Как Google определяет наиболее релевантную часть документа, игнорируя ключевые слова из Title и URL

Термины и определения

Document Node (Узел документа)

Структурный элемент документа (например, HTML-тег), связанный с блоком информации. Документ анализируется как иерархия узлов.

Informational Query Type (Информационный тип термина)

Классификация термина запроса (Type 2), который НЕ был найден в Predetermined Locations (Title/URL). Эти термины считаются ключевыми для поиска информации внутри документа.

Location Analyzer (Анализатор местоположения)

Компонент системы, который проверяет наличие терминов запроса в Predetermined Locations.

Navigational Query Type (Навигационный тип термина)

Классификация термина запроса (Type 1), который был найден в Predetermined Locations (Title/URL). Считается, что эти термины полезны для нахождения самого документа, но менее полезны для определения релевантных блоков внутри него.

Predetermined Location (Предопределенное местоположение)

Специфические части документа, используемые для классификации терминов. В патенте явно указаны Title (заголовок) документа и URL (Uniform Resource Locator).

Relevance Scoring Engine (Механизм оценки релевантности)

Система, которая анализирует документ и запрос для ранжирования блоков информации по их релевантности.

Statistical Analyzer (Статистический анализатор)

Компонент, анализирующий расположение терминов запроса внутри узлов (частота, расстояние, близость, распределение).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод идентификации релевантной части документа.

1. Система получает поисковый запрос, состоящий из нескольких терминов.
2. Идентифицируется конкретный документ, соответствующий запросу.
3. Система проверяет каждый термин запроса на совпадение с информацией в Predetermined Location документа.
4. Термины, найденные там, классифицируются как Тип 1 (Navigational).
5. Термины, не найденные там, классифицируются как Тип 2 (Informational).
6. Каждому термину присваивается вес (weight value) в зависимости от его типа.
7. Документ разделяется на несколько отдельных частей (блоков/узлов).
8. Для каждой части рассчитывается оценка (score) с использованием присвоенных весов.
9. Определяется часть документа с наиболее высоким рейтингом (prominently-ranked portion).

Claim 2, 3, 4, 5 (Зависимые): Уточняют, что такое Predetermined Location.

• Это может быть тег Title в HTML документе (Claim 2) или заголовок документа (Claim 3).
• Это может быть идентификатор местоположения (Claim 4), например, URL (Claim 5).

Claim 7 и 14 (Зависимые): Определяют разницу в весах.

• Вес, присваиваемый терминам Типа 1 (Navigational), существенно меньше (substantially less), чем вес терминов Типа 2 (Informational) (Claim 7).
• В одном из вариантов терминам Типа 1 присваивается нулевой вес (zero weight) (Claim 14). Это означает полное игнорирование этих терминов при внутридокументной оценке.

Claim 13 (Независимый пункт): Описывает конкретную реализацию метода.

Система обрабатывает выбранный пользователем документ, идентифицируя термины, совпадающие либо с (i) Title документа, либо с (ii) его URL. Эти термины классифицируются как Тип 1, остальные как Тип 2. Вес Типа 1 существенно меньше веса Типа 2. Далее происходит оценка частей документа с использованием этих весов.

Где и как применяется

Этот патент описывает процесс идентификации наиболее релевантной части внутри документа (Passage Identification), а не ранжирование документов в SERP.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна проанализировать структуру документа, чтобы его можно было разделить на логические блоки (Document Nodes). Также извлекаются и сохраняются данные из Title и URL.

RANKING (Внутридокументное) / RERANKING
Основное применение патента. Relevance Scoring Engine используется для ранжирования блоков контента внутри уже выбранного документа.

1. Классификация терминов: Location Analyzer использует данные Title/URL для классификации терминов запроса.
2. Взвешивание: Веса терминов корректируются (Navigational термины пессимизируются).
3. Скоринг блоков: Scoring Engine оценивает блоки (Nodes), используя скорректированные веса.

Результаты могут использоваться для генерации сниппетов, Featured Snippets или активации Scroll-to-Text.

Входные данные:

• Поисковый запрос (Query Terms).
• Документ (содержимое, структура Nodes).
• Title документа.
• URL документа.

Выходные данные:

• Ранжированный список блоков документа.
• Местоположение наиболее релевантного блока.

На что влияет

• Конкретные типы контента: Наибольшее влияние оказывается на длинные документы (лонгриды, руководства, FAQ), где ответ на запрос может находиться глубоко внутри текста.
• Специфические запросы: Влияет на информационные и смешанные запросы, где пользователь ищет конкретный факт на странице с широкой тематикой.
• Генерация сниппетов и Featured Snippets: Механизм критичен для выбора наиболее релевантного фрагмента текста для отображения в SERP.
• Пользовательский опыт (UX): Напрямую влияет на то, что пользователь видит сразу после перехода на страницу (например, через Scroll-to-Text).

Когда применяется

• Условия применения: Алгоритм применяется при обработке конкретного документа относительно конкретного запроса, когда необходимо идентифицировать ключевые пассажи.
• Триггеры активации:
  1. Когда система генерирует сниппет для отображения в SERP.
  2. Когда система ищет кандидатов для Featured Snippet.
  3. Когда активируется функция Scroll-to-Text при переходе пользователя на страницу.
  4. (Гипотеза) Во время оценки релевантности пассажей в рамках Passage Ranking.

Пошаговый алгоритм

Процесс определения наиболее релевантного блока документа.

1. Получение данных: Система получает документ и исходный поисковый запрос (Query Terms - QT).
2. Инициализация: По умолчанию все QT могут быть инициализированы как Informational (Тип 2).
3. Анализ локации (Location Analysis): Система проверяет каждый QT на наличие в Predetermined Locations (Title и URL документа).
4. Классификация терминов: Если QT найден в Title или URL, он переклассифицируется как Navigational (Тип 1).
5. Назначение весов (Weight Assignment): Система присваивает веса терминам. Navigational терминам присваивается существенно меньший или нулевой вес.
6. Анализ структуры документа: Документ разбирается на иерархию узлов (Document Nodes), идентифицируются блоки информации для оценки.
7. Сопоставление (Matching): Система ищет совпадения QT в тексте каждого блока.
8. Статистический анализ: Анализируется расположение совпадений внутри блоков (например, частота, расстояние между терминами, близость, распределение).
9. Скоринг (Scoring): Рассчитывается оценка релевантности для каждого блока. Оценка базируется на совпадениях QT с учетом их скорректированных весов (Navigational термины вносят малый или нулевой вклад) и результатов статистического анализа.
10. Ранжирование и Фильтрация (Ranking and Pruning): Блоки ранжируются по полученной оценке. Блоки с низкими оценками могут быть отброшены.
11. Вывод результата: Идентифицируется местоположение блока с наивысшей оценкой (Top Ranking Node).

Какие данные и как использует

Данные на входе

• Контентные факторы:
  • Title документа: Критически важен. Используется для идентификации Navigational терминов в запросе.
  • Текст документа: Используется для поиска совпадений с терминами запроса внутри блоков.
• Технические факторы:
  • URL документа: Используется как альтернативный источник для идентификации Navigational терминов.
• Структурные факторы:
  • Структура HTML (Nodes/Tags): Используется для разделения документа на оцениваемые блоки информации (Document Nodes).

Какие метрики используются и как они считаются

• Query Type Classification: Бинарная классификация терминов запроса (Navigational или Informational) на основе их присутствия в Title/URL.
• Weight Assignment: Присвоение весовых коэффициентов. Патент устанавливает правило: Вес(Navigational) << Вес(Informational), вплоть до нуля.
• Statistical Metrics: В патенте упоминается, что при расчете оценки учитываются статистические данные о совпадениях внутри блока:
  • Частота вхождения термина (frequency of occurrence).
  • Расстояние между вхождениями (distance between each occurrence).
  • Близость терминов друг к другу (proximity of the terms).
  • Распределение вхождений (distribution of the occurrences).
• Relevance Score: Итоговая оценка блока, агрегирующая статистические метрики с учетом весов терминов.

1. Разделение интента поиска документа и поиска внутри документа: Google четко разделяет термины, которые помогают найти страницу (Navigational), и термины, которые определяют, что именно пользователь ищет на этой странице (Informational).
2. Title и URL пессимизируются при внутристраничном анализе: При анализе того, какой именно фрагмент текста наиболее релевантен запросу, Google активно понижает вес (вплоть до нуля) терминов, которые присутствуют в Title или URL этого документа. Это предотвращает смещение оценки в сторону общих или вводных разделов.
3. Критичность локализованной релевантности: Чтобы фрагмент был признан наиболее релевантным, он должен содержать Informational термины запроса в нужной концентрации и близости. Недостаточно просто упомянуть ключевые слова по всей странице.
4. Важность структуры контента: Система полагается на структуру документа (Document Nodes, т.е. HTML-структуру) для разделения контента на оцениваемые блоки. Четкая и логичная структура помогает системе корректно выделить и оценить фрагменты.
5. Основа для Passage Identification: Этот патент описывает фундаментальный механизм, позволяющий Google идентифицировать конкретные пассажи (фрагменты) для сниппетов, Passage Ranking и функций типа Scroll-to-Text.

Best practices (это мы делаем)

• Создавайте четкую логическую структуру контента: Используйте семантическую верстку (H1-H6, <section>, <article>, списки, таблицы). Это помогает поисковой системе корректно разделить контент на блоки (Nodes) для независимой оценки.
• Обеспечивайте локализованную релевантность (Passage Optimization): Убедитесь, что блок контента, отвечающий на конкретный вопрос, содержит все необходимые информационные термины в достаточной близости друг к другу. Контент должен быть самодостаточным в рамках блока.
• Оптимизируйте под Featured Snippets и Scroll-to-Text: Формулируйте четкие и ясные ответы в отдельных абзацах или списках. Этот патент объясняет механизм, который помогает Google найти именно этот фрагмент, фокусируясь на информационной части запроса.
• Используйте анкорные ссылки и Table of Contents: Это улучшает навигацию и дополнительно сигнализирует о структуре документа, что может коррелировать с тем, как Google выделяет Document Nodes.

Worst practices (это делать не надо)

• Рассчитывать на повторение Title в тексте: Предположение, что многократное повторение ключевых слов из Title внутри текста сделает его более релевантным на уровне пассажа, ошибочно. Согласно патенту, эти термины (Navigational) могут быть проигнорированы при внутристраничном анализе.
• Создавать "размытый" контент без четкого фокуса: Равномерное распределение ключевых слов по всему документу без концентрации ответов в конкретных блоках затруднит системе выбор наиболее релевантного фрагмента.
• Игнорировать качество верстки: Использование несемантичной верстки (например, отсутствие правильной иерархии заголовков) может помешать системе корректно выделить логические блоки контента для анализа.

Стратегическое значение

Патент подтверждает, что Google стремится не просто направлять пользователей на релевантные страницы, но и предоставлять им конкретные ответы внутри этих страниц. Это фундаментальный механизм для технологий, которые сейчас известны как Passage Ranking или Passage Identification. Стратегически это означает, что SEO-специалисты должны уделять внимание не только макро-оптимизации страницы, но и микро-оптимизации отдельных блоков контента, обеспечивая их четкую структуру и высокую информационную ценность.

Практические примеры

Сценарий: Поиск конкретной характеристики в обзоре

1. Запрос пользователя: [Canon R6 Mark II dynamic range] (Динамический диапазон Canon R6 Mark II).
2. Документ в выдаче: Статья с Title: "Canon R6 Mark II Review: A Photographer's Perspective" и URL: /reviews/canon-r6-mark-ii.
3. Классификация терминов системой:
   • Navigational (есть в Title/URL): "Canon", "R6", "Mark", "II".
   • Informational (нет в Title/URL): "dynamic", "range".
4. Применение весов: Терминам "Canon", "R6", "Mark", "II" присваивается нулевой или очень низкий вес. Терминам "dynamic", "range" присваивается высокий вес.
5. Оценка блоков: Система сканирует блоки текста.
   • Блок 1 (Введение): "The Canon R6 Mark II is a great camera..." – Оценка низкая (только навигационные термины).
   • Блок 2 (Раздел о сенсоре): "...tests show the dynamic range (DR) reaches 14.5 stops. This dynamic range is impressive..." – Оценка высокая (присутствуют информационные термины с хорошей близостью).
6. Результат: Система идентифицирует Блок 2 как наиболее релевантный фрагмент и может использовать его для сниппета или автоматически прокрутить страницу к этому разделу (Scroll-to-Text).