Перейти к содержанию

sameAs

Определение

Свойство Schema.org со значением URL, указывающее на канонические внешние страницы той же сущности (Wikidata, Wikipedia, профили, реестры). Помогает поисковикам и AI-сервисам различать тёзок и собирать сущности в единый узел графа знаний.

sameAs – свойство Schema.org, которое говорит поисковикам и AI-системам: «эта организация на сайте – та же, что в Wikidata, на Яндекс.Картах и в реестре регулятора». Без sameAs упоминания бренда на разных площадках для AI выглядят как разные сущности с похожим названием – и сигнал размывается. С 2024 года – один из главных технических инструментов entity-сборки для GEO.

4 мин 175 Обновлено 14 мая

sameAs – это «удостоверение личности» сущности для поисковых систем. Когда индексатор (Google, Яндекс, AI-сервис) встречает на сайте организацию или человека, он должен понять: это та же компания, которую он уже видел в Wikidata, или просто организация с похожим названием. sameAs даёт прямой ответ – указывает на канонические внешние страницы, однозначно относящиеся к этой же сущности.

Как это работает

sameAs – это свойство Schema.org со значением URL или массивом URL у объектов, наследующих от типа Thing: Organization, LocalBusiness, Person, Product, CreativeWork и других. В JSON-LD оба варианта валидны; одиночный URL используется, когда у сущности одно каноническое внешнее представление, массив – когда несколько.

Когда индексатор встречает sameAs, он переходит по указанным ссылкам и сверяет, что там действительно описана та же сущность. Подтверждённые упоминания могут связываться в общий узел knowledge graph. Google официально документирует использование sameAs для построения Knowledge Graph и Knowledge Panel; AI-системы (ChatGPT, Perplexity, Алиса AI, GigaChat) опираются на Wikidata и графы знаний поисковиков, поэтому получают пользу от sameAs опосредованно.

На практике приоритет ссылок выстраивается так: глобальные графы знаний (Wikidata, Wikipedia) → официальные отраслевые реестры (Росздравнадзор, ORCID, реестры регуляторов) → крупные карты и каталоги (Яндекс.Бизнес, Google Business Profile, 2ГИС) → официальные профили в соцсетях. Универсальной формулы «сколько весит каждый источник» поисковики не публикуют, но логика «авторитетный реестр сильнее агрегатора» подтверждается косвенно через документацию Google по Organization schema.

Какие ссылки давать в sameAs

Список зависит от типа сущности.

Для Organization / LocalBusiness:

  • Wikidata Q-номер организации (если есть запись)
  • Wikipedia (статья про компанию)
  • Карточка на Яндекс.Бизнесе (yandex.ru/maps/org/...)
  • Карточка Google Maps или профиль в Google Business Profile
  • Карточка на 2ГИС
  • Официальные профили в соцсетях: ВКонтакте, Telegram, YouTube, Дзен
  • Профильные отраслевые реестры (для клиники – лицензия Росздравнадзора, для юриста – реестр адвокатов и т.д.)

Для Person (специалист, автор):

  • Wikidata Q-номер человека (если есть)
  • Профильные реестры (Росздравнадзор, ORCID для исследователей, реестры регуляторов профессии)
  • Профили в профильных платформах (GitHub, Behance, Habr – там, где это релевантно для аудитории)
  • Авторская страница на крупных СМИ или экспертных площадках

На практике sameAs обычно указывают на внешние канонические профили и справочные страницы, а не на внутренние страницы того же сайта.

Зачем это нужно

В классическом SEO sameAs не является фактором ранжирования. Представители Google (Джон Мюллер, Гэри Иллис) неоднократно публично подтверждали, что Schema.org-разметка, включая sameAs, в прямые факторы ранжирования не входит – но она помогает Google точнее сопоставить организацию с её внешними профилями и знаниями о ней.

В GEO sameAs становится важным техническим сигналом для entity disambiguation – различения и сопоставления одной сущности между разными источниками. AI-поисковики (ChatGPT, Perplexity, Алиса AI, GigaChat) при формировании фактологических ответов опираются на Wikidata и Google Knowledge Graph, а sameAs – один из механизмов, через который сайт может попасть в эти графы.

Практический эффект корректно прописанного sameAs:

  • Поисковики и AI-сервисы реже путают организацию с тёзками и реже выбирают противоречивые контактные данные из разных источников
  • NAP-консистентность подтверждается через внешние ресурсы, а не только декларируется на сайте
  • Растёт точность представления бренда в Knowledge Panel Google и в фактологических ответах AI
  • Создаётся техническая основа для попадания в AI-ответы: модели Claude, ChatGPT, Perplexity опираются на Wikidata при формировании фактологии, а sameAs – один из ключевых механизмов, через который сайт включается в эти графы

Пример

Анонимизированный фрагмент JSON-LD для медицинской клиники в Москве:

{
  "@context": "https://schema.org",
  "@type": "MedicalOrganization",
  "name": "Клиника X",
  "url": "https://klinika-x.ru/",
  "telephone": "+7 495 ...",
  "sameAs": [
    "https://www.wikidata.org/wiki/Q123456789",
    "https://ru.wikipedia.org/wiki/Клиника_X",
    "https://yandex.ru/maps/org/klinika-x/.../",
    "https://2gis.ru/moscow/firm/.../",
    "https://t.me/klinika_x",
    "https://vk.com/klinika_x"
  ]
}

Эта связка позволяет поисковикам и AI-системам подтвердить: «клиника X из карточки Яндекс.Карт» = «клиника X со страницы Wikidata» = «организация по адресу из 2ГИС» – и реже дробить упоминания на несколько entity.

Частые ошибки

1. sameAs указывает на свой же сайт. Циклическая ссылка: пользы от неё нет. На практике sameAs указывают на внешние канонические профили.

2. Нерабочие или устаревшие URL. Каждая 404-ссылка снижает доверие поисковика к разметке в целом. Google официально рекомендует поддерживать все указанные в sameAs URL рабочими; нерабочая ссылка не сделает всю разметку невалидной, но отдельные сигналы потеряются.

3. Разные Wikidata Q-номера для одной организации. Конфликт сигналов. У одной сущности должна быть одна каноническая запись в Wikidata; при дублях – слить через merge-запрос в Wikidata.

4. sameAs только у главной страницы организации. Для каждого ключевого Person (специалиста, автора) нужны свои sameAs-связки, иначе авторитет персон не передаётся entity-сетке.

5. В sameAs помещают лендинги и партнёрские страницы. sameAs ожидает URL на каноническое описание сущности, а не на маркетинговую страницу. Партнёрки и лендинги для этого не подходят.

Частые вопросы

Чем sameAs отличается от schema:identifier?

sameAs принимает URL – ссылки на канонические внешние страницы сущности. identifier – общее свойство Schema.org для идентификаторов вроде ISBN, GTIN, UUID, ИНН, ОГРН. Они не взаимозаменяемы: sameAs нужен для entity disambiguation и связи с knowledge graph, identifier – для машинно-читаемой идентификации. Пример: для клиники "sameAs": "https://yandex.ru/maps/org/..." ведёт на каноническую карточку, а "identifier": { "@type": "PropertyValue", "propertyID": "ИНН", "value": "7707083893" } фиксирует юридический идентификатор. Оба нужны, но решают разные задачи.

Можно ли использовать sameAs для физического лица?

Да, в объекте Person. Особенно полезно для авторов и экспертов: ссылки на ORCID, профильные реестры, авторские страницы на крупных площадках помогают AI-системам собрать E-E-A-T-сигналы (экспертность, авторитетность, надёжность) и связать публикации одного автора через разные ресурсы.

Что делать, если у организации нет ни Wikidata, ни Wikipedia?

Начните с того, что есть: карточки Яндекс.Бизнеса, Google Business Profile, 2ГИС, профильных реестров, соцсетей. Это уже минимальная entity-сетка. Параллельно – можно создать запись в Wikidata самостоятельно, требуется бесплатный аккаунт и подтверждение независимыми источниками.

Сколько ссылок оптимально в sameAs?

На практике для Organization обычно достаточно 5–10 качественных ссылок: Wikidata + Wikipedia (если есть) + основные карты + 3–5 ключевых соцсетей. Для Person – 3–6 ссылок. Schema.org и Google никаких числовых норм не публикуют – это практическая эвристика, а не правило. Принцип: ссылки должны быть авторитетными и рабочими, чем меньше «мусорных» URL, тем сильнее сигнал.

Влияет ли sameAs на позиции в Google и Яндексе?

Не напрямую. Представители Google (Джон Мюллер, Гэри Иллис) неоднократно публично подтверждали, что schema.org-разметка, включая sameAs, не входит в прямые факторы ранжирования. sameAs влияет на представление результатов (Knowledge Panel, расширенные сниппеты) и помогает Google точнее сопоставить организацию с внешними профилями. Это косвенно поддерживает релевантность по бренд-запросам и шансы попасть в AI-ответы.

Связанные термины

GEO GEO (Generative Engine Optimization) – оптимизация контента под цитируемость в AI-поисковиках: ChatGPT, Perplexity, Google AI Overviews, Яндекс Алиса AI. Термин ввели исследователи Принстона, Georgia Tech, Allen Institute и IIT Delhi в работе на arXiv от 16 ноября 2023 года. Linked Data Linked Data (связанные данные) – концепция публикации структурированных данных в вебе так, чтобы их можно было соединять между сайтами через общие идентификаторы (URI). Принципы предложил Тим Бернерс-Ли в 2006 году. Технологическая основа – RDF, SPARQL, Wikidata, schema.org. RDF RDF (Resource Description Framework) – стандарт W3C для описания ресурсов в виде тройки subject-predicate-object. Первая версия опубликована в 1999 году, текущая RDF 1.1 – в феврале 2014. RDF – теоретическая основа Schema.org и формата JSON-LD. Schema.org Schema.org – словарь структурированных данных для разметки веб-страниц, который понимают Google, Bing, Yandex и AI-системы. Запущен в 2011 году совместно Google, Microsoft и Yahoo, в ноябре 2011 к проекту присоединился Яндекс. Wikidata Wikidata – открытый многоязычный knowledge graph под управлением Wikimedia Foundation, запущенный 29 октября 2012 года. Содержит более 120 миллионов сущностей с уникальными QID-идентификаторами, лицензия CC0. Используется поисковиками, AI-системами и крупными библиотеками для построения связных данных.

Материалы по теме

Что почитать дальше по этой теме

Статья Что боты находят на сайте, а вы – нет Боты ходят по изнанке сайта, куда живой человек не забредёт, и фиксируют в логах то, чего не видно ни в Метрике, ни на витрине: падающие с ошибкой 500 страницы каталога, битый файл с 747 обращениями, поток сканеров секретов. Разбираю на реальных логах, что искать и как чинить. 7 мин 216 22 июля 2026 Инструкция Как выгрузить и читать access-логи, если хостинг хранит их три дня Access-лог – единственное место, где виден весь трафик сайта, включая ИИ-ботов, которых не замечают счётчики. Разбираю на практике: где взять логи, как не потерять их из-за ротации, какие команды показывают ботов, ошибки и подозрительную активность. 7 мин 170 21 июля 2026 Флагманский гайд AI-анализ email-обращений: методика на стыке Яндекс.Метрики и Claude Code Классический email-трекинг отвечает на вопрос «откуда пришло обращение». AI-слой отвечает на вопросы, которые раньше требовали ручного аналитика: значим ли email на фоне звонков, форм и мессенджеров, почему один источник даёт качественные обращения, а другой – пустые, какие сегменты визитов предшествуют письму, что написать в ответ с учётом пути пользователя. Здесь – как я собираю это на уже имеющемся стеке: Logs API Метрики, PostgreSQL и Claude Code, без новых платных сервисов. 11 мин 297 26 мая 2026 Флагманский гайд Майкор: ИИ-аудит проекта по 4 точкам контакта Майкор – это перекрёстный ИИ-аудит проекта в 4 точках контакта: сайт, контекстная реклама, AI-поиск и Яндекс.Карты. Я анализирую каждую систему и смотрю связки между ними – где маркетинг рассказывает одно, реклама ведёт на другое, а AI-системы цитируют третий номер телефона. В одном из моих аудитов медицинской клиники в Москве у организации в индексе AI-сервисов оказалось 6 разных номеров и всего 7 упоминаний на 64 проверочных запроса – при том, что в обычной выдаче Яндекса клиника была в топ-1. Майкор закрывает такие разрывы за один аудит вместо четырёх раздельных. 16 мин 501 13 мая 2026 Гайд FAQPage Schema: как разметить блок частых вопросов и попасть в AI-ответы FAQPage schema – один из самых эффективных типов разметки для попадания в AI-ответы. Страницы с FAQPage schema цитируются AI-поисковиками в 2,7 раза чаще. В этом гайде – формат разметки, правила написания ответов для AI, реализация на 1С-Битрикс и типичные ошибки, которые обнуляют эффект. 8 мин 331 25 апреля 2026