Как Google использует контекст просмотра ТВ для модификации поисковых запросов в реальном времени

Термины и определения

Category List (Список категорий)

Структурированный набор тематических категорий (или концептуальных кластеров), связанных с запросом или телепрограммой. Каждая категория имеет вес (Weight), отражающий степень релевантности. Например, запрос «Jaguar» может иметь категории «автомобили», «млекопитающие», «спорт».

Electronic Device (Электронное устройство)

Устройство, с которого пользователь отправляет запрос (смартфон, ноутбук, планшет). В патенте (Claim 1) подчеркивается, что это устройство отлично от самого телевизора или ТВ-приставки.

Inferred Television Program (Предполагаемая телевизионная программа)

Телепрограмма, которую, по мнению системы, пользователь смотрит в момент отправки запроса. Выбирается на основе наивысшей оценки корреляции (Score).

Interesting Entities (Интересующие сущности)

Важные слова (имена людей, названия мест, продуктов), идентифицируемые с помощью NLP и используемые при генерации профилей для повышения точности и игнорирования шума.

Matching Function (Функция сопоставления)

Алгоритм, используемый для расчета степени сходства между списком категорий запроса и списком категорий телепрограммы. Результатом является оценка (Score). Может быть реализован, например, как скалярное произведение векторов.

Query Profile (Профиль запроса)

Запись в базе данных (Query Profile Database), содержащая Category List и связанные термины для конкретного поискового запроса.

Television Program Profile (Профиль телевизионной программы)

Запись в базе данных (Television Program Information Database), содержащая метаданные о программе: расписание (Show Times), канал, описание, актеры (Cast Information), жанр и Category List.

Time Window (Временное окно)

Период времени, в течение которого был получен запрос и анализируются доступные ТВ-программы.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс улучшения поиска.

1. Система получает поисковый запрос от электронного устройства (не ТВ) в определенный временной промежуток (time window).
2. Определяется местоположение устройства.
3. Система обращается к базе данных ТВ-программ, чтобы определить, какие программы доступны в этом месте в это время.
4. Используя запрос и данные о доступных программах, система делает вывод (infer), какая конкретная программа отображается вблизи устройства.
5. Запрос модифицируется на основе этой предполагаемой программы.
6. Модификация включает: определение дополнительных поисковых терминов, релевантных как предполагаемой программе, так и исходному запросу, и добавление этих терминов к запросу.

Claim 5 (Зависимый от 1): Детализирует процесс вывода (inference).

Вывод о просматриваемой программе включает генерацию оценки (Score) для каждой возможной телепрограммы, причем оценка связана с полученным поисковым запросом.

Claim 8 (Зависимый от 5): Детализирует процесс генерации оценки (Scoring).

Генерация оценки включает:

1. Идентификацию первого набора категорий, связанных с терминами поискового запроса.
2. Идентификацию второго набора категорий, связанных с телепрограммой.
3. Применение функции сопоставления (matching function) к первому и второму наборам категорий.

Где и как применяется

Изобретение применяется на ранних этапах обработки запроса для уточнения интента пользователя.

INDEXING – Индексирование и извлечение признаков
На этом этапе система заранее обрабатывает данные, необходимые для работы механизма: индексирует метаданные телепрограмм (создает Television Program Information Database) и анализирует запросы для создания Query Profile Database. Для обоих наборов данных вычисляются тематические категории (Category Lists) с использованием NLP и извлечения Interesting Entities.

QUNDERSTANDING – Понимание Запросов
Основное применение патента. Система в реальном времени анализирует запрос в контексте окружающей среды (время, место, доступные ТВ-программы). Происходит интерпретация интента и, если срабатывает триггер корреляции, запрос модифицируется (переписывается) до того, как он будет передан основным системам ранжирования.

RANKING – Ранжирование
Система ранжирования получает на вход уже модифицированный (расширенный) запрос и выполняет поиск по нему.

METASEARCH – Метапоиск и Смешивание
В альтернативной реализации (описанной в патенте), система может использовать анализ запроса для генерации рекомендаций ТВ-программ, которые смешиваются в общую выдачу.

Входные данные:

• Исходный поисковый запрос.
• Временная метка запроса (Time Window).
• Местоположение пользователя (IP-адрес, данные GPS).
• Query Profile Database.
• Television Program Information Database.

Выходные данные:

• Модифицированный поисковый запрос (исходный запрос + дополнительные термины).
• ИЛИ: Рекомендация ТВ-программы.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на неоднозначные запросы или запросы, состоящие из общих терминов (бренды, имена), которые могут относиться к сущностям, часто фигурирующим в медиа.
• Конкретные ниши или тематики: Высокое влияние в тематиках, связанных с развлечениями, спортом (особенно во время прямых трансляций), потребительскими товарами и автомобилями.

Когда применяется

• Временные рамки: Алгоритм применяется в реальном времени в момент получения запроса.
• Триггеры активации: Система активируется, когда оценка корреляции (Score) между поисковым запросом и одной из телепрограмм, транслируемых в данный момент в локации пользователя, превышает заданный порог уверенности.
• Исключения: Если ни одна программа не набирает достаточного балла, поиск проводится по исходному запросу без модификации.

Пошаговый алгоритм

Процесс определения и модификации запроса:

1. Получение запроса и контекста: Система получает запрос, фиксирует время и определяет местоположение пользователя.
2. Идентификация доступных ТВ-программ: Обращение к Television Program Information Database для получения списка программ, транслируемых в данном месте в данное время.
3. Извлечение категорий запроса: Идентификация первого набора категорий, связанных с запросом (используя Query Profile или динамический анализ).
4. Извлечение категорий ТВ-программ: Для каждой доступной программы идентифицируется второй набор категорий (используя Television Program Profile).
5. Расчет корреляции (Scoring): Применение Matching Function для сравнения первого и второго наборов категорий для каждой программы. Генерация оценки (Score).
6. Определение просмотра (Опционально): Система определяет, смотрит ли пользователь ТВ вообще, сравнивая максимальную оценку с пороговым значением. Если порог не достигнут, выполняется стандартный поиск.
7. Выбор предполагаемой программы (Inference): Программы упорядочиваются по оценкам. Программа с наивысшей оценкой выбирается как Inferred Television Program.
8. Определение дополнительных терминов: Система анализирует метаданные выбранной программы для поиска терминов, которые релевантны как программе, так и исходному запросу.
9. Модификация запроса: Дополнительные термины добавляются к исходному запросу.
10. Выполнение поиска: Поиск выполняется с использованием модифицированного запроса, результаты отправляются пользователю.

Какие данные и как использует

Данные на входе

Система использует следующие типы данных:

• Географические факторы: Местоположение электронного устройства (полученное через IP-адрес, GPS или из профиля пользователя). Это используется для фильтрации доступных телепрограмм и каналов.
• Временные факторы: Точное время получения запроса (Time Window). Используется для сопоставления с расписанием трансляций (Show Times).
• Контентные факторы (Метаданные ТВ): Система использует структурированные данные о телепрограммах: название, описание (Program Description), информация об актерах (Cast Information), жанр, связанные термины (Related Terms). Эти данные используются для определения тематических категорий программы.
• Системные данные (Профили запросов): Предварительно рассчитанные тематические категории (Category List) и веса (Weight) для популярных поисковых запросов.

Какие метрики используются и как они считаются

• Weight (Вес категории): Числовое значение, измеряющее релевантность между запросом/программой и определенной тематической категорией. Рассчитывается заранее (офлайн), часто с использованием NLP и анализа Interesting Entities.
• Score (Оценка корреляции): Метрика, рассчитываемая в реальном времени с помощью Matching Function. Она определяет степень сходства между набором категорий запроса и набором категорий телепрограммы. Патент не указывает конкретную формулу, но упоминает, что это может быть любая функция, вычисляющая сходство (например, скалярное произведение векторов категорий).
• Пороговые значения: Минимальная оценка (Score), необходимая для того, чтобы система сделала вывод, что пользователь смотрит ТВ, и активировала модификацию запроса.

1. Контекст окружающей среды как фактор понимания запроса: Патент демонстрирует, что Google активно использует информацию об окружающей пользователя среде (в данном случае — расписание ТВ-трансляций) для интерпретации его намерений в реальном времени. Интент определяется не только текстом запроса, но и ситуацией пользователя.
2. Автоматическая и агрессивная модификация запроса: Если система уверена в контексте, она автоматически и незаметно для пользователя модифицирует запрос, чтобы сделать его более конкретным. Это может привести к значительному изменению поисковой выдачи.
3. Разрешение неоднозначности через контекст: Основная цель механизма — разрешить неоднозначность или общность запроса, предполагая, что он связан с тем, что пользователь видит на экране телевизора (поведение «второго экрана»).
4. Зависимость от структурированных данных и категоризации: Эффективность системы напрямую зависит от качества и полноты структурированных данных о медиаконтенте (метаданные, тематическая классификация) и от качества профилей запросов. Система использует модель сопоставления тематических категорий (Category Lists и Weights).
5. Критичность локации и времени: Геолокация и время являются ключевыми фильтрами для определения релевантного контекста в данном механизме.

Best practices (это мы делаем)

• Мониторинг медиа-событий и Real-Time SEO: Для SEO-специалистов, работающих в медиа-зависимых нишах (спорт, развлечения, потребительские товары), критически важно отслеживать крупные трансляции. Необходимо понимать, что во время этих событий SERP может быть нестабильным из-за контекстуальной модификации запросов.
• Оптимизация под конкретные сущности (Entity Optimization): Поскольку система стремится уточнить общий запрос до конкретной сущности (например, от «машина» до «Ferrari F550»), необходимо убедиться, что контент хорошо оптимизирован под точные названия моделей, имена людей и названия локаций (Interesting Entities), которые могут фигурировать на ТВ.
• Стратегии «Second Screen»: Разрабатывайте контент, который может служить дополнением к популярным телепрограммам или прямым трансляциям. Если ваш сайт предоставляет качественную информацию по теме передачи, он имеет высокие шансы ранжироваться по модифицированным запросам зрителей. Синхронизируйте онлайн-активность с ТВ-кампаниями.
• (Для медиа-компаний и брендов) Обеспечение полноты метаданных: Если вы являетесь поставщиком контента или рекламодателем на ТВ, убедитесь, что метаданные о вашем контенте/продукте точны, детальны и содержат богатый набор ключевых слов и сущностей. Это поможет системе корректно идентифицировать контекст.

Worst practices (это делать не надо)

• Игнорирование контекста реального времени: Полагаться исключительно на статические данные о частотности ключевых слов без учета текущего медиа-контекста. Это может привести к неверной оценке трафика и интента во время пиковых событий.
• Оптимизация только под общие запросы: Создание контента, оптимизированного только под высокочастотные общие запросы, без проработки конкретных сущностей. Система может модифицировать эти запросы, уводя пользователя на сайты, лучше отвечающие уточненному интенту.

Стратегическое значение

Этот патент является ранним индикатором развития Google в сторону контекстного и «окружающего» поиска (Ambient Search). Он подтверждает стратегию Google по интерпретации намерений пользователя, выходя за рамки введенного текста. Для SEO это означает, что понимание ситуации пользователя (время, место, активность, окружающая среда) становится не менее важным, чем анализ самого запроса. Стратегия должна учитывать, как контент вписывается в различные сценарии использования.

Практические примеры

Сценарий: Поиск продукта во время просмотра обзора

1. Ситуация: Пользователь смотрит автомобильное шоу «Top Gear» в Лондоне в 20:00. В шоу идет обзор модели Ferrari F550.
2. Исходный запрос: Пользователь вводит на смартфоне запрос «F550».
3. Анализ контекста: Система определяет время (20:00) и место (Лондон). Она видит, что в это время транслируется «Top Gear».
4. Корреляция: Система сравнивает категории запроса «F550» (может включать автомобили, камеры, грузовики) с категориями «Top Gear» (автомобили, спорткары, обзоры). Корреляция высока.
5. Inference: Система предполагает, что пользователь смотрит «Top Gear».
6. Модификация: Система анализирует метаданные текущего эпизода «Top Gear» и видит упоминание «Ferrari». Она определяет, что «Ferrari» является релевантным дополнительным термином. Запрос модифицируется в «F550 Ferrari».
7. Результат: Пользователь получает выдачу о Ferrari F550, а не о грузовике Ford F-550 или камере Fujifilm F550.