Как Google использует трендовые результаты поиска для понимания неоднозначных запросов в Ассистенте

Термины и определения

Ambiguous Query (Неоднозначный запрос)

Запрос, для которого система не может определить намерение пользователя с достаточной степенью уверенности (ни один интент не превышает confidence threshold).

Currently Trending Search Results (Текущие трендовые результаты поиска)

Результаты поиска, актуальные на данный момент времени, отражающие текущий интерес пользователей к теме (связано с QDF).

Digital Assistant Service (DAS) (Служба Цифрового Ассистента)

Сервис (например, Google Assistant), который обрабатывает запросы пользователей для предоставления информации или выполнения действий.

Intent Vertical (Вертикаль интента)

Категория информации или действий (например, Новости, Музыка, Путешествия). В контексте патента, вертикаль содержит user-preferred information sources для пользователя.

Query Interpreter (Интерпретатор запросов)

Компонент DAS, который выполняет первичный анализ запроса и вычисляет оценки уверенности для возможных интентов.

Search Result Type (Тип результата поиска)

Классификация результата поиска (например, библиографический, новостной, музыкальный). Используется для определения интента по топовому трендовому результату.

Unresolved User Intent (Неразрешенное намерение пользователя)

Состояние, когда Query Interpreter не смог уверенно определить намерение пользователя.

User-Preferred Information Sources (Предпочитаемые пользователем источники информации)

Конкретные источники данных или сервисы (например, новостные сайты, стриминговые сервисы), которые пользователь предпочитает использовать для определенной Intent Vertical. Хранятся в профиле пользователя.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод доставки релевантных ответов с использованием трендов.

1. Система получает запрос к Digital Assistant Service.
2. Если user intent не разрешен (unresolved):
   1. Извлекаются currently trending first search results (Первый набор трендовых результатов) из поисковой системы.
   2. Интент разрешается на основе search result type релевантного результата (Claim 5 уточняет, что это результат на первой позиции).
   3. Идентифицируется particular intent vertical пользователя, содержащая user-preferred information sources из профиля пользователя.
   4. Извлекаются second search results (Второй набор результатов) для запроса, основанные на этих предпочитаемых источниках.
   5. Генерируется ответ на основе Второго набора результатов (информация или действие).

Ядро изобретения — это двухэтапный процесс. Этап 1 использует глобальные тренды для определения контекста (интента). Этап 2 использует персональные предпочтения для формирования ответа. Система не просто возвращает трендовый результат.

Claim 3 (Зависимый): Уточняет, как определяется неоднозначность. Запрос обрабатывается для определения оценок (score) для возможных интентов. Если ни одна оценка не удовлетворяет confidence threshold, интент считается неоднозначным.

Claim 14 (Независимый пункт): Описывает альтернативный метод разрешения интента, основанный на активности пользователей.

1. Система получает запрос.
2. Если user intent не разрешен:
   1. Определяется наличие недавнего всплеска (recent spike) похожих запросов от других пользователей.
   2. Если всплеск есть, интент разрешается на основе search result type, связанного с этим всплеском. (Claim 15 уточняет, что это делается путем извлечения общего намерения (common user intent), разделяемого пороговым числом запросов).
   3. Далее процесс следует логике Claim 1 (идентификация вертикали, предпочитаемых источников и генерация ответа).

Где и как применяется

Изобретение применяется в рамках Службы Цифрового Ассистента (Google Assistant) и тесно взаимодействует с основной поисковой системой.

QUNDERSTANDING – Понимание Запросов
Это основная фаза применения. Механизм активируется в реальном времени, когда стандартная интерпретация не удается.

• Query Interpreter выполняет первичный анализ. При неудаче (unresolved intent) запускается механизм разрешения неоднозначности.
• Система использует внешние сигналы: данные из этапа RANKING основного поиска (currently trending search results) или анализ логов запросов DAS (recent spike).
• User Intent Resolver использует эти данные для определения контекстуального интента.

RANKING / METASEARCH (в контексте Ассистента)
После разрешения интента система переходит к этапу выполнения (Fulfillment).

• Система использует разрешенный интент и профиль пользователя для выбора intent vertical и user-preferred information sources.
• Выполняется вторичный поиск или запрос данных (second search results) к этим конкретным источникам для генерации ответа.

Входные данные:

• Неоднозначный запрос пользователя.
• Currently trending search results из поисковой системы (включая search result type для Топ-1).
• Данные о недавних всплесках похожих запросов.
• Профиль пользователя (user-preferred information sources).

Выходные данные:

• Разрешенное намерение пользователя (Resolved User Intent).
• Контекстуально-релевантный и персонализированный ответ (информация или действие).

На что влияет

• Специфические запросы: Наибольшее влияние на неоднозначные запросы, связанные с сущностями (имена людей, бренды, продукты), интент которых сильно зависит от текущих событий (например, запрос "Apple" во время презентации).
• Конкретные ниши или тематики: Ниши, подверженные трендам и QDF: новости, спорт, развлечения, технологии.
• Типы устройств: Устройства с поддержкой Google Assistant (смарт-колонки, дисплеи, мобильные телефоны).

Когда применяется

• Триггер активации: Когда Query Interpreter определяет, что user intent является unresolved.
• Пороговые значения: Активация происходит, если ни один из возможных интентов не преодолевает заданный confidence threshold.
• Условия применения: Должны быть доступны данные о трендовых результатах поиска ИЛИ должен быть зафиксирован значительный всплеск похожих запросов с общим интентом.

Пошаговый алгоритм

Процесс обработки неоднозначного запроса в Ассистенте

1. Получение Запроса: DAS получает запрос от пользователя.
2. Начальная Интерпретация: Query Interpreter вычисляет оценки (scores) для возможных интентов.
3. Проверка Уверенности: Сравнение оценок с confidence threshold.
   • Если порог превышен: Интент разрешен. Стандартное выполнение.
   • Если порог не превышен: Интент unresolved. Активация механизма разрешения неоднозначности.
4. Разрешение Неоднозначности (Выбор Пути):
   • Путь А (Тренды): Система запрашивает currently trending search results. Анализируется результат на первой позиции и его search result type.
   • Путь Б (Спайки Запросов): Система анализирует логи на предмет recent spike похожих запросов и определяет common user intent.
5. Определение Интента: На основе Пути А или Пути Б интент разрешается (например, определяется как "Новостной").
6. Идентификация Вертикали и Персонализация: Система обращается к профилю пользователя, определяет intent vertical и извлекает user-preferred information sources для этого интента.
7. Вторичный Поиск (Fulfillment): Система выполняет запрос (second search results) к предпочитаемым источникам.
8. Генерация Ответа: Формируется и предоставляется контекстуально-релевантный ответ.

Какие данные и как использует

Данные на входе

• Данные о трендах (Временные факторы): Критически важные данные из поисковой системы (currently trending search results), основанные на сигналах свежести и популярности (QDF).
• Поведенческие факторы (Глобальные): Агрегированные данные о запросах пользователей для выявления recent spike похожих запросов в реальном времени.
• Пользовательские факторы (Персональные): Данные из профиля пользователя, определяющие user-preferred information sources для различных intent verticals (настройки или история взаимодействия).
• Контентные/Структурные факторы (Косвенно): Классификация контента поисковой системой для определения search result type (например, новость, видео, музыка) топового трендового результата.

Какие метрики используются и как они считаются

• Score (Оценка интента): Вероятностная оценка, вычисляемая Query Interpreter для определения соответствия запроса интенту.
• Confidence Threshold (Порог уверенности): Предопределенное значение. Если порог не превышен, запрос считается неоднозначным.
• First Position (Первая позиция): Используется как основной индикатор наиболее релевантного трендового результата для определения контекста.
• Recent Spike (Недавний всплеск): Метрика, указывающая на резкое увеличение частоты похожих запросов.
• Threshold Number (Пороговое количество): Минимальное количество запросов в рамках всплеска, разделяющих общий интент, необходимое для его принятия системой.

1. Динамическая интерпретация интента на основе QDF: Google динамически меняет интерпретацию неоднозначных запросов (особенно о сущностях) в реальном времени на основе того, что популярно в поиске (currently trending search results). QDF (Query Deserves Freshness) является основой для понимания актуального контекста.
2. Критичность Топ-1 в трендах: Результат на первой позиции в трендовом поиске имеет решающее значение. Его тип (search result type) определяет доминирующий интент для Ассистента в данный момент.
3. Анализ коллективного поведения как альтернатива: Система может определять интент, анализируя, что ищут другие пользователи прямо сейчас (recent spike), используя "мудрость толпы" как сигнал контекста.
4. Двухэтапный процесс: Интент vs. Ответ: Система разделяет определение интента (на основе глобальных трендов) и формирование ответа (на основе персональных предпочтений).
5. Приоритет персонализации в ответе: Даже если тренд задан одним источником, финальный ответ формируется из user-preferred information sources. Это подчеркивает важность персонализации в экосистеме Google Assistant.

Best practices (это мы делаем)

• Оптимизация под тренды и QDF (Real-Time SEO): Необходимо оперативно реагировать на события в вашей нише. Быстрое создание качественного контента увеличивает шансы стать currently trending search result №1. Это позволит вам контролировать, как Google Assistant интерпретирует связанные неоднозначные запросы.
• Стратегия становления "Предпочитаемым источником": Поскольку финальный ответ формируется из user-preferred information sources, долгосрочная стратегия должна быть направлена на построение сильного бренда и лояльности аудитории. Необходимо стимулировать пользователей выбирать ваш ресурс как предпочтительный в вашей вертикали (например, новости, музыка, подкасты).
• Четкая классификация контента: Используйте соответствующую микроразметку (NewsArticle, VideoObject и т.д.) и четкую структуру, чтобы поисковая система могла корректно определить search result type вашего контента. Это критически важно для правильной интерпретации интента.
• Мониторинг спайков запросов: Отслеживайте резкие изменения в частотности запросов, связанных с вашими сущностями. Понимание доминирующего интента во время этих спайков (common user intent) позволяет адаптировать контент-стратегию в реальном времени.

Worst practices (это делать не надо)

• Игнорирование трендов и фокус только на "вечнозеленом" контенте: Полагаться только на статический контент рискованно. При возникновении важного события Google динамически переключит интент (например, с биографического на новостной), и ваш контент потеряет актуальность в моменте для Ассистента.
• Медленное реагирование на события: Если конкуренты быстрее занимают Топ-1 в трендах, они будут контролировать контекст для связанных запросов в Ассистенте.
• Кликбейт для попадания в тренды: Манипуляции могут дать краткосрочный эффект попадания в тренды, но не помогут стать user-preferred source, что является конечной целью для получения взаимодействий через Ассистента.

Стратегическое значение

Патент подтверждает глубокую интеграцию основного поиска Google и Google Assistant. Веб-поиск служит сенсором реального мира для Ассистента. Стратегически это означает, что анализ интента больше не является статичным; он меняется в зависимости от трендов (QDF). Для SEO это подчеркивает, что успех в веб-поиске, особенно в трендовых компонентах, напрямую формирует пользовательский опыт в голосовом поиске и Ассистенте. Также патент указывает на растущую роль персонализации, где предпочтения пользователя определяют конечный источник контента.

Практические примеры

Сценарий: Оптимизация для технологического блога во время презентации продукта

1. Ситуация: Компания Apple проводит презентацию нового iPhone.
2. Действия: Техноблог оперативно публикует новость, используя разметку NewsArticle и оптимизируя под сущность "iPhone".
3. Результат в Поиске: Статья блога попадает на первую позицию в currently trending search results по запросу "iPhone".
4. Обработка запроса в Ассистенте: Пользователь спрашивает Ассистента: "Что там с iPhone?". Запрос неоднозначен.
5. Активация механизма: Ассистент видит, что трендовый результат №1 (статья блога) имеет тип "Новость". Интент разрешается как новостной.
6. Персонализация и Ответ:
   • Вариант А: Если этот блог является user-preferred source для пользователя, Ассистент зачитает заголовок именно из этого блога.
   • Вариант Б: Если предпочитаемый источник другой (например, Reuters), Ассистент возьмет новость об iPhone из Reuters, даже если Reuters не был на первом месте в трендах.
7. Вывод: Быть в тренде необходимо для определения интента, но для получения финального взаимодействия через Ассистента критически важно быть предпочитаемым источником.