Как Google использует контекст запроса, местоположение и язык пользователя для распознавания неоднозначных названий локаций

Термины и определения

Standalone Location (Однозначное местоположение)

Фраза, которая сама по себе однозначно идентифицирует конкретное местоположение (например, "San Francisco"). Определяется с помощью Standalone Ratio.

Location Factor (Фактор местоположения)

Ключевая метрика патента. Предварительно рассчитанная оценка для фразы (например, "отели в", "DMV"). Указывает на вероятность того, что другие фразы в том же запросе относятся к местоположению. Рассчитывается на основе поведения пользователей.

Origin Factor (Фактор происхождения)

Метрика, основанная на происхождении запроса (например, IP-адрес пользователя или домен поисковой системы, такой как google.co.uk). Используется для определения локального интента и разрешения неоднозначности между локациями.

Language Factor (Языковой фактор)

Метрика, учитывающая язык запроса для определения вероятности того, что фраза является локацией, или для выбора между возможными локациями (например, "Roma" на итальянском vs "Rome" на английском).

Location OneBox

Специальный формат представления результатов поиска для локализованной информации (современный Local Pack или Map Pack). Клики на этот блок используются как сильный сигнал локального интента при расчете Location Factor.

Name Score (Оценка имени)

Приблизительное количество веб-страниц, содержащих определенную фразу.

Signature (Сигнатура локации)

Набор комбинаций спецификаторов местоположения (например, штат, индекс), которые однозначно определяют локацию.

Signature Score (Оценка сигнатуры)

Приблизительное количество веб-страниц, содержащих фразу вместе с ее сигнатурой.

Standalone Ratio (Коэффициент однозначности)

Отношение Signature Score к Name Score. Используется для определения того, является ли фраза Standalone Location.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод определения локационного интента для неоднозначных фраз.

1. Система имеет доступ к Location Factors для Первых фраз (P1). Фактор указывает на вероятность того, что Вторая фраза (P2) является локацией, если P1 и P2 используются вместе.
2. Получается запрос, содержащий P1 и P2.
3. Критический шаг: Система определяет, что P2 НЕ соответствует местоположению, которое можно идентифицировать только по P2 (т.е. P2 не является Standalone Location). Это делается путем расчета Name Score и Signature Score и определения того, что их соотношение (Standalone Ratio) недостаточно для однозначной идентификации.
4. Система определяет, относится ли P2 к локации, основываясь, по крайней мере частично, на Location Factor фразы P1.

Ядро изобретения — использование контекста (P1) для интерпретации неоднозначной сущности (P2), только после того, как установлено, что P2 неоднозначна.

Claim 2 (Зависимый от 1): Детализирует офлайн-процесс генерации Location Factors.

Он включает сбор множества прошлых запросов, предоставление результатов, получение ответов пользователей (кликов) и определение Location Factor на основе этих ответов. Это указывает на использование поведенческих данных для обучения системы.

Claims 4 и 5 (Зависимые): Уточняют расчет Location Factor.

• Фактор определяется тем, как часто выбираются результаты, связанные с известным местоположением (например, Location OneBox), по сравнению с нелокальными результатами (Claim 4).
• Фактор также учитывает распределение ответов по разным локациям (Claim 5). В описании патента поясняется, что широкое распределение (FIG. 3B) указывает на более сильный общий локальный интент, чем узкое (FIG. 3A).

Claims 6-9 (Зависимые от 1): Вводят дополнительные факторы контекста пользователя.

Решение также основывается на Language Factor (Claim 6) и Origin Factor, который может определяться по местоположению источника запроса или домену поисковой системы (Claims 7-9).

Claims 10 и 11 (Зависимые от 1): Описывают результат работы системы.

Если Вторая фраза определена как локация, система предоставляет результаты поиска, ранжированные с предпочтением к этой локации, и может использовать специальный формат (Location OneBox).

Где и как применяется

Изобретение является ключевым компонентом системы понимания запросов и влияет на ранжирование локальных результатов.

INDEXING – Индексирование и извлечение признаков (Офлайн)
На этом этапе система должна предварительно идентифицировать Standalone Locations, рассчитывая Name Scores, Signature Scores и Standalone Ratios для известных локаций.

QUNDERSTANDING – Понимание Запросов
Основное применение патента. Система работает в двух режимах:

1. Офлайн-анализ: Анализ логов запросов (Query Log) и поведения пользователей (кликов на Location OneBox) для расчета Location Factors для различных фраз.
2. Обработка в реальном времени: При получении запроса система парсит его, проверяет наличие Standalone Locations. Если найдена неоднозначная фраза, система использует Location Factors сопутствующих слов, Origin Factor и Language Factor для определения локального интента.

RANKING / METASEARCH – Ранжирование и Метапоиск
Если система интерпретирует фразу как локацию, это служит триггером для активации локального поиска. Результаты ранжируются с предпочтением к этой локации, и может быть активировано отображение Location OneBox (Map Pack).

Входные данные:

• Текст поискового запроса.
• Данные о пользователе (IP, домен, язык).
• База данных Standalone Locations и их оценок.
• База данных предварительно рассчитанных Location Factors.
• Логи запросов и кликов (для офлайн-анализа).

Выходные данные:

• Интерпретация запроса с идентифицированными локациями (например, "Orange" -> Orange, CA).
• Сигналы для ранжирования о необходимости приоритизации локальных результатов.
• Триггер для отображения Location OneBox.

На что влияет

• Локальный поиск (Local SEO): Напрямую влияет на то, когда Google показывает локальные результаты (Map Pack) для запросов без явного указания локации (implicit queries) или для запросов с неоднозначными названиями локаций.
• Типы запросов: Наиболее сильно влияет на запросы, где пользователь ищет услуги, товары или информацию в определенном месте (например, "DMV orange", "отели Кембридж").
• Ниши: Критично для бизнесов, связанных с локациями (рестораны, отели, услуги, государственные учреждения).
• Международный поиск: Система активно использует географию (Origin Factor) и язык (Language Factor), что важно для международного SEO.

Когда применяется

• Условие активации: Алгоритм активируется только тогда, когда в запросе присутствует фраза, которая потенциально может быть локацией, но НЕ классифицирована как Standalone Location (т.е. является неоднозначной).
• Триггеры: Наличие в запросе сопутствующих слов с высоким Location Factor (например, "отели в", "население").
• Влияние контекста: Применение и результат зависят от контекста пользователя (Origin Factor и Language Factor).

Пошаговый алгоритм

Процесс А: Обработка запроса в реальном времени (Runtime)

1. Получение запроса и контекста: Система получает запрос (например, <hotels in orange>) и определяет Origin Factor (например, IP в США) и Language Factor (английский).
2. Парсинг: Запрос разделяется на фразы: P1="hotels in", P2="orange".
3. Проверка Standalone Location: Система проверяет P2. Standalone Ratio для "orange" низкий. P2 не является Standalone Location.
4. Получение Location Factor: Система извлекает Location Factor для P1 ("hotels in") — он высокий.
5. Вычисление совокупной оценки f(q): Система комбинирует сигналы. В патенте предлагается пример аддитивной модели: $f(q) = \text{Standalone Ratio}(P2) + \text{Location Factor}(P1) + \text{Origin Factor} + \text{Language Factor}$.
6. Принятие решения (Сравнение с порогом): Если $f(q)$ превышает порог, P2 интерпретируется как местоположение.
7. Дисамбигуация (Разрешение неоднозначности): Система выбирает наиболее вероятную локацию (например, Orange, CA над Orange, TX), используя Origin Factor или другие данные (например, население, наивысший балл $f(q)$).
8. Ранжирование: Система предоставляет результаты с предпочтением локального контента (Location OneBox).

Процесс Б: Офлайн-генерация Location Factors

1. Сбор данных: Сбор логов запросов, результатов и кликов пользователей.
2. Скоринг ответов: Клики классифицируются и оцениваются. Клики на Location OneBox получают высокий балл (например, 1.0), другие — низкий (например, 0.2), отсутствие клика — 0.0.
3. Расчет среднего балла (Baseline): Для локации (например, "Chicago") рассчитывается средний балл кликов по всем запросам, содержащим её.
4. Расчет балла с модификатором: Для комбинации (например, "DMV Chicago") рассчитывается средний балл кликов.
5. Расчет "Lift" (Прироста): Location Factor для модификатора ("DMV") рассчитывается как разница между баллом комбинации и базовым баллом. Это показывает, насколько "DMV" увеличивает вероятность локального интента.
6. Анализ распределения (Distribution Analysis): Система анализирует, насколько широко фраза используется с разными локациями (FIG 3A vs FIG 3B). Широкое распределение (например, "hotels in") указывает на высокий общий Location Factor. Узкое распределение (например, "leaning tower") указывает на низкий общий Location Factor.
7. Сохранение: Рассчитанные Location Factors сохраняются для использования в реальном времени.

Какие данные и как использует

Данные на входе

• Поведенческие факторы: Логи запросов (Query Log) и данные о кликах пользователей. Критически важны для офлайн-расчета Location Factors. Анализируется, какие типы результатов (локальные vs нелокальные, особенно Location OneBox) выбирает пользователь.
• Географические факторы: IP-адрес пользователя или домен поисковой системы. Используются для расчета Origin Factor. Базы данных известных местоположений и их атрибутов (например, население).
• Пользовательские факторы: Язык пользователя (настройки, история поведения). Используется для расчета Language Factor.
• Контентные/Индексные данные: Используются офлайн для расчета Name Score и Signature Score, необходимых для идентификации Standalone Locations.

Какие метрики используются и как они считаются

• Standalone Ratio: Рассчитывается как отношение Signature Score к Name Score.
• Location Factor: Рассчитывается офлайн как "прирост" (lift) вероятности клика на локальный результат, который дает присутствие данной фразы в запросе. Учитывает ширину распределения использования фразы с разными локациями.
• Origin Factor и Language Factor: Квантифицированные метрики, повышающие общую оценку, если происхождение/язык запроса совпадает с потенциальной локацией (например, +0.2 за совпадение, 0.0 за несовпадение, как предложено в патенте).
• Общая оценка f(q): Комбинированная метрика (например, сумма факторов), используемая для принятия финального решения путем сравнения с порогом.

1. Контекст определяет локальный интент для неоднозначных фраз: Для фраз, которые не являются Standalone Locations, Google полагается на контекстные сигналы: сопутствующие слова (Location Factors), местоположение пользователя (Origin Factor) и язык (Language Factor).
2. Поведенческие факторы обучают систему интенту: Расчет Location Factors напрямую зависит от того, как часто пользователи взаимодействуют с локальными блоками (Location OneBox). Это подтверждает использование поведенческих данных для понимания намерений.
3. Важность широкого распределения для идентификации локальных триггеров: Чтобы фраза считалась сильным индикатором локального интента (высокий Location Factor), она должна часто использоваться с различными местоположениями (широкое распределение), а не только с одним.
4. Комбинированная оценка для принятия решений: Интерпретация запроса основывается на агрегированной оценке (функция f(q)) различных факторов, сравниваемой с пороговым значением, а не на одном сигнале.
5. Критичность контекста пользователя (Origin и Language): Местоположение и язык пользователя являются решающими факторами для выбора конкретного местоположения среди нескольких вариантов с одинаковым названием.

Best practices (это мы делаем)

• Оптимизация под запросы со скрытым локальным интентом: Создавайте контент, отвечающий на запросы, которые включают фразы с высокими Location Factors (например, названия услуг, "лучший [товар]", "[услуга] рядом"). Это увеличивает шансы на показ в локализованной выдаче, так как Google будет интерпретировать запрос как локальный, опираясь на эти индикаторы и Origin Factor пользователя.
• Поддержание консистентности NAP и Сигнатур: Обеспечьте точное и полное указание адреса (NAP - Name, Address, Phone) на сайте и во внешних источниках (особенно в Google Business Profile). Это помогает Google формировать точные Signatures для вашей локации, что улучшает расчет Standalone Ratio и облегчает идентификацию вашего бизнеса.
• Международное SEO – учет Origin и Language Factors: При таргетинге на разные страны четко разделяйте контент по языкам и регионам (используя hreflang и соответствующую структуру сайта). Это помогает Google правильно интерпретировать запросы, используя Origin Factor и Language Factor, особенно для неоднозначных локаций (например, Кембридж).
• Анализ SERP с учетом локации: При мониторинге позиций и анализе конкурентов по локальным запросам всегда используйте инструменты для эмуляции конкретного местоположения (Origin) и языка (Language) целевой аудитории, так как выдача динамически меняется в зависимости от этих факторов.

Worst practices (это делать не надо)

• Игнорирование контекста пользователя: Создание универсального контента без учета локализации пользователя (Origin Factor). Это может привести к тому, что сайт не будет ранжироваться по локальным запросам, даже если он релевантен по ключевым словам.
• Неоднозначный брендинг без дифференциации: Использование названий брендов или продуктов, совпадающих с названиями городов, без четкого контекста и географических спецификаторов. Это усложняет системе понимание того, ищет ли пользователь ваш бренд или локацию.
• Опора только на название города в оптимизации: Предположение, что Google всегда распознает название города как локацию. Если название неоднозначно (низкий Standalone Ratio), оно не будет распознано без сопутствующих фраз с высоким Location Factor или сильного Origin Factor.

Стратегическое значение

Патент подтверждает фундаментальную роль контекста в современном поиске, особенно локальном. Он показывает, что интерпретация запроса динамична и зависит не только от введенных слов, но и от характеристик пользователя и от заранее вычисленных знаний о поведении пользователей (Location Factors). Для SEO-стратегии это означает, что оптимизация должна фокусироваться на понимании и удовлетворении интента пользователя в его конкретном географическом и языковом контексте.

Практические примеры

Сценарий 1: Разрешение неоднозначности локации (Origin Factor)

1. Запрос: "Bookstore Cambridge" (Книжный магазин Кембридж). Фраза "Cambridge" неоднозначна (США или Великобритания). "Bookstore" имеет высокий Location Factor.
2. Пользователь 1 (США): Система определяет Origin Factor как США. Это повышает общую оценку f(q) для "Cambridge, MA" и понижает для "Cambridge, UK". Результат: выдача для Кембриджа, Массачусетс.
3. Пользователь 2 (Великобритания): Система определяет Origin Factor как Великобритания (например, через google.co.uk). Это повышает оценку f(q) для "Cambridge, UK". Результат: выдача для Кембриджа, Великобритания.
4. Действие SEO: Убедитесь, что ваш сайт правильно таргетирован на целевую страну (контент, ссылки, hreflang), чтобы соответствовать ожидаемому Origin Factor вашей аудитории.

Сценарий 2: Использование Location Factor для активации локального поиска

1. Запрос: "DMV Orange". "Orange" не является Standalone Location.
2. Анализ: Система проверяет Location Factor для "DMV" (Department of Motor Vehicles). Этот термин имеет очень высокий Location Factor, так как почти всегда используется для поиска офиса в конкретном городе.
3. Результат: Комбинация высокого Location Factor для "DMV" и Origin Factor (например, пользователь в Калифорнии) позволяет системе интерпретировать "Orange" как Orange, CA. Активируется Location OneBox с адресами офисов DMV в Orange, CA.
4. Действие SEO: Если вы предоставляете локальные услуги, оптимизируйте страницы под запросы, содержащие термины с высоким Location Factor, обеспечив наличие точного адреса и релевантного контента.