Как Google уточняет границы местности в локальном поиске, комбинируя полигоны, почтовые индексы и значимые центры активности

Термины и определения

Central Location (Центральное местоположение)

Значимое местоположение внутри географического региона, используемое как точка отсчета. Выбирается на основе критериев, независимых от геометрии региона (например, мэрия, центр города, транспортный узел), и может не совпадать с геометрическим центром.

Continuous Piecewise Function (Непрерывная кусочная функция)

Математическая функция, используемая для расчета Polygon Distance Score. Она непрерывна на границе полигона, увеличивается при движении внутрь и уменьшается при движении наружу, обеспечивая плавный переход оценки.

Distance-to-Center Score (Оценка расстояния до центра)

Метрика, основанная на расстоянии между местоположением результата и Central Location.

Geographic Identifier (Географический идентификатор)

Термин в запросе (например, название города), обозначающий целевой географический регион.

Location Relevance Score (Оценка локальной релевантности)

Итоговая оценка, определяющая релевантность результата поиска указанному географическому региону. Основана на комбинации Polygon Distance Score и Distance-to-Center Score.

Polygon (Полигон)

Геометрическая фигура, аппроксимирующая официальные границы географического региона.

Polygon Distance Score (Оценка расстояния до полигона)

Метрика, основанная на расстоянии до ближайшего края полигона. Модифицируется результатами сопоставления почтовых индексов.

Zip Code Match (Сопоставление почтового индекса)

Процесс проверки, входит ли почтовый индекс (Zip Code) результата в список индексов, связанных с целевым географическим регионом.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод ранжирования локальных результатов путем комбинирования двух типов расстояний.

1. Система получает запрос и связанный с ним географический регион, имеющий Central Location и ограничивающий полигон (bounding polygon).
2. Идентифицируются кандидаты, каждый с географическим местоположением.
3. Для каждого кандидата рассчитывается Central Distance Score (на основе расстояния до Central Location).
4. Для каждого кандидата рассчитывается Polygon Distance Score (на основе расстояния до ближайшего края полигона). Эта оценка подвержена ограничению (score limit).
5. Рассчитывается итоговый Location Relevance Score на основе этих двух оценок.
6. Результаты ранжируются.

Claim 2 (Зависимый от 1): Детализирует, как почтовые индексы модифицируют Polygon Distance Score (применение score limit).

1. Определяется, входит ли почтовый индекс кандидата в список индексов региона.
2. Нижний предел (W2): Если индекс входит в список И оценка ниже первого заданного значения (W2), то оценка повышается до W2. (Это механизм "спасения" результатов, находящихся в правильном индексе, но вне неточного полигона).
3. Верхний предел (W3): Если индекс НЕ входит в список И оценка выше второго заданного значения (W3), то оценка понижается до W3. (Это механизм понижения результатов, находящихся в неправильном индексе, но внутри неточного полигона).

Claim 3 (Зависимый от 1): Определяет характеристики функции для расчета Polygon Distance Score.

Используется Continuous Piecewise Function, непрерывная на границе полигона. Функция имеет две части: первая часть увеличивается с расстоянием, когда местоположение находится внутри полигона (чем глубже внутри, тем лучше); вторая часть уменьшается с расстоянием, когда местоположение находится снаружи (чем дальше снаружи, тем хуже).

Claim 4 (Зависимый от 1): Уточняет выбор Central Location.

Central Location выбирается на основе критериев, независимых от геометрии географического региона.

Где и как применяется

Изобретение применяется в системах локального поиска (Google Maps, Local Pack) и затрагивает этапы индексирования и ранжирования.

INDEXING – Индексирование и извлечение признаков
На этом этапе обрабатываются и сохраняются данные, необходимые для работы алгоритма:

• Данные об организациях (Entity Data): физические адреса, почтовые индексы, геокоды.
• Географические данные: полигоны для регионов (Geographic Data), списки связанных почтовых индексов (Zip Code Data), данные о значимых центральных местоположениях (Center of Location Data).

RANKING – Ранжирование (Локальный поиск)
Основное применение патента. На этапе ранжирования система рассчитывает Location Relevance Score для кандидатов.

1. Определение региона и извлечение данных: Система определяет регион из запроса и извлекает соответствующие полигон, индексы и Central Location.
2. Расчет оценок: Для каждого кандидата вычисляются Polygon Distance Score (с модификацией по индексу) и Distance-to-Center Score.
3. Финальное ранжирование: Location Relevance Score используется как ключевой сигнал или множитель (как указано в Claim 6) для других оценок релевантности.

Входные данные:

• Запрос с географическим идентификатором.
• Кандидаты с физическими адресами, индексами и геокоординатами.
• Данные о полигоне региона.
• Список почтовых индексов региона.
• Данные о Central Location региона.

Выходные данные:

• Location Relevance Score для каждого кандидата.

На что влияет

• Конкретные типы контента: Наибольшее влияние на результаты локального поиска (Local Pack, Google Maps), представляющие сущности с физическими адресами (магазины, офисы, достопримечательности).
• Специфические запросы: Влияет на запросы с явным географическим интентом (например, "ресторан в [Город]") и подразумеваемым интентом, где регион определяется контекстом.
• Географические особенности: Критически важно для бизнесов, расположенных вблизи административных границ (городов, районов) или в регионах со сложной структурой почтовых индексов, не совпадающей с границами.

Когда применяется

• Триггеры активации: Алгоритм активируется, когда поисковый запрос содержит Geographic Identifier или подразумевает локальный интент, и система должна оценить локальную релевантность результатов относительно определенного региона.

Пошаговый алгоритм

Процесс расчета Location Relevance Score для одного кандидата:

1. Инициализация и сбор данных: Система определяет целевой регион. Извлекаются данные региона (Полигон P, Список индексов Z_list, Central Location C) и данные кандидата (Местоположение L, Индекс Z_res).
2. Расчет расстояния до полигона (D): Вычисляется расстояние между L и ближайшим краем P. Определяется, находится ли L внутри или снаружи P.
3. Расчет исходной оценки полигона (Score(D)): Применяется Continuous Piecewise Function. Патент приводит пример формулы:

   $$Score(D) = \begin{cases} \sqrt{W^2/(W+D^2)^2} & D<C~\text{(Снаружи)} \\ (1+W) - W\sqrt{w^2/(w+D^2)^2} & D\ge C~\text{(Внутри)} \end{cases}$$

   (Где W и w – настраиваемые веса).
4. Проверка индекса (Zip Code Match): Определяется, присутствует ли Z_res в Z_list.
5. Модификация оценки полигона:
   • Если Z_res в Z_list: Применяется нижний предел $W_2$. Если Score(D) < $W_2$, то Score(D) = $W_2$.
   • Если Z_res не в Z_list: Применяется верхний предел $W_3$. Если Score(D) > $W_3$, то Score(D) = $W_3$.
6. Расчет оценки расстояния до центра (Distance-to-Center Score): Вычисляется расстояние между L и C, и на его основе рассчитывается оценка.
7. Комбинирование оценок: Модифицированный Polygon Distance Score и Distance-to-Center Score комбинируются для получения итогового Location Relevance Score.
8. Ранжирование: Location Relevance Score используется (например, как множитель к другим сигналам релевантности) для ранжирования кандидата.

Какие данные и как использует

Данные на входе

• Географические факторы: Критически важные данные. Физический адрес сущности, геокоординаты (широта/долгота) местоположения сущности. Также используются системные данные о границах региона (Polygon) и координаты Central Location.
• Структурные факторы (Адресные данные): Почтовый индекс (Zip Code) сущности. Также используется список почтовых индексов, ассоциированных с целевым регионом (Zip Code Data Repository).
• Пользовательские факторы: В патенте упоминается, что Central Location может быть определен на основе текущего местоположения пользователя.

Какие метрики используются и как они считаются

• Polygon Distance (D): Расстояние от местоположения сущности до ближайшего края полигона региона.
• Polygon Distance Score: Рассчитывается с помощью Continuous Piecewise Function на основе D (см. формулу в Алгоритме). Оценка увеличивается по мере удаления от края внутрь и уменьшается по мере удаления от края наружу.
• Пороговые значения (Пределы):
  • $W_2$ (Lower Limit): Применяется, если почтовый индекс совпадает. Гарантирует минимальную оценку.
  • $W_3$ (Upper Limit): Применяется, если почтовый индекс не совпадает. Ограничивает максимальную оценку (обычно W3 > W2).
• Distance-to-Center Score: Оценка, основанная на расстоянии до Central Location.
• Location Relevance Score: Итоговая метрика, агрегирующая модифицированный Polygon Distance Score и Distance-to-Center Score.

1. Географическая релевантность — это комбинация факторов: Google не полагается на один источник геоданных. Система использует комбинацию официальных границ (полигоны), почтовых индексов и центров активности для определения принадлежности бизнеса к региону.
2. Почтовые индексы как система коррекции ошибок: Zip Codes используются для корректировки неточностей в данных о границах (полигонах). Совпадение индекса может «спасти» бизнес, находящийся чуть снаружи официальной границы (Lower Limit W2), а несовпадение может понизить бизнес, находящийся внутри границы, но использующий чужой индекс (Upper Limit W3).
3. «Центр» не является геометрическим: Патент явно указывает, что Central Location определяется независимо от геометрии. Это подтверждает, что Google оценивает близость к центрам активности (деловой центр, мэрия, транспортные узлы), а не к математическому центру региона.
4. Непрерывное ранжирование на границах (Fuzzy Boundaries): Использование Continuous Piecewise Function означает, что нет жесткого отсечения на границе региона. Ранжирование меняется плавно, что более справедливо отражает реальность для бизнесов в пограничных зонах.
5. Критичность консистентности геоданных: Для корректного расчета всех метрик необходимо, чтобы физический адрес, почтовый индекс и геокоординаты (пин на карте) были точными и согласованными во всех источниках.

Best practices (это мы делаем)

• Обеспечение абсолютной точности и консистентности NAP+Z: Убедитесь, что Название, Адрес, Телефон (NAP) и Почтовый Индекс (Zip Code) абсолютно одинаковы в Google Business Profile (GBP), на сайте и во всех внешних источниках. Индекс должен строго соответствовать фактическому физическому местоположению.
• Верификация местоположения на карте (Map Pin): Координаты бизнеса (пин на карте) должны точно соответствовать его физическому расположению. Неправильный пин приведет к неверному расчету расстояний до полигона и до центра.
• Анализ центров активности (Central Locations): При анализе конкуренции или выборе локации учитывайте близость не только к геометрическому центру города, но и к его реальным центрам активности (деловым, культурным). Близость к этим точкам может дать преимущество через Distance-to-Center Score.
• Диагностика проблем на границах городов: Если бизнес находится на границе двух регионов, проверьте, какой полигон использует Google и какие почтовые индексы ассоциированы с целевым регионом. Это поможет понять механизмы включения (W2) или исключения (W3), применяемые к бизнесу.

Worst practices (это делать не надо)

• Использование «престижного» индекса при фактическом нахождении в другом месте: Попытка использовать почтовый индекс желаемого региона, находясь физически за его пределами. Система обнаружит расхождение между координатами (Polygon) и индексом и применит верхний предел (W3), понижая Location Relevance Score.
• Ориентация только на геометрический центр: Предположение, что близость к геометрическому центру гарантирует высокие позиции. Система использует контекстуальный Central Location, который может находиться в другом месте.
• Манипуляции с пином на карте: Перемещение пина ближе к центру города при фактическом нахождении на окраине. Это создает несоответствие с верифицированным адресом и индексом, что может привести к проблемам с верификацией и ранжированием.

Стратегическое значение

Этот патент подчеркивает, что для Google локальное ранжирование — это сложная задача верификации и оценки близости в условиях неидеальных данных. Он подтверждает, что физическое присутствие в регионе и точность данных являются основополагающими факторами успеха в Local SEO. Стратегия должна базироваться на реальном географическом положении и обеспечении максимальной консистентности сигналов. Патент объясняет, почему близость (к центру активности или к пользователю) часто является доминирующим фактором локального ранжирования.

Практические примеры

Сценарий 1: Бизнес на границе городов (Спасенный результат - W2)

1. Ситуация: Кафе находится на улице, которая является границей Города А и Города Б. Фактически кафе находится на территории Города Б (снаружи полигона Города А). Однако почтовое отделение присвоило этой стороне улицы индекс Города А.
2. Запрос: «Кафе Город А».
3. Работа системы:
   • Polygon Distance Score: Низкий, так как кафе снаружи полигона Города А.
   • Zip Code Match: Положительный (индекс совпадает с Городом А).
4. Результат: Система применяет нижний предел W2. Polygon Distance Score повышается, что позволяет кафе ранжироваться по запросу в Городе А, несмотря на нахождение за формальной границей полигона.

Сценарий 2: Бизнес внутри границ, но с чужим индексом (Пониженный результат - W3)

1. Ситуация: Автосервис физически расположен на окраине Города А (внутри полигона). Но по историческим причинам он использует почтовый индекс соседнего поселка (Город В).
2. Запрос: «Автосервис Город А».
3. Работа системы:
   • Polygon Distance Score: Высокий, так как сервис внутри полигона Города А.
   • Zip Code Match: Отрицательный (индекс не совпадает с Городом А).
4. Результат: Система применяет верхний предел W3. Polygon Distance Score понижается. Автосервис будет ранжироваться ниже, чем конкуренты, у которых и местоположение, и индекс соответствуют Городу А.