Как Google группирует результаты поиска из одного источника («Канала») в поисковой выдаче

Термины и определения

Channel (Канал)

Ключевая сущность. Определяется как один или несколько медиа-элементов, доступных из общего источника, или имеющих общие свойства/тему. Примеры: YouTube-канал, издатель в Новостях, профиль автора.

Clustering (Кластеризация)

Процесс группировки результатов поиска, связанных с одним каналом, так, чтобы они располагались рядом (adjacent) друг с другом в интерфейсе.

Geomean (Среднее геометрическое)

Один из методов расчета позиции кластера, основанный на среднем значении рангов элементов канала. (Примечание: хотя патент использует термин Geomean, приведенный пример расчета (2+5)/2=3.5 соответствует среднему арифметическому).

Initial group of search results (Исходная группа результатов)

Первоначальный набор результатов, отсортированный по релевантности запросу, до применения кластеризации.

Media Item (Медиа-элемент)

Единица контента (видео, аудио, статья), являющаяся результатом поиска и связанная с каналом.

Modified group of search results (Модифицированная группа результатов)

Финальный набор результатов после применения кластеризации, где порядок изменен для группировки элементов канала.

Position Range (Диапазон позиций)

Критерий для активации кластеризации. Проверяется, попадает ли достаточное количество результатов канала в заданный диапазон (например, Топ-10).

Quality of the channel (Качество канала)

Метрика для решения, включать ли сам канал (как отдельный результат/заголовок) в кластер. Рассчитывается на основе рангов медиа-элементов канала в текущей выдаче (наивысший, наинизший или средний ранг).

Ranking Position (Позиция ранжирования)

Порядковый номер результата в выдаче. Используется как критерий для активации кластеризации и для расчета позиции кластера.

Score Smearing (Размазывание оценки)

Альтернативные методы расчета позиции кластера (среднее арифметическое, взвешенное среднее и т.д.).

Topicality (Топикальность/Тематичность)

Мера соответствия темы запроса темам канала или медиа-элемента. Используется как критерий для активации кластеризации и для фильтрации элементов внутри кластера.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод модификации выдачи.

1. Система получает исходный набор результатов, упорядоченный по релевантности теме запроса.
2. Система определяет, следует ли выполнять кластеризацию. Ключевое условие: наличие как минимум двух разных результатов (первого и второго), связанных с одним и тем же Channel.
3. Если НЕТ: Предоставляется исходный набор.
4. Если ДА: Предоставляется модифицированный набор. Порядок в нем основан (частично) на связи результатов с каналом.
5. Презентация: Пользовательский интерфейс располагает первый и второй результаты рядом друг с другом (adjacent), чтобы визуально проиллюстрировать кластер. Результаты, не входящие в кластер, визуально отделяются.

Claims 2, 3, 4 (Зависимые): Детализируют критерии принятия решения о кластеризации (Шаг 2 в Claim 1). Решение может основываться на:

• Position Range результатов канала (Claim 2).
• Ranking Position результатов канала (Claim 3).
• Topicality канала (Claim 4).

Claim 6 (Зависимый): Детализирует процесс создания модифицированного набора.

1. Идентификация результатов, связанных с каналом.
2. Определение, включать ли сам Channel (как сущность) в набор.
3. Определение новых позиций для результатов.
4. Размещение результатов на этих позициях.

Claim 7 (Зависимый от 6): Уточняет Шаг 2 в Claim 6. Решение о включении канала основывается на результатах, связанных с каналом, или на Quality of the channel.

Claim 8 (Зависимый от 6): Уточняет Шаг 3 в Claim 6. Позиция определяется на основе ранжирования результатов канала или на основе Geomean их ранжирования.

Где и как применяется

Изобретение применяется на финальных этапах обработки поискового запроса, изменяя порядок и представление результатов.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна предварительно установить связь между медиа-элементами и их Channels, а также рассчитать метрики Topicality для каналов.

RANKING – Ранжирование
Генерируется Initial group of search results. Система рассчитывает стандартные оценки релевантности и формирует предварительный список с исходными Ranking Positions.

RERANKING – Переранжирование (Twiddlers)
Основная область применения патента. Модуль кластеризации (Result Clustering Module) анализирует результаты этапа RANKING.

1. Анализ источников: Определяется принадлежность результатов к Channels.
2. Принятие решения: Проверяется выполнение условий для кластеризации (наличие нескольких результатов, пороги по Ranking Position, Topicality).
3. Переупорядочивание: Если условия выполнены, рассчитывается позиция кластера (например, Geomean) и создается Modified group of search results. Это классический пример работы Twiddler.

Входные данные:

• Initial group of search results и их Ranking Positions.
• Данные о принадлежности результатов к Channel.
• Метрики Topicality и потенциально Quality of the channel.

Выходные данные:

• Modified group of search results с измененным порядком и инструкциями по визуальному представлению кластеров.

На что влияет

• Конкретные типы контента: В первую очередь влияет на медиа-контент (видео, аудио, статьи), особенно на платформах хостинга (например, YouTube) или в агрегаторах (например, Google News).
• Специфические запросы: Влияет на запросы, где существуют авторитетные источники (Channels), предоставляющие множество релевантных ответов по теме.

Когда применяется

Алгоритм применяется при выполнении строгих условий:

• Триггер активации (Минимум): В исходной выдаче должно быть минимум два результата (Media Items) из одного Channel.
• Пороговые значения (Критерии): Система активирует группировку, если выполняются дополнительные критерии:
  • Position Range: Заданное количество результатов канала находится в определенном диапазоне (например, 2 в Топ-10).
  • Ranking Position: Заданное количество результатов канала находится выше определенной позиции (например, 2 выше 20-й позиции).
  • Topicality: Тематичность канала по отношению к запросу превышает порог.

Пошаговый алгоритм

Процесс обработки результатов поиска для кластеризации:

1. Получение исходных данных: Система получает Initial group of search results.
2. Идентификация каналов-кандидатов: Выявляются каналы, у которых более одного результата в наборе.
3. Инициализация модифицированного набора: Создается копия исходного набора (Modified group of search results).
4. Цикл обработки каналов: Для каждого канала-кандидата выполняется:
5. Проверка критериев кластеризации: Проверяются пороги по Position Range, Ranking Position и Topicality.
   • Если НЕТ: Переход к следующему каналу.
   • Если ДА: Переход к шагу 6.
6. Формирование кластера: Система обновляет модифицированный набор:
   1. Идентификация элементов: Определяются результаты для включения в кластер. Может применяться фильтрация по Topicality элемента или Ranking Position.
   2. Включение заголовка канала: Принимается решение, включать ли сам канал (как заголовок) в кластер. Зависит от количества элементов или Quality of the channel.
   3. Расчет позиции кластера: Определяется позиция кластера. Методы: наивысшая позиция элемента, Geomean позиций или Score Smearing.
   4. Перемещение элементов: Кластер размещается на рассчитанной позиции. Элементы располагаются рядом друг с другом. Другие результаты смещаются.
7. Проверка наличия дополнительных каналов: Если остались необработанные каналы, возврат к шагу 4.
8. Представление результатов: Система представляет Modified group of search results в интерфейсе с визуальным выделением кластеров (отступы, рамки, цветовое кодирование).

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании структурных и системных данных для переупорядочивания.

• Структурные факторы: Критически важные данные о принадлежности медиа-элемента к Channel (Channel Data).
• Системные данные (Ранжирование): Исходные Ranking Position каждого результата.
• Контентные/Семантические факторы: Topicality. Предварительно рассчитанные оценки тематической близости канала и элементов к запросу.

Какие метрики используются и как они считаются

1. Принятие решения о кластеризации (Activation Thresholds):

• Количество результатов: Минимум 2 от одного канала.
• Position Range и Ranking Position: Проверка позиций на соответствие порогам (например, в Топ-N).
• Topicality: Сравнение тематичности канала с порогом.

2. Определение состава кластера:

• Quality of the channel: Используется для решения, включать ли заголовок канала. Варианты расчета по рангам элементов канала:
  • Ранг наинизшего элемента.
  • Ранг наивысшего элемента.
  • Среднее значение рангов.

3. Определение позиции кластера (Cluster Position Calculation):

• Наивысший ранг: Позиция определяется лучшим результатом канала.
• Geomean: Среднее значение рангов элементов (например, для рангов 2 и 5: (2+5)/2 = 3.5, округляется).
• Score Smearing: Другие методы агрегации (среднее арифметическое, взвешенное среднее).

1. Переранжирование для улучшения UX: Патент описывает механизм Reranking, который изменяет исходный порядок результатов (основанный на релевантности) в пользу группировки по источнику (Channel). Это делается для улучшения восприятия выдачи и помощи в идентификации авторитетных источников.
2. Синергия контента: Наличие нескольких хорошо ранжирующихся единиц контента от одного канала создает синергетический эффект. Они могут быть объединены в кластер, занимая больше места в выдаче.
3. Условная активация: Группировка не гарантирована. Она активируется только при выполнении строгих пороговых условий по рангу (Ranking Position, Position Range) и тематичности (Topicality).
4. Гибкость позиционирования и потенциальные риски: Система может использовать разные методы для определения позиции кластера. Использование Geomean или Score Smearing означает, что позиция кластера может оказаться ниже, чем позиция лучшего элемента канала, потенциально понижая его ради группировки.
5. Важность метрик канала: Метрики на уровне источника, такие как Topicality и Quality of the channel, играют ключевую роль в активации и представлении кластера.
6. Специфичность для медиа-платформ: Описание и терминология указывают на основное применение в сервисах хостинга медиа-контента (например, YouTube).

Best practices (это мы делаем)

Рекомендации наиболее применимы к SEO для платформ, использующих концепцию «каналов», в первую очередь YouTube, а также для издателей в Google News.

• Построение Тематического Авторитета Канала (Topical Authority): Необходимо четко позиционировать канал в определенной нише. Это повышает метрику Topicality канала по отношению к тематическим запросам, что является одним из критериев активации кластеризации.
• Создание серийного контента (Topical Depth): Разрабатывайте глубокий контент, покрывающий тему несколькими медиа-элементами. Это увеличивает вероятность того, что несколько ваших элементов попадут в выдачу по одному запросу, что является обязательным условием для кластеризации.
• Оптимизация «анкорных» элементов контента: Фокусируйтесь на достижении высоких Ranking Position для ключевых единиц контента. Высоко ранжирующийся контент может «вытянуть» другие ваши результаты в кластер, особенно если система использует метод наивысшего ранга для позиционирования группы.
• Улучшение Качества Канала (Quality of the Channel): Работайте над повышением среднего ранга вашего контента. Высокая оценка Quality of the channel увеличивает вероятность включения заголовка канала и кнопки подписки в кластер.

Worst practices (это делать не надо)

• Создание канала «обо всем» (Generalist approach): Размещение разнородного контента снижает Topicality канала и уменьшает вероятность идентификации нескольких элементов как релевантных одному запросу.
• Стратегия "One-Hit Wonder": Фокусировка на одном вирусном видео или статье без создания поддерживающего контента по теме не позволит воспользоваться преимуществами кластеризации.
• Игнорирование оптимизации канала: Недостаточная работа над метаданными и представлением самого канала, что может негативно сказаться на расчете Topicality и Quality of the channel.

Стратегическое значение

Патент подчеркивает стратегическую важность развития авторитетного источника (бренда, автора, канала). Для доминирования в выдаче на медиа-платформах недостаточно иметь один высоко ранжирующийся результат; необходимо стремиться к максимальному охвату темы через несколько элементов. Этот механизм позволяет авторитетным источникам занимать значительно больше места в SERP за счет группировки контента, вытесняя разрозненные результаты конкурентов.

Практические примеры

Сценарий: Оптимизация YouTube канала по кулинарии

1. Задача: Доминировать в выдаче по запросу "как приготовить пасту карбонара".
2. Анализ: В исходной выдаче (Initial results) у канала есть два релевантных видео: "Классический рецепт карбонары" (Позиция 2) и "Ошибки при готовке карбонары" (Позиция 8).
3. Активация механизма: Система определяет, что оба видео принадлежат одному каналу. Критерии выполнены (например, 2 результата в Топ-10).
4. Расчет позиции кластера (Вариант А - Наивысший ранг): Система решает разместить кластер на Позиции 2.
5. Модификация выдачи (Вариант А):
   Позиция 1: Конкурент.
   Позиция 2: [Кластер] "Классический рецепт карбонары".
   Позиция 3: [Кластер] "Ошибки при готовке карбонары" (подтянуто с Позиции 8).
6. Расчет позиции кластера (Вариант Б - Geomean): Среднее (2+8)/2 = 5. Система решает разместить кластер на Позиции 5.
7. Модификация выдачи (Вариант Б):
   Позиции 1-4: Конкуренты.
   Позиция 5: [Кластер] "Классический рецепт карбонары" (опущено с Позиции 2).
   Позиция 6: [Кластер] "Ошибки при готовке карбонары" (подтянуто с Позиции 8).