Как Google улучшает интерфейс голосового поиска, предлагая альтернативные варианты распознавания при ошибке ввода

Термины и определения

N-best list (Список N лучших вариантов)

Набор множества возможных интерпретаций голосового ввода, сгенерированный системой распознавания речи (ASR). Каждый вариант сопровождается оценкой вероятности (likelihood) или уверенности.

Voice Input (Голосовой ввод)

Аудиоданные, полученные от пользователя, содержащие поисковый запрос.

Interpretation (Интерпретация)

Слово или фраза, которую система распознала из голосового ввода пользователя.

Search Box Display Area (Область отображения строки поиска)

Поле пользовательского интерфейса, предназначенное для ввода текстовых запросов и отображения наиболее вероятной интерпретации голосового ввода.

Suggestion Display Area (Область отображения подсказок)

Область интерфейса (обычно под строкой поиска), где отображаются поисковые подсказки или альтернативные интерпретации.

Search Phrase Suggestions (Поисковые подсказки/фразы)

Предлагаемые поисковые запросы (например, автодополнение, URL-адреса, история поиска), соответствующие распознанной интерпретации.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод предоставления альтернативных интерпретаций голоса.

1. Система получает голосовой ввод (voice input) для поиска.
2. Определяется n-best list возможных интерпретаций.
3. Пользователю предоставляется первая (наиболее вероятная) интерпретация.
4. В области подсказок (Suggestion Display Area) отображаются поисковые подсказки (Search Phrase Suggestions), связанные с первой интерпретацией.
5. Система получает индикацию того, что первая интерпретация неверна.
6. В ответ на эту индикацию система предоставляет одну или более альтернативных интерпретаций в той же области подсказок.
7. Ключевой аспект: альтернативные интерпретации отображаются вместо изначальных поисковых подсказок при получении индикации ошибки.

Claim 3 (Зависимый от 2, который зависит от 1): Уточняет, что является индикацией ошибки.

Индикация неверной интерпретации заключается в том, что пользователь кликает внутри области строки поиска (Search Box Display Area), где отображается первая интерпретация.

Claim 7 (Зависимый от 1): Описывает смешанное отображение.

Система может предоставлять не только альтернативные интерпретации, но и поисковые подсказки, связанные с этими альтернативными интерпретациями, одновременно в области подсказок.

Claim 9 (Зависимый от 7): Детализирует смешанное отображение для нескольких альтернатив.

Если отображаются подсказки для двух или более альтернативных интерпретаций, количество подсказок для каждой интерпретации может быть пропорционально вероятности (likelihood), связанной с этой интерпретацией.

Где и как применяется

Патент чисто технический и описывает внутренние процессы интерфейса Google без прямых рекомендаций для SEO.

Механизм применяется на этапе взаимодействия пользователя с поисковой системой до финальной отправки запроса на ранжирование.

QUNDERSTANDING – Понимание Запросов
Это основная область применения, затрагивающая компонент автоматического распознавания речи (ASR) и уровень взаимодействия с пользовательским интерфейсом (UI).

1. ASR: Голосовой ввод обрабатывается для генерации n-best list.
2. Интерфейс и обработка ошибок: Система интерпретирует действия пользователя в интерфейсе (клик в строке поиска) как обратную связь по качеству распознавания и использует n-best list для корректировки запроса до того, как он будет окончательно сформулирован и отправлен в системы ранжирования.

Входные данные:

• Голосовой ввод (аудиоданные) от пользователя.
• N-best list от службы распознавания речи.
• Действия пользователя в UI (клик мышью или касание).

Выходные данные:

• Текстовая интерпретация запроса в строке поиска.
• Динамически изменяемое содержимое области подсказок (сначала подсказки к первой интерпретации, затем альтернативные интерпретации).

На что влияет

Патент сфокусирован исключительно на механизме ввода запроса и не оказывает влияния на обработку контента или ранжирование.

• Взаимодействие с интерфейсом: Влияет на то, как пользователь взаимодействует со строкой поиска и областью подсказок при использовании голосового ввода.
• Типы запросов: Применимо к любым запросам, вводимым голосом, независимо от их типа (информационные, транзакционные и т.д.), тематики или языка.

Когда применяется

Алгоритм применяется при выполнении следующих условий:

• Условие 1: Пользователь использовал голосовой ввод для генерации поискового запроса.
• Условие 2: Система отобразила наиболее вероятную интерпретацию и соответствующие ей подсказки.
• Триггер активации: Пользователь совершает действие, интерпретируемое как намерение исправить результат распознавания. В патенте это действие конкретизировано как клик в строке поиска (Search Box Display Area).

Пошаговый алгоритм

Процесс обработки голосового ввода и коррекции ошибок.

1. Получение ввода: Система получает голосовой поисковый запрос от пользователя.
2. Интерпретация и генерация списка: Голосовой ввод обрабатывается для генерации n-best list слов и фраз, соответствующих вводу. Каждая интерпретация имеет оценку вероятности.
3. Отображение первичного результата: Наиболее вероятная интерпретация из списка отображается в строке поиска.
4. Отображение первичных подсказок: В области подсказок (Suggestion Display Area) отображаются поисковые подсказки, связанные с этой интерпретацией.
5. Мониторинг взаимодействия: Система отслеживает действия пользователя.
6. Обнаружение индикации ошибки: Если пользователь кликает в строке поиска, это интерпретируется как сигнал о несоответствии (ошибке распознавания).
7. Предоставление альтернатив: Если обнаружен сигнал о несоответствии, система заменяет содержимое области подсказок на список альтернативных интерпретаций из n-best list.
8. Смешанное отображение (Опционально): Система может также отображать поисковые подсказки для этих альтернативных интерпретаций, распределяя их количество пропорционально оценкам вероятности (согласно Claim 9).

Какие данные и как использует

Данные на входе

Патент фокусируется на интерфейсном взаимодействии и использует следующие данные:

• Мультимедиа факторы: Голосовой ввод (voice input) пользователя (аудиоданные).
• Пользовательские факторы (Поведенческие в UI): Сигналы взаимодействия пользователя с интерфейсом. Конкретно — клик пользователя в строке поиска после выполнения голосового ввода.
• Системные данные (ASR): Предварительно сгенерированный n-best list интерпретаций, полученный от системы распознавания речи.

Контентные, ссылочные, технические и другие факторы ранжирования в патенте не используются.

Какие метрики используются и как они считаются

В патенте упоминается одна ключевая метрика, используемая для принятия решений:

• Likelihood / Confidence Score (Оценка вероятности / Уверенности): Метрика, присваиваемая каждой интерпретации в n-best list системой ASR. Патент не описывает, как эта метрика рассчитывается, но указывает, как она используется:
  • Для определения «наиболее вероятной интерпретации» (интерпретация с наивысшей оценкой).
  • Для ранжирования альтернативных интерпретаций при их отображении.
  • (Опционально) Для определения количества поисковых подсказок, отображаемых для каждой альтернативной интерпретации (пропорционально оценке).

1. Патент строго о UI/UX и ASR, а не о SEO: Изобретение описывает механизм улучшения пользовательского опыта при голосовом поиске путем упрощения процесса исправления ошибок распознавания речи. Он не имеет отношения к ранжированию веб-ресурсов.
2. Использование неявных поведенческих сигналов: Google использует естественные действия пользователя в интерфейсе (клик для редактирования) как неявный сигнал (indication) того, что распознавание речи было неверным.
3. Динамическое использование области подсказок: Область подсказок (Suggestion Display Area) используется динамически. Она переключается между показом подсказок для текущего текста и показом альтернативных вариантов распознавания из n-best list в зависимости от действий пользователя.
4. Цель — снижение трения: Основная цель — снизить барьер для использования голосового поиска и предотвратить переключение пользователя на ручной ввод текста при первой же ошибке.
5. Отсутствие влияния на SEO-стратегию: Патент не содержит информации об алгоритмах ранжирования или факторах качества. Для SEO-специалистов этот патент не предоставляет практических выводов по оптимизации сайтов.

Best practices (это мы делаем)

Патент является инфраструктурным (описывает UI/ASR) и не дает практических выводов для SEO.

Патент описывает внутренние процессы интерфейса Google без прямых рекомендаций для SEO-оптимизации веб-сайтов. Он подтверждает, что Google инвестирует в удобство голосового поиска, что косвенно подчеркивает важность оптимизации под естественно звучащие запросы, но сам механизм не меняет принципов этой оптимизации.

Worst practices (это делать не надо)

Патент не выявляет неэффективных или опасных SEO-тактик, так как не связан с ранжированием, оценкой качества контента или борьбой со спамом.

Стратегическое значение

Стратегическое значение для SEO минимально. Патент интересен с точки зрения понимания того, как Google совершенствует свои интерфейсы и технологии распознавания речи (ASR). Более качественное распознавание и удобное исправление ошибок означают, что система ранжирования получает более точный запрос пользователя. Однако это не меняет того, как SEO-специалистам следует оптимизировать контент для ответа на эти запросы.

Практические примеры

Практических примеров применения для SEO нет. Патент описывает работу интерфейса.

Пример работы интерфейса (не SEO):

1. Пользователь говорит: "Spice" (Специи).
2. Система распознает (ASR): Генерирует n-best list. Например: 1. Pies (Пироги) - 80% уверенности; 2. Prize (Приз) - 15% уверенности; 3. Spice (Специи) - 5% уверенности.
3. Отображение (UI): В строке поиска появляется текст "Pies". В области подсказок появляются варианты: "Pies recipes", "Pies near me".
4. Реакция пользователя: Пользователь видит ошибку и кликает курсором в строку поиска после слова "Pies", намереваясь его исправить.
5. Активация механизма: Система обнаруживает клик и интерпретирует его как сигнал ошибки.
6. Коррекция (UI): Содержимое области подсказок меняется. Теперь там отображаются альтернативы из n-best list: "Prize", "Spice".
7. Результат: Пользователь быстро выбирает правильный вариант "Spice" из списка, не прибегая к ручному вводу.