Как Google определяет локальный интент на уровне кластеров запросов для автоматического добавления локальных расширений

Термины и определения

Content Item / Digital Component (Элемент контента / Цифровой компонент)

Дискретная единица цифрового контента. Примеры включают рекламные объявления (ads), органические результаты поиска, видео, изображения.

High Local Intent Cluster (Кластер с высоким локальным интентом)

Кластер запросов, в котором доля Trigger Queries превышает Local Intent Threshold.

Intent Flag (Флаг интента)

Сохраненное значение, указывающее, классифицирован ли кластер как High Local Intent или Low Local Intent.

Local Content Feature / Local Extension (Локальная функция контента / Локальное расширение)

Дополнительная информация, добавляемая к Content Item, если запрос имеет высокий локальный интент. Примеры: адрес, кнопка вызова, кнопка маршрута. Может быть реализовано как графическое наложение (graphic overlay).

Local Intent Threshold (Порог локального интента)

Заданное пороговое значение (процент или количество). Используется для классификации кластера на основе доли запросов, активирующих локальные функции.

Local Knowledge Panel (Локальная панель знаний)

Пользовательский интерфейс в результатах поиска, предоставляющий информацию о конкретной локальной сущности (например, профиль компании с картой).

Local Search Feature (Локальная функция поиска)

Функции, активируемые поисковой системой, которые указывают на локальную релевантность. Включают Local Knowledge Panel и другие Local Elements (например, Map Pack, специфические локальные атрибуты).

Query Cluster (Кластер запросов)

Набор различных поисковых запросов, сгруппированных вместе на основе общих признаков (matching query features), например, семантической близости или схожих результатов поиска.

Trigger Queries (Триггерные запросы)

Запросы внутри кластера, которые заставляют поисковую систему отображать Local Search Feature.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод классификации интента на уровне кластера и применения результатов для модификации контента.

1. Система получает данные о кластерах запросов (каждый содержит множество различных запросов).
2. Для каждого кластера:
   1. Определяется подмножество запросов (subset), которые активируют local search feature при вводе в поисковую систему.
   2. Проверяется, соответствует ли размер этого подмножества пороговому значению (local intent threshold amount of queries).
   3. Присваивается Intent Flag: "High Local Intent", если порог достигнут; "Low Local Intent", если нет.
3. Система получает новый поисковый запрос от пользователя и идентифицирует кластер, к которому он принадлежит.
4. Система проверяет Intent Flag этого кластера.
5. Ответ на запрос: Если флаг "High", система модифицирует content item, добавляя local content feature. Если флаг "Low", система предоставляет content item без этой функции.

Ядро изобретения — использование агрегированного поведения кластера для определения интента всех входящих в него запросов, что позволяет выполнять анализ офлайн, а применение — онлайн.

Claim 2 (Зависимый от 1): Уточняет механизм определения подмножества (Шаг 2а).

Определение включает проверку того, вызывает ли конкретный запрос отображение local knowledge panel. Затем вычисляется соотношение (ratio) числа таких запросов к общему числу запросов в кластере.

Claim 3 (Зависимый от 1): Предлагает альтернативный механизм (Шаг 2а).

Определение включает проверку того, содержит ли запрос local attributes, которые вызывают отображение одного или нескольких local elements в результатах поиска. Затем также вычисляется соотношение.

Claim 6 (Зависимый от 1): Уточняет природу local content feature.

Добавленная функция может быть интерактивным объектом (interactive user interface object). Система может обрабатывать взаимодействие с этим объектом (например, клик по кнопке звонка) и предоставлять дополнительный контент или функциональность.

Claim 7 (Зависимый от 1): Уточняет способ добавления функции.

Добавление local content feature может быть реализовано в виде графического наложения (graphic overlay) на content item.

Где и как применяется

Изобретение задействует несколько этапов поиска, разделяя процесс на офлайн-анализ и онлайн-применение для обеспечения эффективности.

INDEXING / QUNDERSTANDING (Офлайн-обработка)
Основная аналитическая работа происходит на этих этапах в офлайн-режиме. Система кластеризации (Clustering System) генерирует Query Clusters. Затем Система определения локального интента (Local Intent System) анализирует исторические данные запросов (Query Data) и логи поведения поисковой системы (Search System), чтобы определить частоту активации локальных функций. На основе этого анализа кластеры классифицируются, и результаты (Intent Flags) сохраняются в Индексе локального интента (Local Intent Index).

RANKING / RERANKING (Ранжирование в реальном времени)
Когда поступает запрос, система (например, система распределения контента Digital Component Distribution System или основная поисковая система) идентифицирует кластер запроса и быстро извлекает предварительно рассчитанный Intent Flag из Local Intent Index. Это позволяет избежать ресурсоемкого анализа интента в реальном времени.

METASEARCH (Смешивание и Презентация)
На финальном этапе формирования выдачи, основываясь на значении Intent Flag, система модифицирует представление Content Item (рекламы или органического результата), добавляя Local Content Feature перед отправкой пользователю.

Входные данные (Офлайн):

• Данные кластеризации (список кластеров и входящих в них запросов).
• Исторические логи запросов, включающие данные о том, какие Local Search Features были активированы для каждого запроса.
• Local Intent Threshold (системная настройка).

Выходные данные (Офлайн):

• Local Intent Index (сопоставление кластеров с флагами High/Low intent).

Входные данные (Онлайн):

• Запрос пользователя и его принадлежность к кластеру.

Выходные данные (Онлайн):

• Модифицированные Content Items с добавленными локальными расширениями или стандартные Content Items.

На что влияет

• Конкретные типы контента: Влияет на Digital Components, что явно включает рекламу, но также охватывает и другие типы контента, такие как органические результаты поиска.
• Специфические запросы: Наибольшее влияние оказывается на запросы без явных указаний на местоположение (например, "ремонт обуви"), но принадлежащие к кластеру, где доминирующий интент определен как локальный.
• Конкретные ниши или тематики: Критически важно для ниш локального бизнеса (рестораны, розничная торговля, услуги), где отображение адреса и телефона имеет первостепенное значение.

Когда применяется

• Триггер активации: Поступление запроса, который принадлежит к одному из предварительно проанализированных кластеров.
• Условие модификации контента: Алгоритм модифицирует контент только в том случае, если Intent Flag для соответствующего кластера установлен в значение High Local Intent.
• Пороговые значения: Local Intent Threshold (например, 60% запросов в кластере должны активировать локальные функции) используется на этапе офлайн-классификации для определения значения Intent Flag.

Пошаговый алгоритм

Фаза А: Офлайн-классификация кластеров

1. Сбор данных кластеризации: Получение данных о Query Clusters от системы кластеризации.
2. Итерация по кластерам: Обработка каждого кластера по очереди.
3. Анализ запросов внутри кластера: Для каждого запроса в кластере определяется, активировал ли он Local Search Feature (например, Local Knowledge Panel или local elements), основываясь на исторических данных поисковой системы. Идентификация Trigger Queries.
4. Вычисление доли локального интента: Рассчитывается соотношение: (Количество триггерных запросов в кластере) / (Общее количество запросов в кластере).
5. Применение порога: Полученная доля сравнивается с Local Intent Threshold.
6. Присвоение флага интента: Если порог достигнут или превышен, кластер помечается как High Local Intent. В противном случае — как Low Local Intent.
7. Сохранение классификации: Intent Flag сохраняется в Local Intent Index для последующего использования.

Фаза Б: Обработка запроса в реальном времени

1. Получение запроса: Система получает поисковый запрос от пользователя.
2. Идентификация кластера: Определяется, к какому Query Cluster принадлежит запрос.
3. Извлечение флага интента: Из Local Intent Index извлекается предварительно рассчитанный Intent Flag для этого кластера.
4. Принятие решения: Проверяется значение флага (High или Low Local Intent).
5. Модификация контента (Если High Intent): Соответствующие Content Items (реклама/результаты) модифицируются путем добавления Local Content Features (например, графического наложения с адресом и телефоном).
6. Распространение контента (Если Low Intent): Content Items предоставляются без модификации.
7. Отправка ответа: Сформированный ответ отправляется на устройство пользователя.

Какие данные и как использует

Данные на входе

• Поведенческие / Системные данные: Исторические логи запросов (Query Data). Ключевым элементом является информация о том, как поисковая система реагировала на предыдущие запросы — в частности, была ли активирована Local Search Feature (Local Knowledge Panel или Local Elements).
• Данные о сущностях (Entity Data): Косвенно используются данные о сущностях, так как для показа Local Knowledge Panel необходимо распознавание локальной сущности.
• Структурные данные: Cluster Data, определяющие взаимосвязи между различными запросами и их принадлежность к кластерам.

Какие метрики используются и как они считаются

• Доля локального интента (Local Intent Portion/Ratio): Основная вычисляемая метрика.
  Формула: $\frac{\text{Число Trigger Queries в кластере}}{\text{Общее число запросов в кластере}}$
• Local Intent Threshold: Предопределенное пороговое значение (например, X%), с которым сравнивается рассчитанная доля для классификации кластера.

1. Интент определяется на уровне кластера, а не отдельного запроса: Интент отдельного запроса выводится на основе поведения связанных с ним запросов в кластере. Запрос наследует локальный интент своего кластера, даже если сам текст запроса неоднозначен.
2. Поведение SERP как источник истины (Ground Truth): Система использует собственное поведение поисковой системы (активацию локальных блоков, карт, панелей знаний) как основной сигнал для классификации интента. То, как Google отображает выдачу, используется для обучения системы классификации интента.
3. Приоритет эффективности за счет офлайн-вычислений: Система разработана для быстродействия. Классификация интента выполняется заранее (офлайн), что позволяет быстро модифицировать контент (добавлять Local Extensions) в реальном времени без сложных вычислений.
4. Существенная модификация выдачи: Наличие локального интента может привести к значительным изменениям в представлении контента, включая добавление интерактивных графических наложений (graphic overlay) с локальной информацией (Claim 6, 7).
5. Критичность распознавания локальных сущностей: Способность системы связать запросы с локальными сущностями (и, следовательно, активировать Local Knowledge Panel, как описано в Claim 2) напрямую влияет на классификацию интента всего кластера.

Best practices (это мы делаем)

• Фокус на активации локальных функций поиска (GBP): Это ключевая стратегия. Поскольку система использует срабатывание Local Search Features (в частности, Local Knowledge Panel / Google Business Profile) как сигнал для определения интента кластера, наличие сильного, оптимизированного профиля GBP критически важно. Необходимо обеспечить, чтобы ваша локальная сущность была распознана и ассоциирована с максимально широким спектром релевантных запросов.
• Анализ интента кластера, а не отдельных ключей: Изучайте доминирующий интент всей темы или кластера. Если SERP по смежным запросам постоянно показывает карты и локальные блоки, ваш контент должен соответствовать этому локальному интенту, чтобы считаться релевантным по ассоциации. Используйте инструменты для анализа SERP Features по всему семантическому ядру.
• Усиление локальных сигналов на сайте и вне его: Поддерживайте классификацию локального интента четкими сигналами (NAP, локальная микроразметка, локальные цитирования, контент с привязкой к местности). Это гарантирует, что ваш контент соответствует высокому локальному интенту, который система присвоила кластеру.

Worst practices (это делать не надо)

• Игнорирование GBP и локальных сущностей: Попытка ранжироваться в локальном поиске, полагаясь исключительно на органическую оптимизацию страниц без создания и развития распознаваемой локальной сущности (GBP). Если ваша сущность не активирует локальные функции в поиске, связанные с ней запросы с меньшей вероятностью будут способствовать классификации кластера как локального.
• Таргетинг на локальные кластеры с нелокальным контентом: Попытка ранжировать чисто информационный, нелокализованный контент по запросам, которые Google классифицировал как High Local Intent. Система настроена на предпочтение и улучшение локализованных результатов для этих кластеров.
• Оценка интента только по тексту запроса: Нельзя предполагать, что запрос не является локальным только потому, что в нем нет названия города или фразы "рядом со мной". Интент определяется на уровне кластера.

Стратегическое значение

Патент подтверждает синергию между распознаванием сущностей (Knowledge Graph/GBP) и классификацией интента. Google использует свое понимание локальных сущностей для определения интента связанных с ними запросов. Ключевое стратегическое понимание заключается в том, что внешний вид SERP (наличие карт, локальных панелей) — это не только результат ранжирования, но и входной сигнал для классификации смежных запросов. Стратегия локального SEO должна быть направлена на влияние на эти функции SERP.

Практические примеры

Сценарий: Классификация неоднозначного запроса на услугу

1. Анализ кластера (Офлайн): Google анализирует кластер запросов, содержащий "лучший сантехник", "аварийный вызов сантехника", "отзывы о сантехниках".
2. Наблюдение: Система фиксирует, что 80% этих запросов вызывают показ Локального блока/Карты (Local Search Feature).
3. Классификация: Порог (например, 60%) превышен. Кластер помечается как High Local Intent.
4. Запрос в реальном времени: Пользователь вводит неоднозначный запрос "рекомендации по сантехникам".
5. Действие: Google определяет, что запрос принадлежит к кластеру с High Local Intent.
6. Результат: Google модифицирует органические результаты и/или рекламные объявления, агрессивно добавляя Local Extensions (номера телефонов, адреса в виде наложения), даже если пользователь не указал город в запросе.