Как Google использует историю кликов для персонализации локальной выдачи и показа ранее посещенных страниц

Термины и определения

Location Query (Локальный запрос)

Поисковый запрос, который включает в себя Location Phrase (упоминание местоположения).

Location Phrase (Локальная фраза / Упоминание местоположения)

Часть запроса, которая ссылается на конкретное географическое местоположение (например, название города, почтовый индекс, координаты).

Location Resource (Локальный ресурс)

Ресурс (например, веб-страница), который был запрошен пользователем путем взаимодействия (клика) с результатами поиска, предоставленными в ответ на Location Query.

Location Search Profile (LSP) (Профиль локального поиска)

Профиль пользователя, который хранит данные о географических местоположениях, которыми интересовался пользователь, и набор ссылок на Location Resources, которые он посетил в контексте каждого местоположения.

Search Log Data (Данные журнала поиска / Логи поиска)

Данные, фиксирующие историю поисковых запросов пользователя и его взаимодействие с результатами поиска (клики).

Threshold Geographic Distance (Пороговое географическое расстояние)

Параметр расстояния, используемый для определения того, что две разные локации находятся достаточно близко, чтобы считаться связанными для целей профилирования.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод обработки локальных запросов с использованием истории пользователя.

1. Система получает текущий локальный запрос (current location query), ссылающийся на географическое местоположение.
2. Система идентифицирует стандартные результаты поиска, релевантные этому запросу.
3. Система идентифицирует ресурс, ранее выбранный пользователем в ответ на предыдущий локальный запрос, который ссылался на совпадающее местоположение. Эта идентификация происходит независимо от того, является ли этот ресурс релевантным текущему запросу (irrespective of whether the resource is responsive to the current location query).
4. Процесс идентификации (шаг 3) включает:
   • Получение логов поиска пользователя (search log data).
   • Создание Location Search Profile на основе логов, который связывает географические локации с посещенными ресурсами.
   • Определение совпадения между локацией текущего запроса и локациями в профиле.
   • Идентификацию ресурса в профиле, связанного с совпавшей локацией.
5. Система предоставляет данные для отображения страницы результатов, включающей: новые результаты поиска, ранее выбранный ресурс и индикатор того, что этот ресурс был ранее посещен.

Claim 2 (Зависимый от 1): Уточняет механизм совпадения географических местоположений. Совпадение может быть установлено, если географическое местоположение в профиле находится в пределах threshold geographic distance от местоположения в текущем запросе.

Claim 5 (Зависимый от 1): Уточняет выбор ресурса из профиля. Идентифицированный ресурс может быть тем, который был запрошен пользователем наиболее недавно (most recently requested).

Claim 6 (Зависимый от 1): Уточняет индикатор предыдущего посещения. Индикатор может включать отображение даты или времени, когда пользователь ранее выбрал этот ресурс.

Claim 8 (Зависимый от 1): Уточняет способ отображения. Ранее выбранный ресурс может быть представлен в части дисплея, которая визуально отличается (visually distinguished) от другой части дисплея, в которой представлены текущие результаты поиска.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, используя данные истории пользователя для изменения финальной выдачи.

CRAWLING/INDEXING (Сбор данных)
Система должна собирать и хранить Search Log Data — историю запросов и кликов пользователей. Эти данные являются основой для работы механизма.

QUNDERSTANDING (Понимание Запросов - Офлайн Обработка)
Компонент системы (Location Search Apparatus) периодически обрабатывает Search Log Data в офлайн режиме. Он анализирует логи, идентифицирует Location Queries, извлекает Location Phrases и определяет, какие Location Resources были посещены. Результатом этой работы является создание и обновление Location Search Profile (LSP) для пользователя.

QUNDERSTANDING (Понимание Запросов - Реал-тайм)
При получении текущего запроса система должна классифицировать его как Location Query и извлечь Location Phrase.

RANKING (Ранжирование)
Стандартные алгоритмы ранжирования отрабатывают для генерации основного набора результатов, релевантных текущему запросу.

METASEARCH (Метапоиск и Смешивание) / RERANKING (Переранжирование)
Основное применение патента. Система обращается к LSP пользователя и проверяет, есть ли записи, соответствующие текущему Location Phrase (с учетом географической близости). Если да, система извлекает ранее посещенные ресурсы и смешивает (blends) их с основными результатами ранжирования. Происходит формирование персонализированной SERP, где исторические данные представлены в отдельном блоке.

Входные данные:

• Текущий поисковый запрос пользователя.
• Идентификатор пользователя (User ID, cookie).
• Location Search Profile (LSP) пользователя.
• Search Log Data (для офлайн-процесса).

Выходные данные:

• Страница результатов поиска (SERP), включающая стандартные результаты и визуально выделенный блок с ранее посещенными ресурсами.

На что влияет

• Конкретные ниши или тематики: Наибольшее влияние оказывается на ниши, где требуется длительное изучение и сравнение вариантов в привязке к локации: Путешествия (отели, авиабилеты, достопримечательности), Недвижимость (покупка, аренда), Локальные услуги, Рестораны и развлечения.
• Специфические запросы: Влияет на информационные и коммерческие запросы, содержащие явное указание местоположения.
• Типы контента: Влияет на видимость страниц отелей, страниц объектов недвижимости, сайтов локального бизнеса.

Когда применяется

Алгоритм активируется при выполнении следующих условий:

• Идентификация пользователя: Система должна иметь возможность связать текущую сессию с предыдущей историей поиска (через аккаунт или cookie).
• Наличие профиля: У пользователя должен быть сформирован Location Search Profile (и пользователь должен разрешить его использование/сбор данных).
• Тип запроса: Текущий запрос должен быть идентифицирован как Location Query.
• Совпадение локации: Местоположение в текущем запросе должно совпадать (точно или в пределах threshold geographic distance) с местоположением, сохраненным в LSP пользователя.

Пошаговый алгоритм

Процесс А: Создание Профиля Локального Поиска (Офлайн)

1. Получение данных: Система получает Search Log Data для пользователя.
2. Идентификация локальных запросов: Анализ логов для выявления предыдущих Location Queries.
3. Группировка по локациям: Идентификация запросов, относящихся к географическим локациям, находящимся в пределах порогового расстояния друг от друга, и их группировка.
4. Идентификация кликов: Для каждой группы запросов определяются ресурсы (Location Resources), которые были запрошены пользователем через взаимодействие с результатами поиска.
5. Выбор меток (Labels): Для каждого набора ресурсов выбираются одна или несколько меток, представляющих географическое местоположение (например, название города и почтовый индекс).
6. Создание профиля: Создается Location Search Profile, в котором наборы посещенных ресурсов индексируются по соответствующим географическим меткам и идентификатору пользователя.

Процесс Б: Обработка запроса (Реал-тайм)

1. Получение профиля и запроса: Система получает Location Search Profile пользователя и текущий Location Query.
2. Поиск совпадений: Система определяет, содержит ли LSP запись о географическом местоположении, совпадающем с текущим запросом (точно или в пределах порогового расстояния).
3. Выбор ресурсов из профиля: Если совпадение найдено, система выбирает одну или несколько ссылок на ранее посещенные Location Resources. Выбор может основываться на критерии недавности (most recently requested).
4. Генерация текущих результатов: Параллельно система выбирает стандартные результаты поиска, релевантные текущему запросу.
5. Формирование выдачи: Система предоставляет данные, которые вызывают отображение выбранных ссылок из профиля и текущих результатов поиска. Ссылки из профиля отображаются с индикатором предыдущего посещения (например, дата/время) и визуально выделяются.

Какие данные и как использует

Данные на входе

Патент фокусируется исключительно на использовании истории поведения пользователя в контексте географии.

• Поведенческие факторы: Критически важные данные. Используются Search Log Data, включающие:
  • Предыдущие поисковые запросы пользователя (previous location queries).
  • Взаимодействие с результатами поиска (клики), ведущие к запросу Location Resources.
• Географические факторы: Location Phrases, извлеченные из текста запросов. Данные о географическом расположении и расстоянии между локациями.
• Пользовательские факторы: Идентификатор пользователя (анонимизированный ID, аккаунт, cookie), необходимый для связи истории поиска с текущей сессией и доступа к Location Search Profile.
• Временные факторы: Дата и время предыдущих кликов. Используется для выбора наиболее недавних ресурсов (Recency) и для отображения на SERP.

Какие метрики используются и как они считаются

• Threshold Geographic Distance (Пороговое географическое расстояние): Метрика расстояния (например, мили или километры), используемая для определения того, что две разные Location Phrases (например, «Брекенридж» и «Кистоун», упомянутые в патенте) относятся к одному и тому же географическому контексту для целей профилирования.
• Recency (Недавность): Временная метрика, используемая для выбора того, какие из ранее посещенных ресурсов показать. Система может предпочесть most recently requested ресурсы.

1. Персонализация на основе истории кликов и географии: Патент описывает конкретный механизм персонализации поисковой выдачи. Система запоминает не просто факт посещения сайта, а связку «Сайт + Географический контекст поиска».
2. Повторная видимость независимо от релевантности текущему запросу: Ключевой вывод — ранее посещенный ресурс будет показан, даже если он не релевантен новой формулировке запроса (Claim 1), при условии совпадения географического контекста. Например, сайт отеля может быть показан в ответ на запрос о музеях в том же городе.
3. Важность первого клика и вовлечения: Для попадания в Location Search Profile необходимо, чтобы пользователь перешел на сайт из результатов поиска по локальному запросу. Это повышает стратегическую важность оптимизации сниппетов (CTR) и обеспечения положительного первого опыта взаимодействия с сайтом.
4. Гибкость географического соответствия (Кластеризация): Система не требует точного совпадения названия локации. Использование threshold geographic distance позволяет группировать активность пользователя в рамках одного региона (например, соседние города или районы).
5. Изменение структуры SERP: Механизм вводит на страницу результатов дополнительный, визуально отличающийся блок (Claim 8), что влияет на распределение внимания пользователя и занимает место на экране.

Best practices (это мы делаем)

• Оптимизация под локальные запросы и высокий CTR: Убедитесь, что ваш сайт хорошо ранжируется по целевым Location Queries. Работайте над привлекательностью сниппетов (Title, Description, микроразметка), чтобы максимизировать вероятность первого клика. Попадание в Location Search Profile пользователя — первый и обязательный шаг для получения повторной видимости.
• Обеспечение четких локальных сигналов: Помогайте Google ассоциировать ваш контент с конкретными географическими местоположениями. Используйте названия городов, районов и регионов в контенте и метаданных. Это повышает вероятность того, что клик на ваш сайт будет корректно классифицирован как Location Resource.
• Оптимизация под смежные локации: Учитывайте, что система может группировать локации по близости (threshold geographic distance). Если вы продвигаете бизнес в пригороде, убедитесь, что он также релевантен запросам по основному городу, чтобы воспользоваться преимуществами этого механизма для широкого круга запросов в регионе.
• Создание запоминающегося опыта и брендинга: Поскольку система будет напоминать пользователю о вашем сайте при последующих поисках, важно обеспечить положительный и запоминающийся первый опыт. Это повышает вероятность повторного взаимодействия с вашим сайтом через блок персонализации.

Worst practices (это делать не надо)

• Использование кликбейта с высоким показателем отказов: Привлечение клика с последующим быстрым уходом пользователя может быть менее ценным. Хотя патент явно не фильтрует короткие клики, цель системы — помочь пользователю. Если ваш сайт не полезен, повторный показ вызовет негатив и будет проигнорирован.
• Игнорирование локальной оптимизации: Если ваш бизнес имеет географическую привязку, но сайт не оптимизирован под локальные запросы, вы упускаете возможность использовать этот механизм персонализации для удержания пользователей.
• Маскировка местоположения: Попытки манипулировать географической привязкой контента для показа в нерелевантных локациях неэффективны в контексте этого патента, так как он основан на реальном Location Phrase, который вводил пользователь в своем запросе.

Стратегическое значение

Патент подтверждает важность концепции «Завершения задачи» (Task Completion) и ориентацию Google на сопровождение всего пути пользователя (User Journey), а не только на ответы на единичные запросы. В локальном поиске и тематиках, связанных с планированием (Travel, Real Estate), стратегия должна учитывать многосессионность. Этот механизм превращает разовый успех в ранжировании и получении клика в долгосрочное преимущество видимости для конкретного пользователя в рамках его задачи.

Практические примеры

Сценарий 1: Планирование поездки и повторная видимость отеля

1. Первая сессия: Пользователь ищет «Отели в центре Праги» (Location Query 1). Он кликает на сайт отеля «Hotel Example» (Location Resource A). Google сохраняет в LSP связку: Локация=Прага, Ресурс=Hotel Example.
2. Вторая сессия (через день): Пользователь ищет «Лучшие рестораны Праги» (Location Query 2).
3. Обработка: Google определяет, что локация (Прага) совпадает с записью в LSP.
4. Результат: На странице результатов по ресторанам Google отображает стандартную выдачу, а также отдельный блок (например, «Недавно посещенные»). В этом блоке будет ссылка на «Hotel Example» с указанием даты прошлого посещения. Отель получил видимость по запросу, которому он не релевантен.

Сценарий 2: Использование порогового расстояния (Threshold Distance)

1. Первая сессия: Пользователь ищет «Аренда лыж Брекенридж» и посещает сайт «SkiRent A». Google сохраняет в LSP: Локация=Брекенридж, Ресурс=SkiRent A.
2. Вторая сессия: Пользователь ищет «Отели Кистоун». (Кистоун находится рядом с Брекенриджем).
3. Обработка: Система определяет, что Кистоун находится в пределах threshold geographic distance от Брекенриджа.
4. Результат: В выдаче по отелям Кистоуна Google может показать блок «Недавно посещенные» со ссылкой на «SkiRent A» из Брекенриджа, так как считает эти поиски частью одной задачи (планирование лыжной поездки в регион).