Как Google использует клики и пропуски (skips) для определения, какие слова в запросе можно игнорировать

Термины и определения

Click Evaluation (Оценка по кликам) / Click Count

Метрика положительной оценки правила. Увеличивается, когда пользователь выбирает результат, найденный благодаря применению правила опционализации (т.е. результат не содержит опционализированного термина).

Optionalization Rule (Правило опционализации)

Правило, определяющее, что конкретный термин в запросе может быть помечен как необязательный (optional). Может быть общим или зависеть от контекста (Query Context).

Query Context (Контекст запроса)

Условия, при которых применяется правило. Например, правило может применяться только если в запросе присутствуют другие определенные термины.

Query Log Data (Данные журнала запросов)

Исторические данные, включающие исходные запросы, переписанные запросы, показанные результаты, их ранжирование и выбор пользователя.

Query Term Optionalization (Опционализация термина запроса)

Процесс пометки термина в запросе как необязательного для поиска.

Revised Search Query (Переписанный поисковый запрос)

Модифицированная версия исходного запроса, в которой один или несколько терминов помечены как необязательные согласно правилам опционализации.

Skip Evaluation (Оценка по пропускам) / Skip Count

Метрика отрицательной оценки правила. Увеличивается, когда пользователь пропускает результат, найденный благодаря применению правила опционализации (т.е. результат не содержит опционализированного термина), и выбирает результат, ранжированный ниже.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной механизм оценки правила на основе кликов (Click Evaluation).

1. Система получает доступ к правилам опционализации для конкретного термина.
2. Система анализирует Query Log Data, который содержит: исходный запрос, переписанный запрос (созданный с помощью правила), результаты поиска и выбор пользователя.
3. Определяется, что выбранный пользователем результат был идентифицирован с помощью переписанного запроса.
4. В ответ на это, счетчик кликов (Click Count) для данного правила корректируется (увеличивается).
5. На основе этого счетчика система определяет, использовать ли это правило для будущих запросов.

Claim 9 (Зависимый от 1): Критически важное уточнение условия для засчитывания клика.

Клик засчитывается только при условии, что выбранный результат (или документ по ссылке) НЕ содержит того термина, который был опционализирован правилом. Это доказывает, что именно применение правила позволило найти этот релевантный результат.

Claim 2 (Зависимый от 1): Вводит механизм оценки на основе пропусков (Skip Evaluation).

1. Система ранжирует результаты.
2. Определяется, что результат, ранжированный ВЫШЕ, чем выбранный пользователем результат, был идентифицирован с помощью переписанного запроса.
3. В ответ на это, счетчик пропусков (Skip Count) для данного правила корректируется (увеличивается).

Claim 5 и 6 (Зависимые): Описывают расчет оценки (Score).

Оценка правила основывается на Click Count и Skip Count. Конкретно, оценка базируется на соотношении (i) кликов к (ii) сумме кликов и пропусков.

Claim 4 (Зависимый): Определяет формулу расчета оценки с учетом весовых коэффициентов (W1 для кликов, W2 для пропусков).

Формула расчета оценки:

$\frac{W1(Click Count)}{W1(Click Count) + W2(Skip Count)}$

Claim 7 (Зависимый): Описывает действие по результатам оценки.

Если рассчитанная оценка правила не удовлетворяет пороговому значению (Threshold), правило удаляется из набора правил, используемых для генерации переписанных запросов.

Где и как применяется

Изобретение представляет собой систему валидации и обратной связи, которая используется для улучшения этапа понимания запросов.

QUNDERSTANDING – Понимание Запросов
Это основной этап применения патента. Query Reviser Engine использует набор активных Optionalization Rules для генерации Revised Search Queries в реальном времени. Описанный в патенте механизм оценки (Evaluation) работает офлайн и отвечает за поддержку качества этого набора правил, удаляя неэффективные.

RANKING – Ранжирование
Search Engine использует как исходный запрос, так и Revised Search Queries для поиска и ранжирования результатов в индексе.

RERANKING / METASEARCH (Косвенно)
Результаты, полученные по разным версиям запроса, объединяются и ранжируются для показа пользователю. Именно взаимодействие пользователя (клики и пропуски) с этой финальной выдачей (SERP) собирается в Query Log Data и служит входными данными для механизма оценки.

Входные данные:

• Набор существующих Optionalization Rules.
• Query Log Data, включающий: исходные запросы, примененные правила, сгенерированные переписанные запросы, показанные результаты, ранг каждого результата, идентификатор выбранного пользователем результата.
• Контент результатов поиска (или индексированных документов) для проверки наличия/отсутствия опционализированных терминов.

Выходные данные:

• Обновленные метрики для правил: Click Count, Skip Count.
• Рассчитанные оценки (Scores) для правил.
• Очищенный набор Optionalization Rules (правила с низкой оценкой удалены).

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на многословные запросы (long-tail) и запросы с модификаторами (прилагательными, уточнениями), где не всегда очевидно, какие термины являются критически важными для интента, а какие можно игнорировать.
• Типы контента: Влияет на все типы контента, так как механизм работает на уровне интерпретации запроса.

Когда применяется

• Применение правил: Происходит в реальном времени при обработке поискового запроса, если для терминов запроса существуют активные Optionalization Rules (с оценкой выше порога).
• Оценка правил (Evaluation): Происходит офлайн путем периодической обработки накопленных Query Log Data.
• Условия срабатывания оценки: Для засчитывания клика или пропуска необходимо выполнение строгих условий: результат должен быть найден благодаря правилу, и опционализированный термин должен отсутствовать в результате/документе (согласно Claim 9 и описанию).

Пошаговый алгоритм

Процесс оценки правил опционализации (Офлайн-процесс).

1. Доступ к правилам: Система идентифицирует правила опционализации, подлежащие оценке.
2. Доступ к логам запросов: Извлекаются исторические данные (Query Log Data) о сессиях, где применялись эти правила. Для каждой сессии известно: исходный запрос, переписанный запрос, показанная выдача, ранжирование и выбор пользователя.
3. Анализ кликов (Click Evaluation):
   1. Система определяет, был ли выбранный пользователем результат найден с помощью переписанного запроса.
   2. Система проверяет контент выбранного результата (или документа), чтобы убедиться, что опционализированный термин в нем ОТСУТСТВУЕТ (согласно Claim 9).
   3. Если оба условия выполнены, Click Count для правила увеличивается.
4. Анализ пропусков (Skip Evaluation):
   1. Система анализирует результаты, которые были ранжированы ВЫШЕ, чем выбранный пользователем результат.
   2. Для каждого такого результата проверяется, был ли он найден с помощью переписанного запроса И отсутствует ли в нем опционализированный термин.
   3. Если условия выполнены (т.е. результат был сгенерирован правилом и пропущен пользователем), Skip Count для правила увеличивается.
5. Расчет оценки (Score Calculation): Для каждого правила вычисляется оценка на основе агрегированных Click Count и Skip Count с использованием весовых коэффициентов W1 и W2 по формуле: (W1*Clicks) / (W1*Clicks + W2*Skips).
6. Применение порога и корректировка правил: Рассчитанная оценка сравнивается с пороговым значением (Threshold). Если оценка ниже порога, правило деактивируется или удаляется из системы.

Какие данные и как использует

Данные на входе

• Поведенческие факторы: Являются основными данными для этого патента. Используются данные из Query Log Data: клики (user selections) и пропуски (skips, определяемые как невыбор более высоко ранжированного результата).
• Контентные факторы: Система должна анализировать содержание поискового результата или индексированного документа. Это необходимо для верификации того, присутствует ли в нем термин, который был опционализирован правилом (согласно Claim 9).

Какие метрики используются и как они считаются

• Click Count: Счетчик положительных исходов применения правила.
• Skip Count: Счетчик отрицательных исходов применения правила.
• Weights (W1, W2): Весовые коэффициенты, определяющие значимость кликов и пропусков. В патенте упоминается возможность использования разных весов (например, клик может быть важнее пропуска или наоборот).
• Score (Оценка): Вычисляемая метрика эффективности правила. Рассчитывается как взвешенное соотношение кликов к общему числу взаимодействий (клики + пропуски).
• Threshold (Порог): Минимальное значение Score, необходимое для того, чтобы правило осталось активным в системе.

1. Обратная связь для понимания запросов: Патент описывает механизм самообучения и валидации для компонента Query Understanding. Google не просто создает правила интерпретации запросов, но и постоянно проверяет их эффективность на реальных данных о поведении пользователей.
2. Строгое определение Clicks и Skips: Ключевым моментом (Claim 9) является то, что клик или пропуск засчитываются для правила только тогда, когда опционализированный термин отсутствует в результате. Это позволяет точно измерить влияние именно этого правила, изолируя его от других факторов ранжирования.
3. Автоматическое удаление плохих правил: Система спроектирована так, чтобы автоматически избавляться от правил опционализации, которые приводят к появлению нерелевантных результатов в топе выдачи (что подтверждается высоким Skip Count).
4. Приоритет интента над лексическим соответствием: Механизм подтверждает философию Google, согласно которой точное совпадение ключевых слов не всегда необходимо. Если пользователи своими кликами подтверждают, что результат релевантен даже без некоторых слов из запроса, система учится игнорировать эти слова в будущем.
5. Контекстная зависимость: Правила могут быть контекстно-зависимыми, и их оценка также происходит в рамках этого контекста. Слово может быть необязательным в одном контексте, но критически важным в другом.

Best practices (это мы делаем)

• Фокус на удовлетворении основного интента (Core Intent): Убедитесь, что страница полностью отвечает на основное намерение пользователя, стоящее за запросом. Если ваш контент удовлетворяет интент лучше конкурентов, система может предпочесть его, даже если он не содержит всех модификаторов или второстепенных слов из запроса, при условии, что Google научится (через этот механизм) считать эти слова опциональными.
• Оптимизация под вовлеченность (Engagement): Работайте над повышением CTR и снижением показателей отказов/пропусков (pogo-sticking). Положительные поведенческие сигналы служат для Google подтверждением того, что их интерпретация запроса (включая любые примененные опционализации, которые привели к показу вашей страницы) была верной.
• Создание комплексного контента: Разрабатывайте контент, который охватывает тему широко. Это повышает вероятность того, что страница будет релевантна как для точного запроса, так и для его опционализированных версий.

Worst practices (это делать не надо)

• Исключительный фокус на точном соответствии ключевых слов (Exact Match): Стратегии, основанные только на лексическом соответствии длинным запросам без учета основного интента, рискованны. Если Google решит, что часть запроса опциональна, такие страницы могут проиграть более общим, но более релевантным по интенту результатам.
• Использование вводящих в заблуждение сниппетов (Clickbait): Создание заголовков и описаний, которые привлекают клик, но не соответствуют содержанию страницы, приведет к быстрому возврату пользователя в выдачу (pogo-sticking/skip). Этот патент показывает, как такие пропуски используются для оценки качества интерпретации запроса.
• Создание тонкого контента под узкие запросы: Создание множества страниц под каждую вариацию запроса может быть неэффективным, если система объединит эти вариации через опционализацию терминов.

Стратегическое значение

Патент подтверждает критическую важность поведенческих факторов в современных поисковых системах, но не как прямого фактора ранжирования, а как механизма обратной связи для обучения и валидации алгоритмов Query Understanding. Стратегически, это означает, что SEO должно быть направлено на глубокое понимание и удовлетворение намерений пользователя. Google стремится найти лучший ответ, и если пользователи сигнализируют, что определенные слова в запросе не важны для нахождения этого ответа, Google научится их игнорировать.

Практические примеры

Сценарий: Оценка правила опционализации для коммерческого запроса

1. Исходный запрос: "Красные кожаные туфли на высоком каблуке купить онлайн".
2. Правило (Тестируется): Опционализировать "онлайн" в контексте "купить". Переписанный запрос: "Красные кожаные туфли на высоком каблуке купить (онлайн: optional)".
3. Результат А (Топ-1): Страница крупного интернет-магазина. Найдена по переписанному запросу. Термин "онлайн" на странице отсутствует.
4. Результат Б (Топ-5): Страница агрегатора локальных магазинов.
5. Поведение пользователя 1 (Click): Пользователь кликает на Результат А. Система увеличивает Click Count для правила, так как опционализация была полезна (термин "онлайн" отсутствовал в результате А).
6. Поведение пользователя 2 (Skip): Пользователь пролистывает Результат А и кликает на Результат Б. Система увеличивает Skip Count для правила, так как Результат А был пропущен (и термин "онлайн" в нем отсутствовал).
7. Итог: Если большинство пользователей ведут себя как Пользователь 1, правило останется в системе. Если как Пользователь 2, правило будет удалено, и Google будет считать термин "онлайн" более важным в этом контексте.