Как Google использует агрегированные поведенческие данные для маркировки результатов поиска и подсказок индикаторами ожидаемых действий

Термины и определения

Action Indicator (Индикатор действия, Бейдж)

Визуальный элемент (например, иконка или аннотация), отображаемый вместе с элементом вывода поисковой операции. Он указывает на действия, которые пользователи часто совершали после выбора этого элемента.

Action Indicator Subsystem (Подсистема индикаторов действий)

Компонент поисковой системы, отвечающий за определение необходимости показа индикатора на основе анализа агрегированных поведенческих данных.

Action Indicator Store (Хранилище индикаторов действий)

База данных, хранящая агрегированные данные о действиях пользователей (User Action Data), связанные с конкретными элементами вывода.

Crowd Sourcing (Краудсорсинг)

В контексте патента — использование агрегированных данных из логов пользователей для определения того, какие индикаторы действий следует показывать. Патент позиционирует это как более надежный метод, чем ML.

Outlier (Выброс, статистическое отклонение)

Статистический термин, используемый для описания ситуации, когда процент пользователей, совершивших определенное действие для данного элемента, значительно отличается от среднего показателя. В патенте предлагается критерий: превышение среднего значения более чем на одно стандартное отклонение.

Predetermined Threshold (Предопределенный порог)

Минимальный процент пользователей, совершивших действие, необходимый для рассмотрения возможности показа индикатора. Может быть статическим или динамическим.

Search Operation Output Element (SOOE) (Элемент вывода поисковой операции)

Любой выбираемый элемент, предоставляемый в ответ на поисковый запрос. Примеры включают текстовые результаты поиска, результаты поиска по картинкам и поисковые подсказки (query suggestions, guided chip refinements).

User Session (Пользовательская сессия)

Набор взаимодействий пользователя за определенный период времени. Используется для анализа поведения и атрибуции действий к исходным элементам выдачи, даже если действие произошло не сразу после клика.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод работы системы.

1. Система получает элементы вывода поисковой операции (SOOE) в ответ на запрос.
2. Система определяет, нужно ли предоставить индикатор действия для каждого SOOE. Индикатор отображается одновременно с SOOE и указывает на действие пользователя.
3. Ключевое условие: это определение основано по крайней мере частично на проценте предыдущих пользователей, которые выполнили данное действие после выбора этого SOOE во время предыдущих пользовательских сессий.
4. Система предоставляет SOOE и данные индикатора (indicator data) пользовательскому устройству.

Claim 2 (Зависимый от 1): Уточняет критерий определения.

Определение того, следует ли предоставлять индикатор, включает определение того, превышает ли процент пользователей, выполнивших действие, предопределенный порог (predetermined threshold).

Claim 3 (Зависимый от 1): Уточняет альтернативный/дополнительный критерий определения.

Определение того, следует ли предоставлять индикатор, включает определение того, является ли процент пользователей, выполнивших действие, выбросом (outlier).

Claim 4 (Зависимый от 3): Определяет, что такое выброс.

Определение выброса включает определение того, превышает ли процент пользователей, выполнивших действие, одно стандартное отклонение от среднего процента (mean percentage) пользователей, которые достигают этого результата, на основе данных, описывающих другие потенциальные действия пользователей.

Claim 5 (Зависимый от 1): Приводит примеры действий.

Действие пользователя включает одно из: просмотр связанных результатов поиска, сохранение определенного результата, обмен результатом, переход на хост-сайт, связанный с результатом, и количество времени, проведенное на одном конкретном результате.

Claims 6 и 7 (Зависимые от 1): Уточняют типы SOOE.

Элементы вывода поисковой операции могут быть результатами поиска (Claim 6) или предложениями поисковых запросов (Claim 7).

Где и как применяется

Изобретение затрагивает этапы сбора данных, их обработки и финального формирования выдачи.

Обработка Логов (Офлайн-процесс, связанный с INDEXING)
Система требует непрерывного сбора и обработки журналов запросов (Query Logs) и журналов выборов (Selection Logs). Эти данные обрабатываются для генерации агрегированных User Action Data, которые сохраняются в Action Indicator Store. Это основано на краудсорсинге поведения пользователей.

RANKING – Ранжирование
Стандартный процесс ранжирования выполняется для генерации списка SOOE (результатов или подсказок) в ответ на запрос. Патент не указывает, что индикаторы влияют на этот этап.

RERANKING / METASEARCH (Формирование SERP UI)
Основное применение патента происходит на этапе формирования пользовательского интерфейса выдачи, после основного ранжирования.

1. Получение данных: Action Indicator Subsystem получает список SOOE от поискового движка.
2. Анализ: Подсистема запрашивает Action Indicator Store для получения агрегированных поведенческих данных по каждому SOOE.
3. Принятие решения: Подсистема применяет статистическую логику (пороги, расчет выбросов), чтобы определить, нужно ли отображать индикатор для конкретного действия и SOOE.
4. Обогащение выдачи: Подсистема предоставляет Action Indicator Data для включения в финальный ответ пользователю.

Входные данные:

• Набор Search Operation Output Elements (результаты, подсказки).
• Агрегированные поведенческие данные из Action Indicator Store (процент пользователей, совершивших действие X, Y, Z для каждого элемента).
• Предопределенные пороги (Predetermined Thresholds) и статистические параметры.

Выходные данные:

• Обогащенный набор SOOE с добавленными Action Indicator Data для отображения индикаторов (бейджей).

На что влияет

• Конкретные типы контента и Ниши: Наибольшее влияние оказывается на контент с четко выраженными последующими действиями: товары (покупка), рецепты (сохранение), локальные заведения (бронирование), мультимедиа (сохранение, обмен). Актуально для E-commerce, кулинарии, путешествий, медиа.
• Форматы контента: Особенно актуально для поиска по картинкам (где интент часто неоднозначен) и для поисковых подсказок (guided chip refinements), помогая пользователю выбрать правильное направление уточнения запроса.

Когда применяется

Алгоритм применяется при выполнении специфических статистических условий на основе поведенческих данных:

• Триггер активации 1 (Порог): Когда процент пользователей, совершивших определенное действие после выбора SOOE, превышает Predetermined Threshold.
• Триггер активации 2 (Выброс): Когда частота определенного действия для данного SOOE является статистическим выбросом (outlier). В патенте явно упоминается критерий превышения среднего значения более чем на одно стандартное отклонение.
• Условия применения: Пороги могут динамически корректироваться. Например, если слишком много элементов (>80%) получают индикаторы, порог может быть повышен, и наоборот, если слишком мало (<2) — понижен.

Пошаговый алгоритм

Процесс А: Обработка данных (Офлайн или периодически)

1. Сбор логов: Сбор Query Logs и Selection Logs, описывающих сессии пользователей.
2. Атрибуция действий: Анализ сессий для выявления действий (покупка, сохранение и т.д.), предпринятых после выбора конкретного SOOE. Действие может быть атрибутировано, даже если оно произошло после промежуточных шагов в той же сессии.
3. Агрегация: Для каждого SOOE и для каждого возможного действия вычисляется процент пользователей, которые выполнили это действие.
4. Хранение: Сохранение агрегированных данных в Action Indicator Store.

Процесс Б: Обработка запроса и генерация индикаторов (Реальное время)

1. Получение SOOE: Action Indicator Subsystem получает набор SOOE от поискового движка.
2. Получение поведенческих данных: Для каждого SOOE извлекаются агрегированные данные о действиях из Action Indicator Store.
3. Проверка порога: Для каждой пары (SOOE, Действие) проверяется, превышает ли процент пользователей Predetermined Threshold.
4. Обнаружение выбросов (Опционально): Если порог превышен (или в качестве альтернативного критерия):
   1. Вычисляется средний процент (mean percentage) для данного действия.
   2. Определяется, является ли процент для пары (SOOE, Действие) выбросом (outlier) – например, превышает ли значение средний процент более чем на одно стандартное отклонение.
5. Принятие решения: Если критерии (порог и/или выброс) выполнены, принимается решение о показе индикатора.
6. Предоставление данных индикатора: Система предоставляет Action Indicator Data, которые вызывают отображение индикатора на устройстве пользователя вместе с SOOE.

Какие данные и как использует

Данные на входе

Патент полностью сосредоточен на использовании агрегированных поведенческих данных (crowd sourcing) и явно указывает, что система не требует анализа контента страниц или использования ML.

• Поведенческие факторы: Это ядро изобретения. Используются Query Logs и Selection Logs для отслеживания действий пользователей в рамках User Session после взаимодействия с Search Operation Output Element. Конкретные отслеживаемые действия, упомянутые в патенте, включают:
  • Сохранение контента (saving a particular search result).
  • Обмен контентом (sharing a particular search result).
  • Просмотр связанных результатов (browsing related search results).
  • Переход на хост-сайт (clicking to a host site).
  • Совершение покупки (making a purchase - упомянуто в описании).
  • Бронирование (booking a reservation - упомянуто в описании примера).
  • Создание дополнительных уточнений запроса (creating additional query refinements).
• Временные факторы: Время, проведенное на конкретном результате (amount of time spent on one particular search result), также может быть действием, для которого генерируется индикатор.

Какие метрики используются и как они считаются

• Percentage of users (Процент пользователей): Доля пользователей, которые выполнили конкретное действие после выбора SOOE. Может рассчитываться для конкретной пары (запрос, ресурс) или агрегироваться по всем запросам для ресурса.
• Predetermined Threshold (Предопределенный порог): Статическое или динамическое пороговое значение для фильтрации незначительных действий.
• Mean Percentage (Средний процент): Среднее значение процента пользователей, выполняющих определенное действие, используемое для обнаружения выбросов.
• Standard Deviation (Стандартное отклонение): Мера разброса данных.
• Outlier Detection (Обнаружение выбросов): Механизм определения статистической значимости. Формула, предложенная в патенте для активации индикатора: $\text{Процент} > \text{Mean Percentage} + (1 * \text{Standard Deviation})$.

1. Поведенческие данные как основа для UX: Патент демонстрирует механизм, в котором агрегированные данные о поведении пользователей (crowd sourcing) используются для генерации элементов интерфейса (Action Indicators) на SERP. Это позволяет предсказывать вероятный исход взаимодействия с контентом без сложного машинного обучения или анализа кода страниц.
2. Фокус на пост-клик активности в рамках сессии: Система анализирует не просто клики, а действия, происходящие после клика в рамках User Session (покупка, сохранение, время на сайте). Это подчеркивает важность того, что происходит на сайте после перехода из поиска, и возможность атрибуции отложенных действий.
3. Статистическая значимость и борьба с шумом: Система использует строгие статистические методы для обеспечения надежности индикаторов. Упоминаются два ключевых механизма фильтрации: минимальный порог (Predetermined Threshold) и обнаружение выбросов (Outlier Detection) с использованием стандартного отклонения. Это гарантирует, что индикатор появится только тогда, когда поведение является выраженным трендом.
4. Влияние на CTR и управление ожиданиями: Отображение индикаторов напрямую влияет на принятие решения пользователем о клике. Это механизм управления ожиданиями, который может значительно изменить CTR результатов и подсказок, делая выдачу более ориентированной на выполнение задач.
5. Универсальность применения: Механизм применим к любым Search Operation Output Elements, включая стандартные результаты, поиск по картинкам и поисковые подсказки (query suggestions).

Best practices (это мы делаем)

• Оптимизация путей пользователя и конверсий (User Journey Optimization): Убедитесь, что страницы имеют четкие и эффективные пути к выполнению целевых действий (покупка, загрузка, подписка). Чем больше пользователей успешно выполняют действие в рамках сессии, тем выше вероятность того, что агрегированные поведенческие данные отразят это, и Google может начать показывать соответствующий Action Indicator для вашего результата.
• Соответствие интенту и снижение Pogo-sticking: Создавайте контент, который полностью удовлетворяет интент. Успешное удовлетворение интента увеличивает положительные поведенческие сигналы (например, длительное time spent или сохранение страницы), которые учитываются этой системой. Если ваша страница отображается с индикатором (например, «Рецепт»), она должна быть отличным рецептом.
• Анализ SERP UI и оптимизация CTR: Отслеживайте появление Action Indicators в вашей нише. Если конкуренты имеют индикаторы, а вы нет, это сигнал к анализу их контента и путей пользователя. Если у вас есть индикатор, оптимизируйте сниппет так, чтобы он гармонировал с индикатором и максимизировал CTR для целевой аудитории.
• Стимулирование целевых действий: Для контентных проектов сделайте функции сохранения, печати или отправки максимально удобными. Для E-commerce оптимизируйте процесс покупки.

Worst practices (это делать не надо)

• Введение пользователя в заблуждение (Clickbait): Создание контента, который не позволяет пользователю совершить ожидаемое действие. Это приведет к плохим поведенческим сигналам (быстрые отказы, отсутствие целевых действий), что исключит возможность получения полезных индикаторов.
• Создание трения и усложнение конверсионного пути: Использование темных паттернов, сложные процессы оформления заказа, затрудненный доступ к контенту. Это снижает процент завершенных действий и мешает системе сформировать четкий сигнал о полезном действии.
• Игнорирование юзабилити и скорости загрузки: Плохое юзабилити и медленная загрузка мешают пользователям выполнять целевые действия. Это напрямую влияет на данные, которые анализирует Action Indicator Subsystem.

Стратегическое значение

Патент подтверждает стратегическую важность анализа поведения пользователей после клика (post-click behavior). Google использует эти данные не только для оценки качества, но и для активного формирования интерфейса SERP. Для SEO это означает, что оптимизация не заканчивается на получении высокого ранжирования; критически важно обеспечить положительный опыт взаимодействия на сайте и успешное выполнение задач пользователем (Task Completion). Система визуализирует доминирующий интент на основе реальных данных, смещая фокус SEO на оптимизацию под конечные намерения.

Практические примеры

Сценарий 1: Оптимизация страницы товара в E-commerce

1. Задача: Получить индикатор «Покупка» (например, значок доллара) для страницы товара в поиске (включая поиск по картинкам).
2. Действия: Проанализировать путь пользователя к покупке. Упростить процесс: обеспечить заметность кнопки «Купить», убрать отвлекающие элементы, оптимизировать скорость загрузки страницы, добавить четкую информацию о доставке.
3. Ожидаемый результат: Увеличение процента пользователей, совершающих покупку после перехода на страницу в рамках той же сессии. Когда этот показатель достигнет статистической значимости (превысит порог и станет outlier), Google может начать отображать индикатор «Покупка». Это повысит CTR среди пользователей, готовых к покупке.

Сценарий 2: Оптимизация страницы рецепта

1. Задача: Получить индикатор «Сохранение» или «Рецепт» для статьи.
2. Действия: Сделать контент максимально полезным для приготовления: четкий список ингредиентов, пошаговые инструкции. Разместить кнопки «Сохранить рецепт», «Распечатать» или «Скачать PDF» на видном месте и сделать их использование удобным.
3. Ожидаемый результат: Пользователи будут проводить больше времени на странице (time spent) или активно сохранять контент. Система зафиксирует это поведение, и результат получит соответствующий индикатор, привлекая пользователей, ищущих именно рецепты, а не просто фото еды.