Как Google использует связанные запросы и временный «бустинг» для обнаружения и тестирования релевантных документов, которые ранжируются низко

Термины и определения

Candidate Result Set (Набор результатов-кандидатов)

Пул документов, из которого система выбирает результаты для перемещения. Может включать результаты связанного запроса (Q2) или «хвост» исходной выдачи (Q1).

Click-through data (Данные о кликах)

Поведенческие данные (частота кликов, CTR), используемые как индикатор качества и релевантности для обновления Popularity Database.

Popularity Database (База данных популярности)

Хранилище метрик популярности документов (показы, клики). Эти данные используются для ранжирования.

Query Reformulation (Переформулировка запроса)

Процесс изменения исходного запроса для создания связанного запроса (например, добавление синонимов или терминов).

Related Query (Связанный запрос)

Запрос (Q2), связанный с исходным запросом (Q1). Связь может быть семантической (переформулировка) или темпоральной (temporally related — запросы, введенные последовательно).

Tiers (Уровни выдачи)

Способ разделения результатов поиска. Higher tier — результаты, которые пользователь, скорее всего, увидит (например, Топ-20). Lower tier — результаты, которые пользователь, скорее всего, не увидит.

Ключевые утверждения (Анализ Claims)

Ядро изобретения сосредоточено на модификации ранжирования на основе анализа результатов связанных запросов.

Claim 1 (Независимый пункт): Описывает процесс, где связанный запрос генерируется с использованием синонима.

1. Система получает результаты для первого запроса (Q1).
2. Генерируется второй запрос (Q2), включающий Q1 и синоним термина из Q1.
3. Получаются результаты для Q2.
4. Определяется, что конкретный результат (D) входит в число самых высокоранжированных результатов в Q2 (threshold number of highest-ranked second search results).
5. Определяется, что этот же результат D не входит в число самых высокоранжированных результатов в Q1.
6. При выполнении обоих условий порядок результатов Q1 модифицируется: D перемещается с исходной позиции на более высокую позицию.
7. Модифицированные результаты предоставляются пользователю.

Claim 4 (Независимый пункт): Описывает аналогичный процесс, но связанный запрос генерируется путем добавления термина (уточнение).

1. Система получает результаты для Q1.
2. Генерируется второй запрос (Q2) путем добавления термина к Q1.
3. Получаются результаты для Q2.
4. Далее процесс повторяет шаги 4-7 из Claim 1: идентификация документа D (высоко в Q2, низко в Q1) и его перемещение на более высокую позицию в Q1.

Claims 3, 7, 22 (Зависимые пункты): Уточняют, что второй запрос может быть связан с первым темпорально (related temporally). Это означает анализ логов поиска для выявления запросов, которые пользователи часто вводят последовательно (например, исправление опечаток).

Claims 11-14 (Зависимые пункты): Детализируют механизм обратной связи и валидации. После показа модифицированных результатов система определяет, имеет ли перемещенный результат более высокую релевантность, чем указывала его исходная позиция. Это определение основывается на информации, полученной после показа (т.е. на данных о кликах). Это подтверждает, что целью перемещения является сбор данных для валидации и обучения системы ранжирования.

Где и как применяется

Изобретение затрагивает несколько ключевых этапов поиска, функционируя как механизм обнаружения релевантности и обратной связи.

QUNDERSTANDING – Понимание Запросов
На этом этапе система идентифицирует или генерирует связанные запросы (Q2). Это включает анализ логов запросов для выявления темпоральных связей и применение методов переформулировки (Query Reformulation), таких как использование синонимов.

RANKING – Ранжирование
Система генерирует первичные наборы ранжированных результатов как для исходного запроса (Q1), так и для связанного запроса (Q2).

RERANKING – Переранжирование
Основное применение патента. Система сравнивает ранжирование документов в Q1 и Q2. Если обнаруживается расхождение (документ высоко в Q2, но низко в Q1), система модифицирует порядок результатов Q1, перемещая выбранный документ в higher tier. Также на этом этапе может происходить случайное перемещение документов из «хвоста» выдачи вверх (как описано в Description патента).

Сбор данных (Data Acquisition)
После показа модифицированной выдачи система собирает Click-through data по повышенным результатам и сохраняет их в Popularity Database для использования в будущем ранжировании.

Входные данные:

• Исходный запрос (Q1) и его результаты.
• Связанные запросы (Q2) и их результаты.
• Логи запросов (для темпорального анализа).
• Данные о синонимах.

Выходные данные:

• Модифицированный набор результатов для Q1.
• Обновленные данные в Popularity Database.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на неоднозначные запросы, широкие запросы или запросы с потенциальными орфографическими ошибками (в патенте приведен пример "infinity" вместо "infiniti"). Также влияет на запросы, где пользователи часто прибегают к переформулировкам.
• Типы контента: Влияет на документы, которые очень релевантны теме в целом, но могут быть плохо оптимизированы под конкретную формулировку запроса (Q1), при этом хорошо отвечая на связанный запрос (Q2).

Когда применяется

Алгоритм активируется при выполнении специфических условий или в рамках тестирования:

• Условие связанных запросов (Claims): Когда существует связанный запрос Q2, и есть документ D, который удовлетворяет пороговым значениям ранжирования: высоко в Q2 и низко в Q1.
• Условие тестирования/Разведки (Description): Система может периодически или случайно активировать перемещение документов из «хвоста» выдачи (Lower tier) на видимые позиции (Higher tier) для сбора данных об их релевантности.

Пошаговый алгоритм

Рассмотрим основной сценарий, описанный в Claims (Формуле изобретения).

Алгоритм перемещения на основе связанных запросов

1. Получение запроса: Система получает исходный запрос (Q1).
2. Первичное ранжирование: Выполняется Q1 и генерируется первичный набор результатов.
3. Генерация связанного запроса: Система идентифицирует или генерирует связанный запрос (Q2). Методы включают:
   • Переформулировку (добавление синонима, добавление термина).
   • Анализ темпорально близких запросов из логов.
4. Ранжирование кандидатов: Выполняется Q2 и генерируется набор результатов-кандидатов.
5. Идентификация документа для перемещения: Система ищет документ (D), который высоко ранжируется в результатах Q2 (входит в Higher tier).
6. Проверка условий: Система проверяет позицию документа D в результатах Q1.
   • Если D ранжируется высоко в Q1: Перемещение не требуется.
   • Если D ранжируется низко в Q1 (входит в Lower tier): Перейти к шагу 7.
7. Модификация выдачи: Порядок результатов Q1 изменяется. Документ D перемещается на высокую (видимую пользователю) позицию.
8. Предоставление результатов: Модифицированный набор результатов Q1 отправляется пользователю.
9. Сбор обратной связи (Feedback Loop): Система отслеживает взаимодействие пользователя с документом D (клики) и обновляет Popularity Database.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании данных о ранжировании и поведенческих факторах.

• Поведенческие факторы: Критически важны. Используются логи запросов (log files) для идентификации темпорально связанных запросов (Q1 и Q2, введенные последовательно). Также используются click-through data, собираемые после показа модифицированной выдачи, для валидации релевантности.
• Системные данные: Оценки ранжирования, используемые для определения позиций документов в Q1 и Q2.
• Контентные/Лингвистические данные: Базы данных синонимов или вариаций терминов для переформулировки запросов.
• Пользовательские факторы: Идентификаторы пользователя (Cookie/IP) могут использоваться для анализа сессий и поддержания консистентности выдачи при повторных запросах в течение короткого времени.

Какие метрики используются и как они считаются

• Пороги ранжирования (Ranking Thresholds): Определяют, что такое «высокий ранг» (Higher tier) и «низкий ранг» (Lower tier). Например, Топ-20 для высокого ранга; позиции после 30 для низкого ранга. Используются для проверки условий перемещения.
• Темпоральная близость (Temporal Proximity): Метрика для анализа логов, определяющая, были ли Q1 и Q2 введены одним пользователем в течение короткого промежутка времени (например, 5 минут). Может требоваться определенное количество повторений (например, 5 раз), чтобы связь была установлена.
• Click-Through Rate (CTR): Отношение кликов к показам. Используется для валидации релевантности перемещенного документа. Если он высок, метрики в Popularity Database обновляются.

1. Активное тестирование релевантности (Exploration): Google не просто пассивно ранжирует контент, но и активно тестирует гипотезы о релевантности. Система перемещает потенциально недооцененные документы на видимые позиции, чтобы проверить их эффективность на пользователях.
2. Связанные запросы как источник релевантности: Производительность документа по связанным запросам (синонимы, уточнения, исправления ошибок) используется как сильный сигнал потенциальной релевантности для исходного запроса. Успех по одному запросу может привести к бустингу по другому.
3. Критическая роль цикла обратной связи (Feedback Loop): Механизм перемещения является временным тестированием. Устойчивое улучшение ранжирования требует валидации со стороны пользователей. Click-through data сигнализирует о релевантности и используется для обучения системы ранжирования.
4. Использование темпоральных данных сессий: Система анализирует последовательности запросов пользователей (темпоральные связи), чтобы выявить скрытые связи между разными формулировками, особенно при исправлении ошибок или уточнении намерений.
5. Случайность для разведки: В патенте также упоминается использование случайной выборки документов из «хвоста» выдачи и их перемещение вверх. Это механизм «разведки» (Exploration), позволяющий обнаружить релевантные документы, упущенные стандартными алгоритмами.

Best practices (это мы делаем)

• Тематическая кластеризация и Topical Authority: Необходимо оптимизировать контент под всю тему целиком, включая синонимы, LSI-фразы и подтемы. Это увеличивает вероятность того, что страница будет высоко ранжироваться по связанному запросу (Q2), что делает ее кандидатом на бустинг в основном запросе (Q1).
• Максимизация CTR и вовлеченности: Поскольку система использует бустинг для тестирования реакции пользователей, критически важно иметь привлекательные сниппеты (Title, Description). Если Google тестирует вашу страницу, перемещая ее в топ, высокий CTR поможет подтвердить релевантность и закрепить позиции.
• Анализ вариаций запросов и интентов: Изучайте, как пользователи переформулируют запросы в вашей нише (используя данные GSC). Убедитесь, что ваш контент релевантен для этих вариаций, включая распространенные опечатки или альтернативные термины.
• Создание контента, отвечающего на последующие запросы: Если анализ показывает, что пользователи часто вводят Q1, а затем Q2, создайте контент, который исчерпывающе отвечает на оба интента. Это укрепит связь между запросами в глазах системы.

Worst practices (это делать не надо)

• Гипероптимизация под одно ключевое слово: Фокусировка на точном вхождении одного ключевого слова при игнорировании синонимов и связанных концепций снижает шансы на то, что страница будет найдена через механизм связанных запросов.
• Игнорирование поведенческих факторов: Нельзя полагаться только на статические факторы. Если страница не привлекает клики или не удовлетворяет интент пользователя, она не задержится в топе, даже если будет туда временно перемещена системой тестирования.
• Использование кликбейта без релевантности: Попытка обмануть механизм обратной связи с помощью кликбейтных заголовков. Если страница получит бустинг, но пользователи будут быстро уходить, это подтвердит низкую релевантность страницы.

Стратегическое значение

Этот патент, несмотря на его возраст, описывает фундаментальный механизм обратной связи (Exploration & Exploitation) в поисковых системах. Он подтверждает, что ранжирование не статично и постоянно корректируется на основе как семантического анализа (связанные запросы), так и реального поведения пользователей. Стратегически это означает, что SEO должно фокусироваться на построении тематического авторитета и обеспечении положительного пользовательского опыта, который валидирует релевантность контента.

Практические примеры

Сценарий 1: Орфографическая ошибка и темпоральная связь (Пример из патента)

1. Исходный запрос (Q1): "infinity car" (с ошибкой).
2. Анализ логов: Система видит, что многие пользователи сразу после этого вводят "infiniti car" (Q2). Устанавливается темпоральная связь.
3. Документ (D): Официальный сайт Infiniti (www.infiniti.com).
4. Анализ ранжирования: D высоко ранжируется в Q2, но низко в Q1.
5. Действие: Система перемещает D на первую позицию в выдаче по Q1 ("infinity car").
6. Обратная связь: Пользователи кликают на сайт. Система фиксирует высокий CTR и улучшает будущее ранжирование www.infiniti.com по запросу с ошибкой.

Сценарий 2: Использование синонимов (Claim 1)

1. Исходный запрос (Q1): "дешевый отель москва".
2. Переформулирование (Q2): Система использует синоним: "недорогой отель москва".
3. Документ (D): Страница агрегатора отелей.
4. Анализ ранжирования: D ранжируется №1 по Q2, но №25 по Q1.
5. Действие: Система идентифицирует D как недооцененный результат для Q1 и перемещает его на позицию №3.
6. Результат: Система собирает CTR по этому результату для валидации.