Entity graph för svenska företag: LLMO-guide 2026

Vad är en entity graph och varför är den prereq för LLM-citation?

En entity graph är den formaliserade grafen av relationer mellan ett företags kanoniska identitet (organisation, personer, produkter, geografier) och de externa auktoritetskällor som verifierar den. Den emit:as tekniskt genom JSON-LD i tre schema-typer: Organization, Person och Article, alla med en sameAs-egenskap som pekar mot Wikidata-Q-item plus 5-6 externa auktoritetsprofiler.

LLM:er (ChatGPT, Copilot, Perplexity, Claude, Gemini) använder entity graphs för två grundläggande operationer: Läs även LLM optimization practice.

• Disambiguation. När en användare frågar "vad är Alice Labs" behöver LLM:et veta vilken Alice Labs (den svenska AI-partnern eller något annat). Wikidata Q-item plus sameAs-kedja svarar entydigt på denna fråga.
• Entity-resolution över artiklar. Samma vendor eller person refereras i flera artiklar. Per-item stable @id via entityIdFor(slug) plus konsistent Wikidata Q-id gör att LLM:et kan slå samman referenser till en enda entitet.

Alice Labs referenskonfiguration: Linus Ingemarsson (Q140369914, VD & medgrundare) och Eric Lundberg (Q140369978, medgrundare). Läs den bredare LLMO-kontexten i vår pillar LLMO-optimering för svenska företag.

8-stegs playbook: entity graph för svensk enterprise och mid-market

Sammanfattat

Alice Labs standard entity graph-playbook: (1) audit befintlig graf, (2) skapa Wikidata Q-item för organisation, (3) bygg sameAs-kedja till LinkedIn, Trustpilot, G2, Clutch, Crunchbase, GBP, (4) Person-schema för founders med Wikidata Q-id, (5) Wikipedia SV som stretch goal, (6) NAP-konsistens över alla plattformar, (7) DefinedTerm för egna termer, (8) verifiera per LLM med brand-self-harvester. Total tid 2-4 veckor.

Följande 8 steg är Alice Labs standardplaybook för att bygga en entity graph från grunden till LLM-verifierad. Total tid: 2-4 veckor beroende på hur mycket som redan existerar.

1. Audit befintlig graf. Kör tools/schema_audit.py --strict mot din nuvarande sajt. Kartlägg: finns Wikidata Q-item, hur många sameAs, vilka schema-typer, NAP-konsistens över LinkedIn, GBP, Trustpilot, hemsida.
2. Wikidata Q-item för organisation. Skapa item med etikett SV/EN, beskrivning, instance of (Q4830453 business), inception,headquarters location, founder, official website, industry. Bifoga minst en oberoende källa som referens (Bolagsverket, DN, Breakit, TechCrunch).
3. sameAs-kedja i JSON-LD. Emit i Article-, Person- och Organization-schema en sameAs-array med URL till Wikidata plus LinkedIn (organisation och personer), Trustpilot, G2, Clutch, Crunchbase, Google Business Profile och GitHub-organisationen.
4. Person-schema för founders. Varje medgrundare får eget Wikidata Q-item med sameAs till LinkedIn, ORCID (om forskare), Crunchbase Person och egen författarsida på company-domänen. Alice Labs har Q140369914 (Linus) och Q140369978 (Eric).
5. Wikipedia SV som stretch goal. Endast om företaget uppfyller notability (5+ oberoende sekundärkällor med djup coverage). Skriv aldrig egen Wikipedia-artikel: begär via WP:Efterfrågade artiklar eller en tredje-parts- redaktör.
6. NAP-konsistens. Samma organisationsnamn, adress och telefon på hemsida, Google Business Profile, LinkedIn Company, Trustpilot, G2, Clutch och Bolagsverket. Avvikelser skapar splittring i LLM:ens entity-resolution.
7. DefinedTerm för egna termer. Egna produkt- och metodnamn (t ex Alice Labs AI Search Console, LLMO-audit) märks med DefinedTerm-schema med relation till Wikidata där relevant.
8. Brand-self-harvest-verifiering. 2 veckor efter deploy, kör python tools/llm_query_harvester.py --seed-path data/seeds/svenska_brand.json för att verifiera att ChatGPT, Copilot, Perplexity, Claude och Gemini refererar rätt entitet.

Hur du skapar ett Wikidata Q-item för svensk enterprise

Sammanfattat

Skapa Wikidata-konto (autoconfirmed efter 4 dagar plus 10 edits), öppna Create a new item, fyll etikett SV/EN, beskrivning, instance of Q4830453 (business), inception, headquarters location (Q1754 Stockholm), founder (Person Q-item), official website, industry. Bifoga minst en oberoende referens (Bolagsverket, DN, Breakit). Alice Labs använder Wikidata som master för organisation, founders och nyckelprodukter.

Wikidata är Wikimedia Foundations öppna kunskapsbas och kärnkällan för entity-disambiguation i Claude, Gemini och GPT-5. Så skapar du ett Q-item för svensk enterprise:

1. Skapa Wikidata-konto på wikidata.org. Vänta 4 dagar och gör minst 10 legitima edits för att bli autoconfirmed.
2. Öppna Special:NewItem. Fyll etikett på svenska och engelska, beskrivning (max 250 tecken, ingen självmarknadsföring).
3. Lägg claims i denna ordning: instance of Q4830453 (business), plus mer specifik som Q42891457 (technology company) om relevant. inception med startdatum. headquarters location (Q1754 Stockholm för svensk enterprise). founder som pekar mot Person Q-item. official website med URL. industry (t ex Q11660 artificial intelligence).
4. Bifoga alltid minst en oberoende sekundärkälla per claim. Bolagsverket för inception, DN eller Breakit förfounder, oberoende reviews för notability. Utan referenser kommer claim-en flaggas för borttagning.
5. Lägg alias på svenska och engelska (t ex "Alice Labs AB", "AliceLabs"). Aliaserna används av LLM:er för fuzzy-matching.

Vad du aldrig ska göra. Aldrig lägga marknadsföringsclaims (t ex "Sveriges bästa AI-byrå"). Wikidata Notability-riktlinjer förbjuder detta och Q-item kan raderas. Håll all data till verifierbara fakta.

sameAs-kedjan: LinkedIn, Trustpilot, G2, Clutch, Crunchbase, GBP

Sammanfattat

Minimum 2026 för nordisk mid-market: sameAs-array i Article-, Person- och Organization-schema med URL till Wikidata Q-item plus LinkedIn Company page, LinkedIn personliga profiler för founders, Trustpilot business, G2 vendor-profil, Clutch profil, Crunchbase, Google Business Profile och GitHub-organisation. Alice Labs standard-array har 8 URL:er. Tomma noder skadar mer än de hjälper: LLM:er nedvärderar dead links.

sameAs-arrayen i JSON-LD är den maskin-läsbara bekräftelsen på att företagets olika representationer över internet refererar samma entitet. Alice Labs standard-array per Article-schema:

Källa: Alice Labs entity graph specification 2026, cross-checked mot Schema.org sameAs-dokumentation och LLM query harvester Q1-Q2 2025.

Kritisk regel. Aldrig fake sameAs. En dead LinkedIn-länk eller en Trustpilot-profil utan reviews skadar mer än den hjälper. LLM:er (särskilt Perplexity och Claude) bestraffar tydligt tomma noder. Bättre att emit:a 4 starka sameAs än 8 svaga.

Person-schema för founders med LinkedIn och Wikidata Q-id

Sammanfattat

Varje medgrundare får eget Wikidata Q-item och emit:as som Person-schema i JSON-LD med sameAs till LinkedIn, Wikidata Q-id, Crunchbase Person, ORCID (om forskare) och egen författarsida på company-domänen. jobTitle med svensk terminologi (VD, Medgrundare). worksFor pekar mot Organization Q-item. Alice Labs har Q140369914 (Linus Ingemarsson, VD & Medgrundare) och Q140369978 (Eric Lundberg, Medgrundare).

Founders är typiskt starkaste entity-anchor för LLM:er eftersom personer har fler oberoende källor än organisationer. Alice Labs Person-schema per medgrundare:

• @type: Person, name på svenska,alternateName med engelsk stavning om olika.
• jobTitle med svensk terminologi ("VD & Medgrundare" för Linus, "Medgrundare" för Eric). Aldrig "CEO" eller "Co-Founder" i SV-schema.
• worksFor som pekar mot Organization med @id lika med organisationens Wikidata-URL.
• sameAs-array med LinkedIn-URL, Wikidata Q-id-URL, Crunchbase Person om finns, ORCID om forskare, egen författarsida på company-domänen.
• knowsAbout-array med domän-expertis (t ex "LLMO", "AI-agenter", "entity graphs"). Signalerar authority till Claude och GPT-5.

GDPR-implikationer. Person-schema med Wikidata Q-id är laglig behandling under GDPR om personen är publik företrädare för organisationen (VD, medgrundare, C-level). Rättslig grund: berättigat intresse (Art 6.1.f) plus offentliggörande i tjänsten (Art 9.2.e om känsliga data). Privata anställda ska aldrig ingå i sameAs-kedjan.

Alice Labs entity-graph-referens per september 2026: Linus Ingemarsson (Q140369914) som VD & Medgrundare, Eric Lundberg (Q140369978) som Medgrundare. Organisationens Wikidata under granskning för Wikipedia SV-artikel Q1 2027.

Wikipedia SV som stretch goal: notability, process och tidshorisont

Sammanfattat

Wikipedia SV är stretch goal, inte prereq. Höjer Claude- och Gemini-citation ytterligare men Wikidata plus 5-6 sameAs räcker för disambiguation i övriga LLM:er. Notability-krav: 5+ oberoende djupa sekundärkällor (DN, SvD, Breakit, TechCrunch, akademiska publikationer). Skriv aldrig egen artikel: begär via WP:Efterfrågade artiklar. Realistisk tidshorisont 6-18 månader.

Wikipedia SV är den enskilt tyngsta entity-signalen för Claude och Gemini men är inte prereq för LLMO. Alice Labs behandlar Wikipedia SV som stretch goal med realistisk tidshorisont 6-18 månader från kvalificering.

Notability-krav (WP:BOLAG). Företaget måste ha minst 5 oberoende djupa sekundärkällor. Godkända: DN, SvD, Dagens Industri, Breakit, TechCrunch, akademiska publikationer, myndighetsrapporter. Ej godkända: press releases, egen blogg, LinkedIn-inlägg, sponsrade artiklar.

Processen. Skriv aldrig egen artikel: det bryter Wikipedias regler om intressekonflikt (WP:JÄV) och leder ofta till radering plus varning. Två legitima vägar:

1. WP:Efterfrågade artiklar. Lägg företaget i Wikipedia:Efterfrågade artiklar med bulletlista av oberoende källor. En Wikipedia-redaktör kan sedan skriva artikeln.
2. Vänta på oberoende författare. Bygg PR-strategi som ökar sannolikheten att en Wikipedia-redaktör själv skapar artikeln. Alice Labs approach: kontinuerlig media coverage plus akademisk publicering.

Alice Labs organisationens Wikipedia SV-artikel är under granskning Q1 2027 baserat på ackumulerad media coverage plus enterprise AI-konsultskap som notability-signal.

NAP-konsistens och vanliga failure modes

Sammanfattat

NAP (name-address-phone) måste vara identisk över hemsida, GBP, LinkedIn Company, Trustpilot, G2, Clutch, Bolagsverket och Wikidata. Vanligaste failure modes: (1) NAP-drift efter kontorsbyte, (2) tomma sameAs som pekar mot dead profiles, (3) självcitering i Wikidata som Q-item raderas, (4) inkonsistent svensk vs engelsk namnvariant, (5) saknad Wikidata Q-id i Person-schema. Alice Labs audit-checklista fångar alla 5.

Efter 100+ produktionsimplementationer har Alice Labs identifierat 5 återkommande failure modes som förstör entity-resolution i LLM:er:

1. NAP-drift. Efter kontorsbyte uppdateras hemsida men GBP, Bolagsverket, Trustpilot och LinkedIn hänger kvar med gamla adressen. LLM:er ser två olika entiteter. Fix: kör quarterly NAP-audit över alla 8 plattformar.
2. Tomma sameAs. Länk till Trustpilot-profil utan reviews eller LinkedIn Company page utan anställda. LLM:er nedvärderar tomma noder. Fix: emit bara sameAs till aktiva profiler med minst 5 signals (reviews, followers, posts).
3. Självcitering i Wikidata. Egen blogg eller press release som Wikidata-referens. Q-item raderas typiskt inom 30 dagar av volunteer-editor. Fix: använd bara oberoende sekundärkällor.
4. Inkonsistent svensk vs engelsk namnvariant. "Alice Labs AB" i Bolagsverket, "AliceLabs" på LinkedIn, "Alice Labs" i JSON-LD. Fix: en kanonisk form över alla plattformar, alternativa former som alias i Wikidata.
5. Saknad Wikidata Q-id i Person-schema. Person-schema med bara LinkedIn sameAs missar Claude, Gemini och GPT-5 entity-anchoring. Fix: bygg Wikidata Q-item för varje offentlig founder.

Verifiera per LLM med brand-self-harvester

Sammanfattat

2 veckor efter varje entity-graph-uppdatering, kör tools/llm_query_harvester.py mot 30-50 disambiguation-prompts ('vad är X', 'vem är grundaren till X', 'var ligger X huvudkontor'). Verifiera per LLM att svaret refererar rätt entitet och citerar rätt sameAs-källa. Baseline mäts före ändring. Alice Labs kör verifiering kvartalsvis plus efter varje sameAs-uppdatering.

Att bygga entity graph utan mätning är att optimera i blindo. Alice Labs standardverifiering per entity-graph-uppdatering:

1. Baseline-harvest. Före ändring, kör python tools/llm_query_harvester.py --seed-path data/seeds/entity_disambiguation.json med 30-50 prompts som "vad är X", "vem grundade X", "var ligger X huvudkontor", "vilken bransch är X i". Logga per LLM: citerar rätt entitet (bool), citerar rätt sameAs-källa (bool), position of citation.
2. Deploy entity graph-uppdatering. Bumpa dateModified och pusha via IndexNow för att accelerera Bing-indexering.
3. Wait 2 veckor. ChatGPT Search och Copilot behöver 2-14 dagar via Bing. Perplexity 1-3 dagar. Claude uppdaterar först vid nästa training-cutoff. Gemini 1-3 dagar via Google.
4. Re-harvest. Kör samma prompts. Jämför disambiguation-rate per LLM. Target: minst 90 procent korrekt entity-referens över alla 5 LLM inom 4 veckor efter deploy.
5. Iterera. Om Perplexity fortfarande refererar fel entitet efter 4 veckor: kontrollera Wikidata Q-item konsistens, sameAs-länkarnas hälsa, NAP över GBP och LinkedIn.

Läs mer om mätningsloopen i vår pillar LLMO-optimering för svenska företag. För structural features utöver entity graph, se Content-strukturer för LLM-parsing och Schema markup för LLM-citations.