Как Google использует историю поиска и контекст пользователя для проактивной доставки информации (Основы Google Discover/Assistant)

Термины и определения

User Interest Query (Запрос интереса пользователя)

Запрос из истории поиска, который система идентифицировала как представляющий постоянный или временный интерес, и по которому пользователь хотел бы получать автоматические обновления.

Inline Search Result (Встроенный результат поиска / SERP Feature)

Информация, возвращаемая поисковой системой непосредственно в выдаче, без необходимости перехода на другую веб-страницу (за исключением традиционных сниппетов). Примеры: блоки погоды, спортивные результаты, статус рейса, карточки знаний. Является ключевым триггером для идентификации User Interest Query.

Context / Contextual Information (Контекст / Контекстная информация)

Данные о текущем состоянии пользователя, в первую очередь включающие его текущее местоположение и локальное время в этом местоположении.

Ongoing Interest (Постоянный интерес)

Запрос, который пользователь повторяет многократно в течение длительного периода времени (например, запрос о любимой спортивной команде). Интерес не имеет срока истечения.

Timely Interest / Time-Sensitive User Interest Query (Временный интерес)

Запрос, связанный с конкретным сроком истечения (expiration time), например, статус конкретного авиарейса. После истечения срока запрос перестает быть активным интересом.

Relevancy Processing Module (Модуль обработки релевантности)

Компонент системы, который определяет, является ли User Interest Query релевантным для пользователя в данный момент, основываясь на контексте и/или изменении результатов запроса.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод автоматического обновления запроса.

1. Система определяет историю поиска пользователя.
2. Идентифицирует как минимум один запрос как User Interest Query.
3. Получает контекстную информацию от устройства пользователя и определяет текущий контекст.
4. Система отправляет обновленный результат User Interest Query на устройство пользователя при выполнении ДВУХ условий: (А) запрос релевантен текущему контексту пользователя, И (Б) обновленный результат отличается от предыдущего результата этого запроса.

Claim 2 (Зависимый от 1): Уточняет способ идентификации интереса. Запрос идентифицируется как интерес, если он связан с ранее сработавшим Inline Search Result.

Claim 3 и 4 (Зависимые от 1): Уточняют другой способ идентификации. Запрос идентифицируется как интерес, если он является дубликатом (повторяется) в истории поиска. Повторяющиеся запросы могут быть классифицированы как Ongoing Interest.

Claim 5 (Зависимый от 1): Описывает обработку временных интересов.

1. Если User Interest Query связан со сроком истечения (expiration time), он определяется как Time-Sensitive User Interest Query.
2. Система отправляет обновления по этому запросу, если текущее время предшествует сроку истечения.

Claim 7 и 8 (Зависимые от 1): Уточняют критерии релевантности контексту.

• Claim 7 (Темпоральная близость): Запрос признается релевантным, если связанное с ним событие запланировано в течение предопределенного периода времени от текущего локального времени пользователя.
• Claim 8 (Пространственная близость): Запрос признается релевантным, если связанное с ним событие запланировано в пределах предопределенного расстояния от текущего местоположения пользователя.

Где и как применяется

Патент описывает систему предиктивного поиска, которая функционирует как слой персонализации, часто вне активной поисковой сессии.

INDEXING – Индексирование и извлечение признаков
Система полагается на данные, извлеченные на этом этапе. Необходима индексация структурированных данных и распознавание сущностей (события, даты, статусы, локации), чтобы система могла генерировать Inline Search Results.

QUNDERSTANDING – Понимание Запросов (и Пользователя)
Применение происходит в двух аспектах:

1. Обработка исходного запроса: Понимание запроса для генерации Inline Search Result.
2. Анализ истории (Офлайн/Фоновый режим): User Profile Module анализирует историю запросов для построения профиля интересов пользователя. Это процесс понимания паттернов поведения пользователя, а не отдельного запроса.

METASEARCH – Метапоиск и Смешивание
На этом этапе генерируются Inline Search Results (SERP Features). Факт генерации такого результата используется как ключевой сигнал для идентификации интереса.

RERANKING – Переранжирование (Слой Предиктивного Поиска)
Основное применение патента. Система получает контекст (время, местоположение). Relevancy Processing Module сравнивает текущий контекст и обновленные данные в индексе с профилем интересов. Если интерес релевантен и данные обновились, система инициирует доставку контента.

Входные данные:

• История поиска пользователя (запросы, время выполнения, флаги срабатывания Inline Search Result).
• Текущий контекст пользователя (местоположение, локальное время).
• Обновленные данные из индекса, соответствующие User Interest Queries.

Выходные данные:

• Обновленные результаты User Interest Queries, отправленные на устройство пользователя (уведомления, карточки в ленте, виджеты).

На что влияет

• Конкретные типы контента и ниши: В первую очередь влияет на высокоструктурированную информацию, которая часто обновляется и зависит от контекста: данные о погоде, спортивные результаты, котировки акций, статусы рейсов, новости, события, локальный поиск.
• Специфические запросы: Запросы, направленные на мониторинг состояния или поиск фактов, которые обычно приводят к появлению SERP Features.
• Определенные форматы контента: Контент, оптимизированный для использования в Inline Search Results (структурированные данные, API-фиды).

Когда применяется

Алгоритм применяется в фоновом режиме для мониторинга, а активируется для доставки информации при выполнении следующих триггеров:

• Изменение результатов: Когда результаты сохраненного User Interest Query изменились с момента последнего показа (например, изменился счет в матче).
• Изменение контекста: Когда местоположение или время пользователя значительно изменяется.
• Близость события: Когда пользователь приближается ко времени (темпоральная близость) или месту (пространственная близость) события, которым он ранее интересовался.
• Рутинные триггеры: В определенное время суток или день недели, если система выявила соответствующий паттерн (например, информация о трафике утром).

Пошаговый алгоритм

Фаза А: Построение профиля интересов (Фоновый/Офлайн режим)

1. Получение истории поиска: Система получает доступ к истории интернет-поиска пользователя.
2. Идентификация кандидатов: Система анализирует историю для выявления потенциальных User Interest Queries. Критерии включают:
   • Запросы, вызвавшие Inline Search Result.
   • Запросы, которые появляются многократно (частотность).
3. Классификация интересов: Идентифицированные запросы классифицируются:
   • Timely Interests (Временные): Запросы с датой истечения (например, статус рейса).
   • Ongoing Interests (Постоянные): Запросы, повторяющиеся в течение длительного времени (например, в течение 5 разных дней).
4. Сохранение профиля: Список User Interest Queries сохраняется в профиле пользователя. Истекшие временные интересы удаляются.

Фаза Б: Проактивная доставка (Реальное время/Фоновый режим)

1. Получение контекста: Система получает текущий контекст пользователя (местоположение и время).
2. Проверка изменения контекста: Определяется, изменился ли контекст достаточно значительно с момента последней проверки.
3. Определение релевантности: Система проверяет User Interest Queries на релевантность текущему контексту. Критерии:
   • Временная или пространственная близость к событию.
   • Соответствие времени суток/дню недели.
4. Проверка обновления результатов: Для релевантных запросов система проверяет, изменились ли результаты с момента их последнего показа пользователю.
5. Принятие решения о доставке: Если запрос релевантен И результаты изменились (согласно Claim 1), система принимает решение о доставке.
6. Вывод информации: Обновленные результаты отправляются на устройство пользователя.

Какие данные и как использует

Данные на входе

Система использует преимущественно данные о поведении и контексте пользователя.

• Поведенческие факторы: История поиска (Search history) — ключевой источник данных. Учитываются запросы, их частота, время выполнения и факт генерации Inline Search Result.
• Географические факторы: Текущее местоположение пользователя (GPS, Wi-Fi, сотовые вышки). Используется для определения пространственной близости.
• Временные факторы: Локальное время пользователя. Используется для определения темпоральной близости и выявления рутинных паттернов. Также используются данные о расписании событий и времени истечения (expiration time) интересов.
• Пользовательские факторы: Идентификатор пользователя или устройства для связывания данных с профилем.

Какие метрики используются и как они считаются

• Срабатывание Inline Search Result: Бинарный флаг (Да/Нет).
• Частота/Повторяемость запроса: Количество выполнений запроса за период. Используется для идентификации Ongoing Interests (например, порог в 5 разных дней).
• Недавность запроса: Анализ истории за последние N часов (например, 24-72 часа) для идентификации Timely Interests.
• Temporal Proximity (Темпоральная близость): Разница между текущим временем и временем наступления события. Сравнивается с порогом (например, менее 1 часа).
• Spatial Proximity (Пространственная близость): Расстояние между текущим местоположением пользователя и местом интереса.
• Result Change Detection (Обнаружение изменения результата): Сравнение текущего результата выполнения User Interest Query с результатом, показанным ранее.

1. Фундамент предиктивного поиска (Google Discover): Патент демонстрирует механизм перехода от реактивного поиска (ответ на запрос) к проактивному (доставка информации на основе предсказания потребностей). Google стремится предоставлять информацию до того, как пользователь её запросит.
2. Inline Search Results (SERP Features) как ключевой триггер интереса: Срабатывание прямого ответа или блока знаний является основным механизмом для определения того, что интересует пользователя настолько, чтобы получать автоматические обновления. Это не просто элемент интерфейса, а сигнал о структурированном интересе.
3. Контекст определяет доставку: Местоположение и время (Current Context) являются решающими факторами, определяющими, *когда* и *где* пользователь получит информацию. Релевантность в этой системе сильно зависит от ситуации пользователя.
4. Персонализация на основе явной истории: Система строит профиль интересов на основе того, что пользователь явно искал ранее. Она автоматизирует мониторинг уже выявленных потребностей.
5. Разделение интересов по времени: Система различает Timely Interests (с коротким сроком жизни и высокой важностью в моменте) и Ongoing Interests (долгосрочные увлечения), применяя к ним разную логику обновления и доставки.

Best practices (это мы делаем)

• Оптимизация под Inline Search Results (SERP Features): Это главный приоритет для попадания в систему проактивной доставки (Discover, Assistant). Необходимо оптимизировать контент для Featured Snippets, Direct Answers и Knowledge Panels. Создавайте контент, который дает четкие, структурированные ответы.
• Внедрение комплексной микроразметки (Schema.org): Используйте разметку для событий (Event), новостей (NewsArticle), местных компаний (LocalBusiness). Это помогает Google генерировать Inline Search Results и понимать временные (для Timely Interests) и географические параметры вашего контента.
• Развитие присутствия в Knowledge Graph (Entity SEO): Укрепляйте связь вашего контента с конкретными сущностями (бренды, команды, локации). Чем лучше Google понимает ваши сущности, тем выше вероятность генерации Inline Search Results и идентификации Ongoing Interests у пользователей.
• Фокус на своевременном и обновляемом контенте: Система ищет изменения в результатах для отправки уведомлений. Для тем, классифицируемых как Ongoing interests (спорт, новости индустрии), регулярно публикуйте обновления для максимизации показов в Discover.
• Локальное SEO и актуальность данных: Для локального бизнеса критически важно поддерживать актуальность данных (например, через Google Business Profile). Система использует контекст местоположения (пространственную близость) для доставки этой информации, когда пользователь находится рядом.

Worst practices (это делать не надо)

• Игнорирование структурированных данных: Отсутствие микроразметки значительно снижает шансы на генерацию Inline Search Results, что исключает контент из этой системы проактивной доставки.
• Фокус только на традиционном ранжировании: Стратегии, направленные только на попадание в «10 синих ссылок» без учета оптимизации под сущности и прямые ответы, упускают возможность участвовать в контекстном и предиктивном поиске.
• Предоставление устаревшей информации: Система нацелена на доставку *обновленной* информации. Если ваши данные о событиях, статусах или новостях неактуальны, они не будут эффективны в рамках этого механизма.
• Пренебрежение мобильным опытом: Описанная система в первую очередь ориентирована на мобильные устройства, так как именно они предоставляют наиболее точный контекст пользователя (местоположение).

Стратегическое значение

Патент подтверждает стратегическое направление Google на развитие контекстно-зависимого, персонализированного и проактивного поиска. Для SEO это означает, что стратегия должна смещаться от простого ранжирования страниц к тому, чтобы стать источником достоверной, структурированной информации о сущностях и событиях. Поисковый трафик все больше перераспределяется от традиционной выдачи к персонализированным лентам (Google Discover) и уведомлениям.

Практические примеры

Сценарий: Оптимизация страницы мероприятия для проактивной доставки

1. Действие: Организатор концерта создает страницу мероприятия и внедряет детальную микроразметку Event (включая location, startDate, endDate, eventStatus).
2. Результат в поиске: Когда пользователь ищет информацию о концерте, Google генерирует Inline Search Result (блок с деталями мероприятия), используя данные сайта.
3. Активация механизма: Система Google помечает этот запрос как Time-Sensitive User Interest Query для данного пользователя.
4. Проактивная доставка:
   • За день до концерта (темпоральная близость) система автоматически присылает пользователю напоминание с деталями мероприятия.
   • Если организатор изменит время начала (и обновит startDate в разметке), система обнаружит изменение результата и отправит пользователю уведомление об этом.
   • Когда пользователь оказывается рядом с местом проведения (пространственная близость), система может показать карточку с деталями входа.