Как Google использует контекст текущей страницы для понимания запроса и прямой навигации к результату (минуя SERP)

Термины и определения

Assistive Browsing System (Система вспомогательного браузинга)

Система, которая помогает пользователю в навигации, автоматически выбирая результат поиска на основе контекста и направляя пользователя к нему.

Context Data (Контекстные данные)

Информация, полученная из ресурса, который пользователь просматривает в момент ввода запроса. Может включать отображаемый текст, изображения, метаданные, HTML-код, URL, домен и гиперссылки.

First Resource (Первый ресурс)

Веб-страница или документ, который пользователь просматривает в момент отправки запроса. Служит источником Context Data.

Query Rewrite System / Query Revision Engine (Система/Движок переписывания запросов)

Компонент, который принимает исходный запрос и Context Data, и генерирует Revised Query.

Revised Query (Уточненный/Переписанный запрос)

Новый запрос, сгенерированный путем модификации исходного запроса с использованием Context Data (например, замена местоимений на сущности).

Second Resource (Второй ресурс)

Веб-страница или документ, который автоматически выбирается системой как наилучший ответ на Revised Query и на который перенаправляется пользователь.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод работы поисковой системы для вспомогательного браузинга.

1. Система получает от устройства пользователя исходный запрос и адрес первого ресурса (First Resource Address), который отображался на устройстве в момент отправки запроса.
2. Система получает контекстные данные (Context Data), включающие контент, извлеченный из первого ресурса по его адресу.
3. Система получает уточненный запрос (Revised Query), основанный на исходном запросе и контекстных данных.
4. Система получает множество результатов поиска, удовлетворяющих уточненному запросу.
5. Система автоматически выбирает из этого множества единственный результат поиска, представляющий второй ресурс (Second Resource).
6. Система автоматически предоставляет второй ресурс для отображения на устройстве пользователя как полный ответ (entire response) на исходный запрос.

Ядро изобретения — это комбинация использования контекста текущей страницы для переписывания запроса с последующей автоматической навигацией к единственному результату, минуя показ SERP (концепция, схожая с «I'm Feeling Lucky»).

Claim 2 (Зависимый от 1): Уточняет критерии выбора результата.

Единственный результат выбирается, по крайней мере частично, на основании определения того, что домен, с которого происходит второй ресурс, совпадает с доменом первого ресурса. Это механизм для удержания пользователя внутри одного сайта, если там есть релевантный ответ.

Claim 3 (Зависимый от 1): Уточняет критерии выбора результата.

Единственный результат выбирается, по крайней мере частично, на основании определения того, что первый ресурс содержит ссылку на второй ресурс. Это подчеркивает важность внутренних ссылок как сигнала контекстуальной связи.

Claim 5 (Зависимый от 1): Уточняет способ отображения.

Предоставление второго ресурса включает инструкции для браузера открыть новую вкладку и отобразить в ней второй ресурс.

Claims 18 и 19 (Зависимые от 1): Уточняют механизм переписывания запроса.

В уточненном запросе исходный термин из оригинального запроса заменяется термином из контента контекстных данных. Исходный термин может быть местоимением (pronoun), а заменяющий термин — существительным (noun). Это конкретный механизм разрешения анафоры (anaphora resolution) с использованием контекста страницы.

Где и как применяется

Изобретение в основном затрагивает этапы понимания запроса и финального представления результатов, изменяя стандартный поток обработки.

QUNDERSTANDING – Понимание Запросов

• Контекстуализация: Система должна получить и проанализировать контент текущей страницы (First Resource), чтобы извлечь Context Data. Это требует быстрого анализа текста и структуры страницы. В патенте упоминается, что система может учитывать только ту часть контента, которую пользователь реально просматривал.
• Переписывание запроса (Query Rewriting): Query Rewrite System использует NLP для разрешения неоднозначностей (например, заменяя местоимения на сущности из контекста) и генерации Revised Query.

RANKING – Ранжирование

• На этом этапе система выполняет стандартный поиск, но использует Revised Query вместо исходного.

RERANKING / METASEARCH (Интерфейсный слой)

• Автоматический выбор (Auto-selection): Вместо смешивания и отображения SERP, Assistive Browsing System анализирует результаты ранжирования и выбирает единственный лучший результат (Second Resource).
• Применение правил выбора: Система применяет специфические правила для выбора этого единственного результата, такие как предпочтение того же домена (Claim 2) или наличие внутренней ссылки (Claim 3). Это можно рассматривать как экстремальную форму переранжирования.
• Прямая навигация: Система инструктирует клиентское устройство (браузер) перейти непосредственно ко второму ресурсу.

Входные данные:

• Исходный запрос пользователя.
• URL Первого ресурса (First Resource Address).
• Контент Первого ресурса (Context Data).

Выходные данные:

• Инструкции для браузера о прямой навигации к Второму ресурсу (вместо SERP).

На что влияет

• Специфические запросы: Наибольшее влияние на неоднозначные, короткие, разговорные запросы или запросы, содержащие местоимения (анафорические ссылки), которые требуют контекста для интерпретации.
• Конкретные типы контента и ниши: Особенно актуально для крупных контентных сайтов с богатой внутренней структурой (энциклопедии типа Wikipedia, крупные новостные порталы, большие e-commerce сайты с множеством связанных товаров и категорий). Система поощряет навигацию внутри таких авторитетных доменов.

Когда применяется

• Триггеры активации: Система активируется, когда пользователь вводит запрос во время просмотра веб-страницы. В патенте упоминается, что пользователь может явно указать, что запрос является контекстным (например, через специальный элемент управления или панель инструментов contextual search toolbar), или система может распознать его как контекстный на основе используемых терминов (например, наличие местоимений).
• Условия применения: Алгоритм применяется, когда система может успешно извлечь контекст, переписать запрос и с высокой степенью уверенности определить единственный наилучший результат, который оправдывает пропуск SERP.

Пошаговый алгоритм

Процесс работы Assistive Browsing System:

1. Получение запроса и адреса: Система получает исходный запрос от пользователя и фиксирует URL (First Resource Address) страницы (First Resource), которую пользователь просматривает в этот момент.
2. Извлечение контекста: Система получает Context Data. Это может происходить путем передачи контента устройством пользователя или путем извлечения контента поисковой системой по URL. Система может учитывать только просмотренные пользователем части страницы.
3. Анализ контекста: Анализируются текст, метаданные, ссылки и структура First Resource для определения ключевых сущностей и тем.
4. Переписывание запроса: Исходный запрос и Context Data передаются в Query Rewrite System. Система идентифицирует неоднозначности (например, местоимения) и заменяет их сущностями из контекста, формируя Revised Query.
5. Выполнение поиска: Поисковая система выполняет поиск по Revised Query и получает набор ранжированных результатов.
6. Автоматический выбор результата: Система анализирует топовые результаты для выбора единственного Second Resource. При выборе применяются дополнительные критерии:
   • Предпочтение результатам с того же домена, что и First Resource.
   • Предпочтение результатам, на которые есть прямая ссылка с First Resource.
   • Предпочтение результатам с тем же автором.
   • Выбор результата с наивысшим стандартным рейтингом.
7. Прямая навигация: Система отправляет инструкции браузеру пользователя для автоматического перехода на Second Resource (например, в той же вкладке или в новой вкладке). SERP пользователю не показывается.

Какие данные и как использует

Данные на входе

Система использует данные, связанные с текущим сеансом пользователя и контентом просматриваемой страницы.

• Контентные факторы: Текст, заголовки, метаданные, автор контента первого ресурса. Используются для извлечения сущностей и понимания контекста для переписывания запроса. Авторство может использоваться при выборе второго ресурса.
• Технические факторы: URL и доменное имя первого ресурса. Домен используется как критерий для выбора второго ресурса (предпочтение того же домена).
• Ссылочные факторы (Внутренние): Гиперссылки, присутствующие на первом ресурсе. Наличие ссылки на потенциальный второй ресурс является сильным сигналом для его автоматического выбора.
• Поведенческие факторы: В патенте упоминается возможность использования истории поиска (search history data) и статистических данных о последовательных шаблонах поиска (например, после темы А пользователи обычно ищут тему Б) для помощи в переписывании запроса.
• Пользовательские факторы (Контекст просмотра): Данные о том, какие части текста пользователь просматривал на устройстве, могут использоваться для ограничения Context Data только просмотренным контентом.

Какие метрики используются и как они считаются

Патент не детализирует формулы ранжирования, но описывает метрики и условия для автоматического выбора результата:

• Domain Match (Совпадение домена): Бинарная метрика, проверяющая, совпадает ли домен потенциального Second Resource с доменом First Resource.
• Internal Link Existence (Наличие внутренней ссылки): Бинарная метрика, проверяющая, содержит ли First Resource прямую ссылку на Second Resource.
• Author Match (Совпадение автора): Метрика, проверяющая совпадение автора ресурсов.
• Ranking Scores (Оценки ранжирования): Стандартные оценки релевантности, полученные в результате поиска по Revised Query. Используются для выбора наилучшего результата, особенно если несколько результатов удовлетворяют другим критериям.
• Re-ranking (Переранжирование): Упоминается, что система может переранжировать результаты на основе контекстных данных. Результаты, имеющие отношение к первому ресурсу (тот же домен, та же тема, тот же автор), могут быть взвешены более высоко.

1. Контекст страницы критичен для понимания запроса: Google активно использует контент текущей страницы для разрешения неоднозначностей в запросах, особенно местоимений. Это подтверждает важность четкого и однозначного определения сущностей в тексте.
2. Обход SERP (Direct Navigation): Патент описывает механизм, при котором пользователь может вообще не увидеть страницу результатов поиска. Если система уверена в ответе, она перенаправляет пользователя напрямую. Это меняет традиционную модель SEO, где фокус идет на ранжирование в SERP.
3. Приоритет навигации внутри домена (Same-Domain Preference): Система явно предпочитает оставлять пользователя на том же сайте, если там есть релевантный ответ на контекстный запрос. Это дает огромное преимущество крупным, авторитетным сайтам с обширным покрытием тем.
4. Внутренние ссылки как навигационные сигналы: Наличие прямой ссылки с исходной страницы на целевую является сильным сигналом для автоматического выбора этой целевой страницы. Внутренняя перелинковка — это не просто способ распределения веса, но и способ указать Google наиболее вероятные пути навигации пользователя.
5. NLP и разрешение анафоры: Механизм замены местоимений на существительные (Claims 18, 19) демонстрирует применение NLP-технологий (разрешение анафоры/кореференции) для улучшения понимания запросов на основе контекста страницы.

Best practices (это мы делаем)

• Усиление контекстной перелинковки: Обеспечьте наличие прямых ссылок на связанные страницы, которые могут быть следующим шагом пользователя. Если вы упоминаете концепцию, продукт или сущность, на которую у вас есть отдельная страница, поставьте на нее ссылку. Это увеличивает вероятность того, что система выберет вашу страницу при контекстном запросе (Claim 3).
• Построение тематических хабов (Topical Authority): Развивайте сайт как комплексный ресурс по теме. Чем больше релевантного контента у вас есть, тем выше вероятность, что система оставит пользователя на вашем домене при контекстном поиске (Claim 2).
• Четкое определение сущностей в контенте: Убедитесь, что текст написан ясно, а основные сущности легко идентифицируются. Это поможет Query Rewrite System правильно извлечь контекст и корректно переписать неоднозначные запросы (например, содержащие местоимения), связав их с вашим контентом.
• Оптимизация навигации для User Journey: Проектируйте структуру сайта и контент так, чтобы предвосхищать следующие вопросы пользователя. Если структура логична, система с большей вероятностью будет использовать ее для вспомогательного браузинга.

Worst practices (это делать не надо)

• Изолированный контент (Orphan Pages): Создание страниц без четкой связи с остальным контентом и без внутренних ссылок на них. Такие страницы вряд ли будут выбраны в качестве Second Resource при навигации с других страниц сайта.
• Неоднозначное использование терминов и сущностей: Контент, в котором сложно понять, к чему относятся местоимения или о какой именно сущности идет речь, затруднит для системы извлечение корректного контекста.
• Отсутствие ссылок на важные внутренние ресурсы: Упоминание важных тем без предоставления ссылок на соответствующие страницы на вашем сайте. Это упущенная возможность использовать механизм, описанный в Claim 3.

Стратегическое значение

Этот патент подчеркивает стратегию Google по превращению поиска из простого предоставления списка ссылок в интеллектуального ассистента, который понимает контекст и предсказывает действия пользователя. Для SEO это означает смещение фокуса с оптимизации отдельных страниц под ключевые слова на построение целостной информационной архитектуры. Авторитетные сайты получают механизм для «монополизации» пользовательской сессии: если пользователь начал путь на их сайте, система вспомогательного браузинга постарается удержать его там, минуя конкурентов в SERP.

Практические примеры

Сценарий: Контекстный поиск на сайте интернет-магазина электроники

1. Текущая страница (First Resource): Страница товара «Смартфон Samsung Galaxy S25».
2. Действие пользователя: Пользователь просматривает характеристики и вводит в адресную строку браузера (или использует функцию контекстного поиска) запрос: [какие чехлы для него подходят?].
3. Извлечение контекста и переписывание: Система определяет, что «него» относится к «Samsung Galaxy S25». Запрос переписывается в (Revised Query): [чехлы для Samsung Galaxy S25].
4. Поиск и выбор: Система выполняет поиск. Она видит несколько результатов, включая страницу категории «Чехлы для Galaxy S25» на этом же сайте и обзоры на других сайтах.
5. Применение правил: Система отдает предпочтение результату с того же домена (Claim 2). Возможно, на странице товара также была ссылка на эту категорию (Claim 3).
6. Результат: Браузер автоматически перенаправляет пользователя на страницу категории «Чехлы для Galaxy S25» этого же магазина, минуя SERP.