credit Information Service y los artículos de medios sectoriales con revisión editorial pueden servir como referencias aceptables para los administradores. La regla práctica es sencilla: si la información se ha pagado o la ha publicado la propia empresa, no cuenta como fuente independiente. Lo que aporta valor es aquello que demuestra que «otros hablan de la marca». Cuando Tenten realiza auditorías GEO para sus clientes, el inventario de fuentes verificables suele ser el primer paso: primero comprueba si existen referencias adecuadas y después decide si conviene publicar la entrada.
Completa las propiedades para que la IA entienda la entidad
Una vez creada la entrada, la capacidad de la IA para identificarla y citarla depende, en gran medida, de que sus propiedades —marcadas con un número P— estén completas y sean exactas. Una marca B2B debería incluir, como mínimo, los siguientes datos:
- Instancia de (P31): indícala como empresa (Q4830453) u organización empresarial. Es el punto de partida para que la IA determine que «se trata de una empresa».
- Sitio web oficial (P856): añade la URL principal del sitio oficial para vincular de forma inequívoca la entrada con la web de la marca.
- Fecha de fundación o creación (P571): registra la fecha de constitución y aporta coherencia cronológica a la entidad.
- País (P17) y sede (P159): indica Taiwán y Taipéi. Estos datos son especialmente importantes para las búsquedas locales en chino tradicional.
- Sector (P452): incorpora entidades sectoriales como software y SaaS para que el modelo identifique el ámbito de actividad.
- Etiqueta y descripción: añade la etiqueta —el nombre de la marca—, una descripción de una frase que resuma su posicionamiento y los alias —como abreviaturas habituales o el nombre en inglés— en los dos códigos de idioma: zh-Hant y zh-tw.
Las etiquetas de idioma son uno de los pasos que más se omiten, aunque influyen directamente en las consultas en chino tradicional. Si solo se completa la etiqueta en inglés, el modelo carecerá de una correspondencia clara cuando reciba una pregunta en chino como «¿Cómo se llama esta empresa de Taipéi?». También tiene sentido registrar zh-Hant y zh-tw por separado: el primero abarca el chino tradicional en sentido amplio, mientras que el segundo refleja de forma específica los usos lingüísticos de Taiwán.
Cada declaración debe incluir una fuente
Este es el error más habitual entre quienes empiezan: completar las propiedades sin añadir referencias. Cada declaración debe incluir indicado en (P248) o URL de la referencia (P854), además de la fecha de consulta (P813). Otros editores pueden eliminar con facilidad las afirmaciones sin fuentes y, además, estas reciben un menor nivel de confianza cuando una IA las utiliza. En la práctica, un dato como «fundada en 2018» resulta mucho más fácil de aceptar como un hecho si remite al registro mercantil que si aparece como una cifra aislada. Reforzar las fuentes equivale a respaldar la credibilidad de la propia entidad.
¿Cuánto tarda en notarse el efecto en las citas de IA?
No esperes que ChatGPT cite la marca al día siguiente. Primero, los servicios posteriores deben incorporar los datos de Wikidata: Google Knowledge Graph suele rastrearlos en unas semanas, mientras que los modelos de lenguaje no reflejan los cambios hasta la siguiente actualización de entrenamiento o recuperación de información. Una expectativa más realista es empezar a observar resultados entre tres y seis meses después de crear la entrada: primero puede aparecer el panel de conocimiento en Google; después, AI Overviews puede empezar a tratar la marca como una entidad confirmada; y, con el tiempo, Perplexity y ChatGPT pueden ofrecer una descripción más precisa. Crear la entrada tampoco significa que pueda abandonarse. Si la información queda obsoleta, cambia el producto o la empresa adopta otro nombre, habrá que actualizarla; de lo contrario, la IA seguirá recurriendo a la descripción anterior. No es un interruptor de efecto inmediato, sino una base sólida para que cada nuevo contenido y cada mención se acumulen alrededor de una misma entidad.
Una entrada de Wikidata es el punto de partida para que una marca en chino tradicional sea reconocida en las búsquedas con IA, pero solo constituye una parte de la estrategia de entidades. La coherencia entre los datos estructurados del sitio web oficial, las menciones de terceros y el seguimiento de la visibilidad en sistemas de IA determinará cómo acaba describiendo la marca cada modelo. Si quieres saber qué elemento falta en tu entidad, puedes solicitar un diagnóstico GEO de 30 minutos. Analizaremos la marca mediante consultas reales y te mostraremos qué carencias conviene resolver primero.
