Как Google использует анализ визуального макета страницы для сегментации контента и понимания его иерархии

Термины и определения

Business Listings (Списки компаний / Бизнес-листинги)

Информация о компании, идентифицированная на основе географических сигналов, часто включающая название и адрес.

Geographic Signals (Географические сигналы)

Информация в документе, связанная с местоположением: полный или частичный адрес, номер телефона или название компании, связанной с местоположением.

Hierarchical Structure (Иерархическая структура)

Структура документа, выведенная из визуальной модели. Определяет отношения между различными блоками контента (заголовки, разделы, подразделы).

Segmentation Component (Компонент сегментации)

Система, которая автоматически сегментирует документы на основе их визуального макета.

Visual Gaps (Визуальные разрывы / Промежутки)

Белое пространство или другие визуальные разделители на отображаемой странице, которые отделяют блоки контента друг от друга.

Visual Layout (Визуальный макет)

То, как документ отображается визуально для пользователя после рендеринга.

Visual Model (Визуальная модель)

Представление документа, основанное на визуальных разрывах. Строится путем присвоения весов элементам документа.

Weights (Веса)

Числовые значения, присваиваемые элементам документа (например, HTML-тегам). Они количественно оценивают величину визуального разрыва, который вносит элемент. Большие веса соответствуют большим разрывам.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод сегментации документа.

1. Система идентифицирует Geographic Signal в документе.
2. Генерируется Visual Model документа.
3. На основе визуальной модели идентифицируется Hierarchical Structure документа.
4. Документ сегментируется на основе этой иерархической структуры и визуальной модели.
5. Текст в документе ассоциируется с географическим сигналом, при условии, что сам текст не содержит географического сигнала И находится на более высоком иерархическом уровне, чем сигнал.

Ключевой аспект — использование визуального макета для определения иерархии и возможность связывать обобщающий контент (например, заголовки разделов) с конкретными объектами, расположенными ниже по иерархии.

Claim 2 (Зависимый от 1): Уточняет процесс генерации визуальной модели.

Генерация включает присвоение значений (Weights) элементам документа (например, HTML-тегам), которые контролируют его внешний вид. Эти значения количественно определяют степень, в которой элементы создают визуальные разрывы (Visual Gaps) в отображаемой версии документа.

Claim 4 (Зависимый от 2): Уточняет процесс идентификации иерархической структуры.

Более высокие иерархические уровни документа соответствуют более крупным присвоенным значениям (большим весам/разрывам).

Claim 10 (Независимый пункт): Описывает метод индексирования документа с использованием визуальной сегментации.

1. Идентификация Geographic Signals в документе.
2. Сегментация документа на несколько разделов, соответствующих различным сигналам, на основе Visual Layout. Процесс сегментации включает генерацию Visual Model, идентификацию Hierarchical Structure и ассоциацию текста более высокого уровня (header text).
3. Индексирование текста в разделах как соответствующего бизнес-информации, связанной с географическими сигналами.

Где и как применяется

Изобретение применяется на этапе анализа и обработки контента для подготовки его к индексации.

INDEXING – Индексирование и извлечение признаков
Это основной этап применения патента. Segmentation Component анализирует документ после его рендеринга (или симуляции рендеринга), чтобы понять его структуру.

1. Рендеринг и Анализ Структуры: Вместо того чтобы полагаться исключительно на DOM, система строит Visual Model, анализируя Visual Gaps в отображаемой версии документа.
2. Извлечение признаков (Feature Extraction): Система использует выведенную Hierarchical Structure для точного извлечения и ассоциации описательного текста с соответствующими Business Listings. Это гарантирует, что отзыв о Ресторане А не будет ошибочно приписан Ресторану Б на той же странице.

Входные данные:

• Кандидатный документ (HTML/CSS).
• Список идентифицированных Geographic Signals в документе.
• Набор правил и Weights для элементов разметки (HTML-тегов).

Выходные данные:

• Сегментированный документ с определенной Hierarchical Structure.
• Ассоциации между блоками текста (отзывы, заголовки категорий) и конкретными Business Listings.
• Обогащенные данные для индекса локального поиска.

На что влияет

• Конкретные типы контента: Наибольшее влияние оказывается на страницы, содержащие списки сущностей: каталоги, агрегаторы, страницы с обзорами нескольких продуктов или компаний, директории.
• Локальный поиск (Local Search): Патент напрямую ориентирован на улучшение локального поиска путем более точного анализа страниц с Business Listings.
• Специфические запросы: Влияет на запросы, где важен контекст описания (например, "ресторан с тирамису"). Система должна знать, к какому именно ресторану на странице относится упоминание тирамису.

Когда применяется

• Триггеры активации: Наличие в документе одного или нескольких Geographic Signals, указывающих на Business Listings.
• Условия работы: Когда необходимо определить, какой текст относится к какому объекту на странице, и когда структура DOM не дает однозначного ответа или может вводить в заблуждение. Патент также упоминает возможность применения к другим сигналам, например, изображениям (для ассоциации текста с картинкой).

Пошаговый алгоритм

Процесс сегментации документа на основе визуальных разрывов:

1. Идентификация кандидата: Выбор документа для сегментации, обычно содержащего Geographic Signals.
2. Идентификация Business Listings: Определение списков компаний в документе на основе географических сигналов (адреса, телефоны, названия).
3. Генерация визуальной модели:
   1. Анализ элементов документа (HTML-тегов).
   2. Присвоение числовых Weights этим элементам. Веса отражают размер визуального разрыва, создаваемого элементом. Веса могут быть асимметричными. Например, тегу <h2> может быть присвоен вес 50 перед ним и 30 после него, отражая идею, что заголовок сильнее связан с последующим текстом.
   3. Создание модели, представляющей последовательность текстовых блоков и весов разрывов между ними.
4. Идентификация иерархической структуры:
   1. Анализ распределения весов в визуальной модели.
   2. Определение иерархических уровней: большие веса определяют более высокие уровни разделения (основные разделы), меньшие веса — более низкие уровни.
   3. Определение самого низкого уровня как минимального веса, который разделяет текстовые элементы, содержащие географические сигналы.
5. Ассоциация контента:
   1. Текст, связанный с наименьшим иерархическим уровнем, окружающим Business Listing, ассоциируется с ним.
   2. Текст на более высоких уровнях (например, заголовок категории), который не связан с другим Business Listing, также ассоциируется с данным списком.
6. Индексирование: Контент индексируется таким образом, чтобы сохранить его ассоциацию с соответствующим Business Listing (например, как единый комбинированный документ или через специальные поля в индексе).

Какие данные и как использует

Данные на входе

• Технические и Структурные факторы (HTML/Layout): Ключевые данные для этого патента. Используются элементы документа (HTML-теги, такие как <h1>-<h6>, <hr>, <br>) и то, как они влияют на визуальный макет. Система анализирует отображаемую версию документа.
• Контентные факторы: Текстовые блоки документа, которые необходимо сегментировать и ассоциировать.
• Географические факторы: Geographic Signals (адреса, названия компаний, номера телефонов), которые служат анкорями для сегментации.

Какие метрики используются и как они считаются

• Weights (Веса): Основная метрика патента. Это числовые значения, количественно оценивающие Visual Gaps.
• Методы расчета весов: Патент предлагает несколько методов определения весов:
  1. Субъективный анализ и ручная настройка весов.
  2. Анализ поведения или исходного кода веб-браузеров.
  3. Машинное обучение с использованием корпуса размеченных вручную веб-страниц для автоматической установки весов.
• Примеры весов (из патента):
  • <hr> (горизонтальная линия): вес 20 до и после элемента.
  • <h2>: вес 50 до и 30 после элемента.
• Hierarchical Levels (Иерархические уровни): Метрика, производная от весов. Уровни определяются путем сравнения весов: большие веса создают более высокие уровни разделения.

1. Приоритет визуальной структуры над структурой кода (DOM): Патент явно указывает, что Google может отдавать предпочтение визуальному макету перед DOM, если структура кода не соответствует визуальному представлению. Система стремится понять страницу так, как её видит пользователь.
2. Визуальные разрывы как семантические разделители: Белое пространство (Visual Gaps) и дизайн являются техническими факторами, влияющими на индексацию. Они используются для определения семантических связей и границ между блоками контента.
3. Вывод иерархии из макета: Система способна выводить сложную Hierarchical Structure (заголовки, разделы, подразделы) на основе анализа визуальных разрывов и их "веса".
4. Точная атрибуция контекста: Механизм позволяет корректно атрибутировать текст более высокого уровня (например, заголовок категории "Итальянская кухня") к конкретным компаниям, расположенным визуально ниже, предотвращая смешивание контекста между разными разделами.
5. Критичность для локального SEO и агрегаторов: Точность индексации страниц со списками компаний или товаров напрямую зависит от четкости их визуального разделения. Неоднозначный дизайн может привести к некорректной индексации и потере релевантности в локальном поиске.

Best practices (это мы делаем)

• Обеспечивать логичный и чистый визуальный макет: Дизайн страницы должен визуально отражать иерархию контента. Необходимо использовать стандартные элементы разметки (заголовки H1-H6) и достаточное белое пространство (whitespace) для четкого разделения различных сущностей или тем.
• Использовать явные визуальные разделители для списков: При публикации списков (например, "Топ-10 ресторанов", сравнение товаров, каталог компаний) убедитесь, что блоки, относящиеся к разным элементам списка, четко визуально отделены друг от друга (с помощью заголовков, значительных отступов или разделителей типа <hr>).
• Проверять корректность рендеринга: Убедитесь, что страница корректно отображается в инструментах рендеринга Google (например, Google Search Console URL Inspection). Визуальная структура должна быть очевидной и логичной.
• Соблюдать визуальную иерархию заголовков: Заголовки должны визуально выделяться и четко обозначать начало нового раздела. Патент указывает на асимметрию весов: система ожидает больший промежуток перед заголовком, чем после него, что подчеркивает связь заголовка с последующим текстом.

Worst practices (это делать не надо)

• Создавать неоднозначные визуальные макеты: Избегайте дизайнов, где визуально неясно, к какому заголовку относится блок текста или к какой компании относится отзыв. Перегруженные макеты без четких отступов ("стена текста") затрудняют сегментацию.
• Полагаться только на DOM для структурирования: Не предполагайте, что чистый код гарантирует правильное понимание структуры. Если визуальное представление запутано, система может использовать его в качестве основного источника для определения иерархии.
• Использовать нестандартные методы для создания визуальных разрывов: Использование нестандартных CSS-трюков, множественных <br> вместо параграфов или сложных скриптов для управления макетом может привести к непредсказуемым результатам при построении Visual Model.

Стратегическое значение

Патент подтверждает стратегическое направление Google на понимание веб-страниц с точки зрения пользователя (UX). Дизайн и качество фронтенд-реализации являются неотъемлемой частью технического SEO, поскольку они напрямую влияют на то, как контент сегментируется и индексируется. Для сайтов в локальном поиске, электронной коммерции и агрегаторов стратегически важно инвестировать в четкую, логичную и визуально понятную структуру страниц.

Практические примеры

Сценарий: Оптимизация страницы "Лучшие кафе в районе"

Необходимо структурировать страницу так, чтобы Google точно связал отзывы и категории с каждым кафе.

1. Исходная структура (Плохо): Все кафе перечислены подряд с минимальными отступами. Категории указаны в тексте отзыва. Визуально блоки сливаются.

   Кафе А: Отличный кофе, есть веганские опции. Адрес А. Кафе Б: Хорошие завтраки. Адрес Б.

   Проблема: Google может затрудниться понять границы сегментов и ошибочно связать "веганские опции" с Кафе Б.
2. Оптимизированная структура (Хорошо - согласно патенту):

   <h1>Лучшие кафе в районе X</h1>  <h2>Кафе с завтраками</h2>    <h3>Кафе Б</h3>    <p>Отзыв о завтраках... Адрес Б</p>      <!-- Большой визуальный разрыв -->    <h2>Специализированные кофейни</h2>    <h3>Кафе А</h3>    <p>Отличный кофе, есть веганские опции... Адрес А</p>

   Реализация: Заголовки (H2, H3) и абзацы (P) создают значительные визуальные разрывы (Visual Gaps).
3. Результат: Система строит Visual Model. Разрывы вокруг H2 самые большие (высокие Weights), создавая верхний уровень иерархии. Разрывы вокруг H3 меньше, создавая подуровни. Google корректно ассоциирует заголовок "Кафе с завтраками" (верхний уровень) с Кафе Б, а "веганские опции" — только с Кафе А.