Как Google динамически регулирует силу фактора близости в локальном поиске в зависимости от плотности результатов

Термины и определения

Closest Local Document (Ближайший локальный документ)

Локальный документ из набора результатов, географическое местоположение которого находится ближе всего к местоположению пользователя.

Density Score (DS) (Оценка плотности)

Метрика, основанная на количестве локальных документов в наборе результатов (например, в Топ-N). Определяет, насколько быстро будет падать оценка ранжирования с увеличением расстояния.

Distance Factor (DF) (Фактор расстояния)

Значение, рассчитанное на основе Proximity Measure и Density Score. Используется для корректировки Search Score локального документа.

Distance Fall-Off (Падение оценки с расстоянием)

Функция или значение, определяющее степень снижения корректирующего фактора по мере удаления объекта от пользователя. Крутизна кривой падения зависит от Density Score.

Implicit Local Intent (Неявный локальный интент)

Запрос, который не содержит географических указаний (например, "ресторан"), но система определяет, что пользователь ищет результаты поблизости. Алгоритм применяется преимущественно к таким запросам.

Local Document (Локальный документ)

Документ (например, веб-страница или карточка компании), который система классифицировала как имеющий локальное значение и привязанный к определенному географическому местоположению.

Proximity Measure (PM) (Мера близости)

Метрика, основанная на географическом расстоянии между местоположением пользователя и местоположением документа. Может быть масштабирована относительно Closest Local Document.

Score Factor (SF) (Фактор оценки)

Метрика, указывающая величину исходного Search Score локального документа по отношению к Search Score порогового документа (например, 10-го результата). Используется для предотвращения чрезмерного повышения низкорелевантных локальных результатов.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод корректировки ранжирования.

1. Система получает набор документов, ранжированных по Search Scores (первый порядок).
2. Определяется Density Score, пропорциональный количеству локальных документов в наборе.
3. Для каждого локального документа определяется Proximity Measure (PM) и Distance Factor (DF), основанный на PM и Density Score (DS).
4. Ключевое условие: Distance Factor определяется так, что величина положительной корректировки позиции при заданной близости уменьшается обратно пропорционально Density Score. (Чем выше плотность (DS), тем быстрее падает буст (DF) с увеличением расстояния (PM)).
5. Позиция хотя бы одного локального документа корректируется, создавая второй порядок ранжирования.

Claim 3 (Зависимый от 2): Детализирует расчет Distance Factor.

Он определяется на основе возведения в степень (exponentiation), где Proximity Measure (или производное от него значение) является основанием, а Density Score — показателем степени (экспонентой). Это математически реализует динамическое падение оценки.

Claim 4 (Зависимый от 1): Вводит механизм масштабирования (сдвига) расстояния.

1. Определяется Closest Local Document.
2. Расстояния всех локальных документов масштабируются (сдвигаются) на величину расстояния до этого ближайшего документа.
3. Proximity Measure рассчитывается на основе этих масштабированных расстояний. Кривая падения оценки начинается не с 0 км (местоположение пользователя), а с расстояния до ближайшего результата.

Claim 6 (Зависимый от 1): Вводит механизм балансировки релевантности и локальности.

Определяется Score Factor, сравнивающий Search Score локального документа с оценкой порогового документа. Корректировка Search Score основывается, в том числе, на этом Score Factor, предотвращая чрезмерное повышение малорелевантных результатов.

Claim 9 (Зависимый от 1): Определяет условие применения.

Весь процесс выполняется только в ответ на запрос, который НЕ содержит указания местоположения (location phrase) и который определен как имеющий Implicit Local Intent.

Где и как применяется

Изобретение применяется в подсистеме локальных результатов (Local Result Subsystem) и затрагивает несколько этапов поиска.

INDEXING – Индексирование и извлечение признаков
На этом этапе система идентифицирует документы как Local Documents и извлекает/сохраняет их географические координаты.

QUNDERSTANDING – Понимание Запросов
Система определяет, имеет ли запрос Implicit Local Intent и рассчитывает его силу (Locality Intent Measure). Это может быть предварительно рассчитано на основе анализа поведения пользователей.

RANKING – Ранжирование / RERANKING – Переранжирование
Основное применение патента происходит после получения первичного набора результатов и, вероятно, на этапе переранжирования или смешивания локальных результатов.

1. Получение контекста: Система получает первичный набор ранжированных документов, их Search Scores и местоположение пользователя.
2. Расчет плотности: Анализируется набор результатов для вычисления Density Score.
3. Расчет факторов: Для локальных документов вычисляются Proximity Measure (с возможным масштабированием), Distance Factor и Score Factor.
4. Корректировка оценок: Search Scores локальных документов корректируются с использованием рассчитанных факторов.
5. Финальное ранжирование: Документы переупорядочиваются в соответствии с новыми оценками.

Входные данные:

• Набор документов с исходными Search Scores.
• Местоположение устройства пользователя.
• Географические координаты для каждого Local Document.
• Метка и оценка Implicit Local Intent для запроса.

Выходные данные:

• Переупорядоченный набор результатов с скорректированными Search Scores для локальных документов.

На что влияет

• Конкретные типы контента: В первую очередь влияет на ранжирование карточек компаний (Google Business Profile) в Local Pack/Maps и на локализованные органические результаты для бизнесов с физическими точками обслуживания.
• Специфические запросы: Влияет только на запросы с Implicit Local Intent (например, "сантехник", "кофейня"). Не влияет на запросы с явным указанием локации (например, "сантехник в Москве").
• Конкретные ниши или тематики: Критически влияет на все локальные бизнесы (ритейл, услуги, общепит). Влияние различается в зависимости от естественной плотности ниши (например, много ресторанов, мало специализированных мастерских).

Когда применяется

• Условия работы алгоритма: Алгоритм активируется при одновременном выполнении условий:
  1. Запрос идентифицирован как имеющий Implicit Local Intent.
  2. Запрос НЕ содержит явных географических указаний (location phrase).
  3. В наборе релевантных результатов присутствуют Local Documents, для которых можно определить расстояние до пользователя.

Пошаговый алгоритм

Процесс корректировки ранжирования локальных результатов:

1. Получение данных и проверка интента: Система получает запрос, местоположение пользователя и первоначальный набор ранжированных документов. Проверяется наличие Implicit Local Intent.
2. Расчет оценки плотности (Density Score - DS): Определяется количество локальных документов (#LD) в наборе результатов (например, в Топ-N). Рассчитывается DS, например, по формуле: $DF = (Base)^{DS}$