Как Google использует отзывы для сравнения, фильтрации и ранжирования сущностей в поиске

Термины и определения

Comparison Layout (Сравнительный макет)

Пользовательский интерфейс, предназначенный для одновременного отображения отзывов (или их фрагментов) для нескольких сущностей, что позволяет пользователю сравнивать их в одном окне.

Entity (Сущность)

Объект, который может быть оценен пользователем (например, отель, ресторан, товар, услуга, веб-страница, человек, местоположение).

Primary Search Query (Первичный поисковый запрос)

Исходный запрос для поиска в корпусе сущностей (например, "отели в Милуоки").

Review Index (Индекс отзывов)

Индекс (например, инвертированный индекс), который связывает термины, фразы и/или n-граммы с документами, представляющими собой пользовательские отзывы. Обеспечивает быстрый поиск по контенту отзывов.

Secondary Search Query (Вторичный поисковый запрос)

Запрос, направленный на поиск внутри отзывов для списка сущностей, полученного в результате первичного запроса. Функционирует как фильтр.

Snippet (Фрагмент, сниппет)

Часть пользовательского отзыва, которая релевантна поисковому запросу (часто содержит ключевые слова запроса). Используется для отображения в сравнительном макете.

User-Generated Review (UGR) (Пользовательский отзыв)

Любой тип контента, созданный пользователем о сущности (текст, рейтинги, изображения, видео, аудио). В контексте патента часто рассматривается как индексируемый веб-документ.

Ключевые утверждения (Анализ Claims)

Патент содержит три основных независимых пункта (Claims 1, 12, 19), описывающих разные аспекты работы с отзывами.

Claim 1 (Независимый пункт): Описывает метод сравнительного поиска внутри отзывов.

1. Система получает запрос от клиента для поиска внутри множества UGR, относящихся к множеству сущностей. Отзывы хранятся как корпус индексированных и доступных для поиска документов.
2. В ответ на запрос система ищет в инвертированном индексе (который связывает термины/фразы/n-граммы с документами отзывов) и идентифицирует набор UGR, соответствующих терминам запроса. Этот набор включает отзывы как минимум для двух разных сущностей (Первой и Второй).
3. Система извлекает первый текстовый фрагмент (snippet) из отзыва для Первой сущности и второй текстовый фрагмент из отзыва для Второй сущности. Фрагменты содержат и выделяют термины запроса.
4. Система предоставляет эти фрагменты для одновременного отображения в Comparison Layout на устройстве клиента.

Ядро изобретения (Claim 1) — это возможность искать по ключевому слову сразу в отзывах разных сущностей и отображать релевантные текстовые фрагменты из этих отзывов бок о бок в едином интерфейсе.

Claim 12 (Независимый пункт): Описывает метод обнаружения и ранжирования сущностей на основе поиска по отзывам.

1. Система получает запрос для поиска внутри UGR (индексированных документов).
2. Система ищет в инвертированном индексе и идентифицирует набор UGR, соответствующих терминам запроса.
3. На основе этого набора отзывов система генерирует список сущностей (включая как минимум две разные сущности).
4. Система ранжирует этот список сущностей на основе релевантности отзывов каждой сущности поисковым терминам запроса.
5. Система предоставляет этот ранжированный список сущностей для отображения клиенту.

Ядро изобретения (Claim 12) — это использование контента отзывов как основного способа для обнаружения (surfacing) сущностей и их ранжирования в ответ на запрос.

Claim 19 (Независимый пункт): Описывает метод использования поиска по отзывам как фильтра для основного поиска.

1. Система получает Primary Search Query для поиска в корпусе сущностей.
2. Система получает результат, включающий список сущностей, релевантных первичному запросу.
3. Система получает Secondary Search Query (с терминами, введенными пользователем) для поиска внутри UGR (индексированных документов) для этого списка сущностей. Вторичный запрос функционирует как фильтр.
4. Система ищет в инвертированном индексе и идентифицирует набор UGR, соответствующих вторичному запросу.
5. Система ранжирует список сущностей на основе релевантности отзывов каждой сущности терминам вторичного запроса, создавая ранжированный (отфильтрованный) список.
6. Система предоставляет этот ранжированный список для отображения клиенту.

Ядро изобретения (Claim 19) — это двухэтапный процесс поиска, где поиск по контенту отзывов используется для уточнения, фильтрации и переранжирования результатов стандартного поиска по сущностям.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, от индексирования до финального представления результатов.

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит ключевой процесс: пользовательские отзывы (UGR) обрабатываются и индексируются. Они могут рассматриваться не как часть базы данных сущности, а как synthetic corpus of web documents. Indexing Engine создает и обновляет Review Index (инвертированный индекс), позволяющий быстро искать по содержимому отзывов. Также извлекаются признаки качества отзывов (review quality) и полезности (helpfulness).

QUNDERSTANDING – Понимание Запросов
Система должна определить, является ли запрос первичным поиском сущностей (Primary Search Query) или поиском внутри отзывов (который может быть как первичным, так и вторичным — Secondary Search Query). Также система может генерировать предлагаемые ключевые слова (selectable keywords или pivot/search-chips) на основе часто упоминаемых тем в отзывах.

RANKING – Ранжирование
Ранжирование применяется в нескольких контекстах:

• Ранжирование отзывов: При поиске внутри UGR система ранжирует найденные отзывы/сниппеты.
• Ранжирование сущностей на основе UGR (Claim 12, 19): Система генерирует или фильтрует список сущностей и ранжирует их на основе релевантности их отзывов запросу (например, по частоте упоминания термина).
• Ранжирование веб-страниц (FIG. 7 / Description): Система может использовать сигналы, извлеченные из UGR (например, рейтинги, анализ контента, полезность), как часть множества сигналов ранжирования для веб-страниц, связанных с сущностями.

METASEARCH – Метапоиск и Смешивание / RERANKING – Переранжирование
На этапе формирования выдачи система представляет результаты. Это может быть стандартный список сущностей (отфильтрованный и переранжированный на основе UGR) или специализированный Comparison Layout, отображающий сниппеты отзывов для сравнения.

На что влияет

• Типы контента и Сущности: Наибольшее влияние оказывается на сущности, имеющие значительный объем пользовательских отзывов: товары (E-commerce), отели, рестораны, услуги (Local Search), места на картах.
• Специфические запросы: Влияет на запросы, направленные на сравнение или уточнение характеристик (например, "wifi скорость" или "бесплатный завтрак" после поиска отелей). Также влияет на запросы, где намерение лучше раскрывается через опыт других пользователей (например, "наушники для бега").
• Ниши: Критично для сфер путешествий, розничной торговли, общественного питания.

Когда применяется

Алгоритмы применяются в следующих условиях:

• Сравнительный поиск (Claim 1): Когда пользователь явно инициирует поиск внутри отзывов для выбранного набора сущностей или когда система предлагает сравнение.
• Обнаружение сущностей через UGR (Claim 12): Когда пользовательский запрос направлен на поиск сущностей по критериям, которые часто упоминаются в отзывах.
• Фильтрация поиска (Claim 19): Когда пользователь вводит вторичный запрос для уточнения уже полученного списка сущностей.
• Ранжирование веб-страниц: Когда система ранжирует веб-страницы, связанные с сущностями, для которых доступны индексированные отзывы.

Пошаговый алгоритм

Патент описывает несколько взаимосвязанных процессов.

Процесс А: Сравнительный поиск по отзывам (Claim 1)

1. Получение запроса: Система получает запрос для поиска внутри UGR, относящихся к множеству сущностей.
2. Поиск в индексе: Система ищет в Review Index документы (отзывы), содержащие термины запроса.
3. Идентификация релевантных UGR: Определяется набор отзывов для как минимум двух разных сущностей.
4. Извлечение сниппетов: Из релевантных отзывов извлекаются текстовые фрагменты (snippets), содержащие и выделяющие термины запроса.
5. Формирование макета: Генерируется Comparison Layout (например, в виде колонок для каждой сущности).
6. Отображение результатов: Сниппеты одновременно отображаются в соответствующих разделах макета для сравнения.
7. Интерактивность (Опционально): При клике на сниппет отображается полный текст отзыва. При клике на ключевое слово в сниппете инициируется новый поиск по этому слову.

Процесс Б: Обнаружение и ранжирование сущностей на основе UGR (Claim 12)

1. Получение запроса: Система получает запрос (например, "бесплатный завтрак").
2. Поиск в индексе: Система ищет в Review Index отзывы, содержащие термины запроса.
3. Идентификация сущностей: Определяются сущности, к которым относятся найденные отзывы.
4. Генерация списка сущностей: Формируется список релевантных сущностей.
5. Ранжирование сущностей: Список ранжируется на основе релевантности отзывов запросу (например, частота термина, качество отзыва, полезность).
6. Отображение результатов: Ранжированный список сущностей предоставляется пользователю.

Процесс В: Фильтрация результатов поиска с помощью UGR (Claim 19)

1. Первичный поиск: Система выполняет Primary Search Query (например, "отели в Милуоки") и получает список сущностей.
2. Получение вторичного запроса: Пользователь вводит Secondary Search Query (например, "клопы") для фильтрации списка.
3. Поиск в индексе: Система ищет в Review Index отзывы для сущностей из списка, содержащие термины вторичного запроса.
4. Переранжирование/Фильтрация: Список сущностей переранжируется (или фильтруется) на основе релевантности их отзывов вторичному запросу.
5. Отображение результатов: Обновленный список предоставляется пользователю.

Какие данные и как использует

Данные на входе

• Контентные факторы (UGR): Текст отзывов, метаданные отзывов. Это основной источник данных для поиска.
• Мультимедиа факторы (UGR): Изображения, видео и аудио в отзывах. Патент упоминает возможность поиска по ним (например, с использованием распознавания изображений или транскрипции видео/аудио).
• Структурные данные (UGR): Рейтинги/оценки, связанные с отзывами.
• Поведенческие факторы (Системные): Действия пользователя, такие как клики на сниппеты для просмотра полного отзыва или использование ключевых слов как pivot/search-chips.
• Данные о сущностях: Информация из основного корпуса сущностей (например, каталога товаров или базы данных отелей).

Какие метрики используются и как они считаются

Патент не детализирует формулы, но указывает на следующие метрики и сигналы:

• UGR Relevance to Search Terms (Релевантность отзыва запросу): Метрика, используемая для ранжирования сущностей (Claims 12, 19). Может основываться на стандартных методах Information Retrieval, примененных к тексту отзыва.
• Occurrence of the search term(s) (Частота термина): Упоминается как возможный фактор для ранжирования сущностей на основе их отзывов.
• Helpfulness (Полезность отзыва): Сигнал, который может использоваться для ранжирования отзывов и сущностей.
• Review Quality (Качество отзыва): Сигнал, используемый для оценки достоверности и полезности отзыва. Может включать анализ длины отзыва (review length).
• Review Time (Время публикации отзыва): Свежесть отзыва может использоваться как сигнал ранжирования.
• User Impression (Впечатление пользователя): Сигнал, извлекаемый из анализа контента отзывов и/или рейтингов, указывающий на уровень удовлетворенности пользователя сущностью. Используется для ранжирования веб-страниц (FIG. 7).

1. Отзывы как индексируемый контент: Ключевой вывод — Google индексирует пользовательские отзывы (UGR) как самостоятельные документы (synthetic corpus of web documents), доступные для прямого поиска через Review Index. Это означает, что семантика и ключевые слова внутри отзывов имеют прямое значение для SEO.
2. UGR для обнаружения сущностей: Отзывы могут служить основным источником для обнаружения сущностей (Claim 12). Если в отзывах о компании часто упоминается определенный термин (например, "веганские опции"), компания может начать ранжироваться по этому запросу, даже если её собственный контент слабо оптимизирован под него.
3. UGR как фильтр и фактор переранжирования: Поиск по отзывам используется как мощный механизм фильтрации и переранжирования результатов основного поиска (Claim 19). Релевантность отзывов вторичному запросу определяет финальный список и порядок сущностей.
4. Сравнение и сниппеты: Google активно развивает интерфейсы для прямого сравнения сущностей на основе конкретных характеристик, упомянутых в отзывах (Claim 1). Извлечение релевантных сниппетов из UGR становится критически важным для представления сущности в этих интерфейсах.
5. UGR как сигнал ранжирования веб-страниц: Патент также подтверждает (FIG. 7), что данные, извлеченные из отзывов (User Impression, рейтинги, анализ контента), используются как сигналы для ранжирования связанных веб-страниц в основном поиске.

Best practices (это мы делаем)

• Стимулирование детализированных отзывов: Необходимо мотивировать пользователей оставлять не просто оценки, а развернутые отзывы, содержащие конкретные детали и ключевые слова, релевантные бизнесу (например, названия услуг, характеристики товаров, упоминание локации). Поскольку отзывы индексируются, они функционируют как дополнительный контент для ранжирования.
• Оптимизация семантики отзывов (UGR Optimization): Анализируйте семантическое ядро, по которому вы хотите ранжироваться, и поощряйте упоминание этих терминов в отзывах. Например, если вы хотите позиционироваться как "отель с быстрым Wi-Fi", наличие множества отзывов с этой фразой повысит релевантность по соответствующим фильтрам (Claim 19) и запросам (Claim 12).
• Мониторинг и анализ сниппетов UGR: Отслеживайте, какие именно фрагменты отзывов Google показывает в сравнительных интерфейсах (например, в Google Maps или Покупках). Это дает понимание того, какой контент система считает наиболее релевантным для пользователей.
• Работа с мультимедийными отзывами: Поощряйте добавление фото и видео в отзывы. Патент упоминает, что UGR могут включать мультимедиа, которые также могут быть доступны для поиска (например, через распознавание изображений).
• Повышение качества и полезности отзывов: Работайте над тем, чтобы отзывы о вашей компании имели высокие показатели Review Quality и Helpfulness, так как эти сигналы могут использоваться при ранжировании.

Worst practices (это делать не надо)

• Игнорирование контента отзывов: Рассматривать отзывы только как средний балл — ошибка. Контент внутри отзывов напрямую влияет на видимость по конкретным запросам и фильтрам.
• Накрутка пустых отзывов или оценок: Отзывы без детализированного текста менее ценны для системы, так как по ним невозможно осуществить поиск или извлечь релевантные сниппеты.
• Генерация однотипных или шаблонных отзывов: Искусственно сгенерированные отзывы, вероятно, будут иметь низкий Review Quality и могут быть отфильтрованы. Ценность представляют уникальные и детализированные отзывы.
• Удаление негативных отзывов с важной семантикой: Попытки скрыть упоминание проблем (например, "медленный wifi") могут быть неэффективны, если это частая тема. Лучше исправить проблему и получить новые отзывы, подтверждающие это.

Стратегическое значение

Патент подтверждает стратегическую важность пользовательского контента (UGC) как первоисточника данных для поиска, ранжирования и представления информации о сущностях. Для SEO это означает смещение фокуса с оптимизации только собственного контента (Owned Media) на оптимизацию заработанного контента (Earned Media), в частности, отзывов. Стратегия SEO должна включать управление репутацией (ORM/SERM) не просто для поддержания рейтинга, а для активного управления семантикой и контентом, который генерируют пользователи. Отзывы становятся активом, который требует такой же проработки, как и контент на сайте.

Практические примеры

Сценарий 1: Фильтрация отеля по качеству Wi-Fi (Claim 19)

1. Первичный поиск: Пользователь ищет "Отели в Лондоне". Google возвращает список отелей.
2. Вторичный поиск (Фильтр): Пользователь вводит в поле поиска по отзывам запрос "быстрый Wi-Fi".
3. Обработка: Google ищет в Review Index отзывы для отелей из списка, содержащие "быстрый Wi-Fi".
4. Переранжирование: Система переранжирует список отелей. Отели, в отзывах которых эта фраза встречается чаще и в более качественных/полезных отзывах, поднимаются выше. Отели без упоминания этой фразы опускаются или скрываются.
5. Результат (SEO): Отель, который активно стимулировал гостей упоминать качество интернета в отзывах, получает преимущество.

Сценарий 2: Сравнение товаров (Claim 1)

1. Выбор сущностей: Пользователь выбирает три модели наушников в Google Покупках для сравнения.
2. Запрос сравнения: Пользователь вводит запрос "бас" для поиска в отзывах этих трех моделей.
3. Обработка: Google ищет в Review Index отзывы для этих трех моделей, содержащие слово "бас".
4. Отображение: Система показывает Comparison Layout с тремя колонками. В каждой колонке отображаются сниппеты из отзывов, где упоминается "бас" (например, "Бас слишком сильный", "Отличный глубокий бас", "Баса почти нет").
5. Результат (SEO): Пользователь быстро сравнивает ключевую характеристику товара на основе реального опыта других людей, что влияет на решение о покупке.