Как Google использует географическое положение и историю поведения пользователей для разрешения неоднозначных запросов

Термины и определения

Ambiguous Search Query (Неоднозначный поисковый запрос)

Запрос, который приводит к разрозненным результатам поиска — либо географически удаленным друг от друга, либо принадлежащим к разным категориям.

Disambiguated Interpretation (Однозначная/Уточненная интерпретация)

Выбранная системой наиболее вероятная интерпретация неоднозначного запроса, основанная на анализе локализованных исторических данных.

Dissatisfaction Count (Счетчик неудовлетворенности)

Метрика, агрегирующая поведенческие сигналы, указывающие на неудовлетворенность пользователя результатами поиска (например, выполнение уточняющего запроса (refined search query), быстрый возврат к выдаче).

Histogram Data (Данные гистограммы)

Статистический анализ частотности различных интерпретаций запроса в истории поиска, сгруппированных по определенному признаку (например, географии).

Search Interpreter (Интерпретатор поиска)

Компонент поисковой системы, отвечающий за обнаружение и устранение неоднозначности запросов.

Similar Characteristic (Схожая характеристика)

Характеристика пользователя, используемая для фильтрации исторических данных. В патенте основным примером является географическое положение (geographic location).

Stored Responses (Сохраненные реакции)

Исторические данные о взаимодействии пользователей с результатами поиска, включая клики (user click), наведение курсора (mouse over) и уточняющие запросы.

Stored Search Queries (Сохраненные поисковые запросы)

База данных (лог) ранее выполненных поисковых запросов.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод интерпретации запросов.

1. Получение поискового запроса от пользователя.
2. Идентификация набора результатов, отвечающих запросу.
3. Определение того, что запрос неоднозначен (ambiguous). Критерий, указанный в этом пункте: географическое расстояние между местоположениями как минимум двух результатов превышает предопределенное расстояние (predetermined distance).
4. Выбор однозначной интерпретации (disambiguated interpretation) на основе анализа журнала сохраненных поисковых запросов (log of stored search queries), которые похожи на исходный запрос и были получены от других пользователей.
5. Предоставление набора результатов, основанного на этой однозначной интерпретации.

Ядром изобретения является автоматическое обнаружение неоднозначности по географическому признаку и её устранение с помощью анализа исторических данных.

Claim 2 (Зависимый от 1): Добавляет второй критерий неоднозначности.

Неоднозначность также может быть определена, если как минимум два результата связаны с разными категориями (different categories). Это позволяет системе реагировать на ситуацию, когда результаты близки географически, но различны по типу (например, магазин и достопримечательность).

Claim 5 и 9 (Зависимые от 1): Уточняют, что анализ исторических данных включает оценку поведения пользователей.

Анализ включает идентификацию взаимодействий (user interaction) и уточняющих запросов (Claim 5), а также определение удовлетворенности пользователей (user satisfaction) предыдущими результатами (Claim 9). Это означает использование поведенческих сигналов для оценки качества интерпретаций.

Claim 7 (Зависимый от 1): Определяет важность контекста пользователя.

Анализ журнала сохраненных запросов основывается на схожих характеристиках, включающих географическое местоположение (geographic location), откуда запрос был инициирован. Это ключевой момент: система ищет доминирующий интент в конкретном регионе.

Claim 8 (Зависимый от 1): Детализирует метод анализа.

Процесс включает идентификацию сохраненных запросов из того же географического региона и анализ данных гистограммы (histogram data) для этого набора. Это описывает механизм частотного анализа локализованных данных.

Где и как применяется

Изобретение затрагивает несколько ключевых этапов поиска.

QUNDERSTANDING – Понимание Запросов
Это основной этап применения. Search Interpreter анализирует запрос в контексте местоположения пользователя. Если запрос потенциально неоднозначен, система использует агрегированные исторические данные для выбора наиболее вероятной disambiguated interpretation. Это форма переписывания или уточнения запроса на основе контекста.

RANKING – Ранжирование
На этом этапе генерируется первоначальный набор результатов. Именно этот набор анализируется системой для обнаружения триггеров неоднозначности (географическая или категориальная разрозненность).

RERANKING – Переранжирование (Фильтрация)
После выбора однозначной интерпретации система фильтрует (Filter search results) первоначальный набор результатов, удаляя или значительно понижая те, которые не соответствуют выбранному интенту.

INDEXING – Индексирование и извлечение признаков
Система полагается на данные, извлеченные на этом этапе, в частности, на географические координаты и категории, присвоенные документам/сущностям.

Входные данные:

• Исходный поисковый запрос.
• Географическое положение пользователя (IP, GPS, viewport карты).
• Первичный набор результатов поиска с их метаданными (локация, категория).
• Журнал исторических запросов и реакций пользователей (Stored Search Queries, Stored Responses).

Выходные данные:

• Отфильтрованный набор результатов поиска, соответствующий однозначной интерпретации запроса.

На что влияет

• Специфические запросы: Наибольшее влияние на широкие, короткие или неоднозначные запросы, особенно те, которые имеют географический интент (бренды, топонимы, общие термины с локальным значением).
• Конкретные ниши или тематики: Критическое влияние на локальный поиск (Local SEO) и картографические сервисы.
• Географические ограничения: Эффективность механизма напрямую зависит от местоположения пользователя и наличия достаточного объема исторических данных для конкретного региона.

Когда применяется

Алгоритм активируется при обнаружении неоднозначности запроса:

• Триггеры активации и пороговые значения: Запрос признается неоднозначным, если выполняется хотя бы одно из условий:
  1. Географическое расстояние между двумя или более топовыми результатами превышает предопределенный порог (в тексте упоминается пример 100 миль).
  2. Топовые результаты принадлежат к разным категориям (например, ресторан vs. город).
• Временные рамки: Анализ исторических данных и генерация гистограмм могут выполняться офлайн. Применение фильтрации к запросу происходит в реальном времени.

Пошаговый алгоритм

Процесс обработки запроса

1. Получение запроса и контекста: Система получает запрос и данные о географическом положении пользователя.
2. Первичный поиск: Генерируется исходный набор результатов.
3. Анализ результатов (Обнаружение неоднозначности): Анализируются локации и категории топовых результатов. Проверяется, превышено ли пороговое расстояние или различны ли категории.
4. Принятие решения:
   • Если запрос однозначен: Предоставить исходные результаты.
   • Если запрос неоднозначен: Перейти к шагу 5.
5. Анализ исторических данных: Идентификация похожих запросов (similar search queries) в журнале.
6. Географическая фильтрация: Фильтрация похожих запросов, оставляя только те, которые были сделаны из того же региона, что и текущий пользователь.
7. Устранение неоднозначности (Disambiguation): Анализ локализованных данных для выбора лучшей интерпретации:
   • Частотный анализ (Histogram): Определение наиболее частой интерпретации.
   • Анализ удовлетворенности: Расчет dissatisfaction count для каждой интерпретации на основе stored responses (клики, уточнения).
   • Выбор: Выбор интерпретации с наилучшей комбинацией высокой частотности и низкого dissatisfaction count.
8. Фильтрация результатов: Исходный набор результатов фильтруется в соответствии с выбранной интерпретацией.
9. Предоставление результатов: Отфильтрованный набор предоставляется пользователю.

Какие данные и как использует

Данные на входе

• Географические факторы: Местоположение пользователя (IP, GPS, данные сотовых вышек, viewport карты). Используется для фильтрации исторических данных. Адреса/координаты результатов поиска. Используются для обнаружения неоднозначности.
• Поведенческие факторы (Агрегированные исторические данные):
  • Log of stored search queries: Используется для частотного анализа (гистограммы).
  • Stored responses: Взаимодействия (клики, наведения мыши) и последующие действия (уточняющие запросы). Используются для расчета метрик удовлетворенности.
• Структурные/Контентные факторы: Категориальная информация (categorical information), связанная с результатами поиска (например, ресторан, город, магазин). Используется для обнаружения категориальной неоднозначности.

Какие метрики используются и как они считаются

• Geographical Distance Threshold (Порог географического расстояния): Предопределенное значение (например, 100 миль). Сравнение расстояния между результатами с этим порогом определяет географическую неоднозначность.
• Categorical Diversity (Категориальное разнообразие): Сравнение категорий топовых результатов. Различие категорий определяет категориальную неоднозначность.
• Search Query Count (Счетчик поисковых запросов): Частотность конкретной интерпретации в локализованном наборе данных (основа гистограммы).
• Dissatisfaction Count (Счетчик неудовлетворенности): Метрика неуспешности поисковой сессии. Рассчитывается на основе Stored responses. Индикаторы включают: уточнение запроса, быстрый возврат к выдаче (pogo-sticking), отсутствие кликов, прокрутка нескольких страниц. Патент упоминает, что разные типы негативных сигналов могут иметь разный вес (например, уточняющий запрос может иметь вес 1, а быстрый возврат — 0.5).
• Итоговая оценка интерпретации: Комбинация Search Query Count (позитивный фактор) и Dissatisfaction Count (негативный фактор) для выбора доминирующего интента.

1. Локальный контекст доминирует при неоднозначности: Географическое положение пользователя является решающим фактором для интерпретации неоднозначных запросов. Интент одного и того же запроса может кардинально отличаться в разных регионах.
2. Автоматическое обнаружение неоднозначности: Система использует четкие триггеры — географическую разрозненность (превышение порога расстояния) и категориальное разнообразие результатов — для активации механизма дисамбигуации.
3. "Мудрость локальной толпы": Google полагается на агрегированные исторические данные о поведении пользователей в конкретном регионе (гистограммный анализ), чтобы определить наиболее вероятное намерение текущего пользователя.
4. Удовлетворенность пользователя (User Satisfaction) критична: Система не просто выбирает самую частую интерпретацию, но и учитывает Dissatisfaction Count. Интерпретации, которые исторически лучше удовлетворяли пользователей, получают приоритет.
5. Приоритет контекста над глобальной релевантностью: Даже если результат очень релевантен запросу глобально, он может быть отфильтрован локально, если система определит, что доминирующий интент в этом регионе иной.

Best practices (это мы делаем)

• Максимизация локальных сигналов: Для бизнесов, особенно с неоднозначными названиями, критически важно укреплять связь бренда с конкретной географией и категорией. Используйте Google Business Profile (GBP), локальные ссылки, упоминания с адресом (NAP) и локализованный контент на сайте.
• Оптимизация под удовлетворенность пользователя (User Satisfaction): Сосредоточьтесь на минимизации сигналов, которые увеличивают Dissatisfaction Count. Контент должен полностью отвечать локальному интенту, предотвращая быстрые возвраты в выдачу (pogo-sticking) или необходимость уточнения запроса.
• Четкое категориальное позиционирование: Используйте микроразметку (Schema.org) и правильные категории в GBP, чтобы помочь Google точно классифицировать ваш ресурс. Это помогает выиграть при разрешении категориальной неоднозначности.
• Региональный мониторинг интента: Регулярно анализируйте выдачу по ключевым запросам в разных целевых регионах. Понимание того, как интерпретируется запрос локально, важнее понимания его глобального значения.
• Использование гео- и категориальных уточнителей во внешнем продвижении: При наращивании ссылок и упоминаний используйте анкоры и контекст, включающие уточняющие слова (например, "ресторан Арарат в Москве" вместо просто "Арарат").

Worst practices (это делать не надо)

• Игнорирование географического контекста: Разработка единой SEO-стратегии без учета локальных различий в интенте. Попытка ранжироваться по неоднозначному термину с интентом, который не является доминирующим в данном регионе, будет неэффективной.
• Создание страниц, ведущих к неудовлетворенности: Использование кликбейтных заголовков или контента низкого качества, который не отвечает на запрос пользователя. Это приведет к увеличению Dissatisfaction Count и ослаблению вашей интерпретации запроса в долгосрочной перспективе.
• Неправильная или неоднозначная категоризация: Выбор слишком широких или неверных категорий может привести к тому, что ваш сайт будет конкурировать с нерелевантными ресурсами и проигрывать при фильтрации выдачи.

Стратегическое значение

Патент подтверждает, что интерпретация запросов в Google является динамичной и высоко контекстуальной. Для SEO это означает переход от анализа ключевых слов к анализу географически обусловленного намерения. Долгосрочная стратегия, особенно в локальном поиске, должна быть направлена на то, чтобы стать доминирующим и наиболее удовлетворительным ответом на запрос в конкретной географической области.

Практические примеры

Сценарий: Разрешение конфликта между брендом и топонимом (Пример из патента)

1. Ситуация: Пользователь в Сиднее (Австралия) вводит запрос "Coles".
2. Анализ Google: Система выполняет поиск и видит результаты: "Coles Supermarkets" (Австралия) и "Coles County Illinois" (США). Расстояние огромное, категории разные (Супермаркет vs. Округ). Запрос неоднозначен.
3. Применение механизма: Система анализирует исторические запросы, содержащие "Coles", отправленные из Сиднея.
4. Результат анализа: Гистограмма показывает, что 95% запросов связаны с "Coles Supermarkets", и Dissatisfaction Count низкий.
5. Действие: Система интерпретирует запрос как "Coles Supermarkets" и фильтрует выдачу, удаляя результаты про округ в США.
6. Вывод для SEO: Если бы вы продвигали сайт округа Коулз в Австралии, эта система активно работала бы против вас, так как локальный интент однозначно связан с супермаркетом.