Google использует систему для объективной оценки вовлеченности пользователей (времени сессии) с учетом тематики сайта. Вместо использования сырых данных система сравнивает среднее время сессии на сайте с показателями других сайтов в тех же категориях. Это позволяет рассчитать нормализованную оценку "Duration Performance Score", которая учитывает специфику ниши и используется в ранжировании. Также система повышает вес сессий, начавшихся с прямого захода на сайт.

Описание

Какую проблему решает

Патент решает проблему необъективности использования сырых поведенческих метрик, таких как продолжительность сессии (Dwell Time или Time on Site), для оценки качества сайтов. Ожидаемое время взаимодействия сильно зависит от тематики: долгое пребывание на сайте с видеоконтентом — это норма, а на сайте-справочнике может указывать на проблемы с поиском информации. Изобретение устраняет эту неоднозначность, вводя механизм нормализации данных о продолжительности сессий в контексте специфических категорий сайта.

Что запатентовано

Запатентована система для вычисления нормализованной оценки вовлеченности пользователей — Duration Performance Score (DPS). Система собирает данные о длительности пользовательских сессий на сайте, определяет его тематические категории и вычисляет, насколько показатели длительности сайта лучше или хуже эталонных значений (бенчмарков) для этих категорий. Итоговая оценка отражает качество взаимодействия с сайтом с поправкой на его тематическую нишу.

Как это работает

Система работает в несколько этапов:

  • Сбор данных и расчет WDS: Для каждого сайта измеряется продолжительность сессий и вычисляется общая оценка Website Duration Score (WDS), например, медианное время. При этом могут применяться корректировки: дисконтирование времени последнего клика и бустинг сессий от прямого трафика.
  • Расчет бенчмарков (CWCDS): Для каждой тематической категории вычисляется эталонный показатель Cross-Website Category Duration Score (CWCDS), основанный на WDS всех сайтов в этой категории.
  • Нормализация (CDS): WDS сайта сравнивается с CWCDS для каждой категории, к которой он принадлежит, получая Category Duration Score (CDS).
  • Агрегация (DPS): Все CDS агрегируются в итоговый Duration Performance Score (DPS), возможно, с учетом весов категорий (Category Weights).

Актуальность для SEO

Высокая. Оценка удовлетворенности пользователей и качества взаимодействия является ключевым направлением развития поиска. Нормализация поведенческих сигналов критически важна для их объективного использования в машинном обучении. Учитывая, что одним из изобретателей является Navneet Panda (связанный с алгоритмами Panda и Helpful Content System), этот механизм, вероятно, интегрирован в современные системы оценки качества сайтов.

Важность для SEO

Патент имеет высокое значение для SEO (8/10). Он подтверждает использование поведенческих факторов (продолжительности сессий) как сигнала качества сайта, но подчеркивает, что Google использует не сырые данные, а сложную систему нормализации. Это означает, что SEO-специалистам необходимо фокусироваться на реальном удовлетворении интента и обеспечении положительного опыта взаимодействия, который будет выделяться на фоне конкурентов в той же тематической нише, а также на развитии прямого трафика.

Детальный разбор

Термины и определения

Category Duration Score (CDS) (Оценка продолжительности по категории)
Нормализованная оценка для сайта в рамках одной категории. Вычисляется путем сравнения WDS сайта с CWCDS категории.
Category Weight (Вес категории)
Мера силы ассоциации категории с веб-сайтом. Используется для масштабирования CDS.
Cross-Website Category Duration Score (CWCDS) (Межсайтовая оценка продолжительности по категории)
Эталонное значение (бенчмарк) длительности сессий для определенной категории. Вычисляется на основе WDS всех сайтов в этой категории (например, медиана).
Direct User Input (Прямой ввод пользователя)
Ввод адреса ресурса (URL) напрямую в адресную строку или через закладки. Сессии, начавшиеся таким образом, могут получать повышение (boost).
Duration Measurement (Измерение продолжительности)
Время, которое проходит между запросом одного ресурса пользовательским устройством и запросом другого ресурса.
Duration Performance Score (DPS) (Оценка производительности по продолжительности)
Итоговая нормализованная оценка вовлеченности для веб-сайта. Вычисляется путем агрегации CDS по всем категориям сайта.
Navigation Logs (Журналы навигации)
Данные о действиях пользователей (клики, переходы, временные метки). Источник данных для измерения продолжительности.
Session / User Device Session Visits (Сессия)
Последовательность посещений ресурсов одного веб-сайта без промежуточного посещения ресурса другого веб-сайта.
Website Duration Score (WDS) (Оценка продолжительности веб-сайта)
Сырая (до нормализации) метрика, пропорциональная измерениям продолжительности сессий для сайта (например, медианное время сессии).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод вычисления нормализованной оценки продолжительности.

  1. Расчет WDS: Для множества сайтов собираются duration measurements сессий и вычисляется Website Duration Score (WDS).
  2. Расчет бенчмарков (CWCDS): Для каждой категории определяется Cross-Website Category Duration Score (CWCDS) на основе WDS сайтов в этой категории. CWCDS служит эталоном.
  3. Оценка сайта:
    • Определяются категории сайта.
    • Для каждой категории вычисляется Category Duration Score (CDS) путем сравнения WDS сайта и CWCDS категории.
    • Вычисляется итоговый Duration Performance Score (DPS) на основе CDS.

Claim 5 (Зависимый от 1): Детализирует расчет продолжительности сессии (и, следовательно, WDS).

Система дисконтирует (discounting) измерение продолжительности, сгенерированное, когда пользователь запрашивает ресурс с сайта, а затем запрашивает ресурс с другого сайта (т.е. последний визит в сессии перед уходом). Это делается для фильтрации шума («коротких кликов» или случайно оставленных открытых вкладок).

Claim 6 (Зависимый от 1): Дополнительная деталь расчета.

Измерения могут включать prior visited duration time — время, проведенное на последнем ресурсе другого сайта непосредственно перед переходом на текущий сайт.

Claim 7 (Независимый пункт): Описывает конкретный метод агрегации CDS в DPS.

Итоговый DPS рассчитывается на основе:

  1. Подсчета количества CDS, которые соответствуют порогу (например, выше бенчмарка).
  2. Общего количества CDS сайта.

DPS определяется соотношением этих чисел (например, сайт превысил порог в 6 из 10 категорий, DPS = 0.6).

Claim 8 (Независимый пункт): Описывает механизм повышения (boosting) для прямых заходов.

Система повышает (boosts) измерения продолжительности, сгенерированные в ответ на Direct User Input (прямой ввод адреса). При этом измерения, сгенерированные в ответ на выбор результата поиска, НЕ повышаются. Это критически важное утверждение, подчеркивающее ценность прямого трафика как сигнала качества.

Claims 2 и 3 (Зависимые): Вводят понятие весов категорий.

Система использует Category Weight (меру силы ассоциации категории с сайтом) при расчете CDS, например, путем перемножения оценки и веса. Это позволяет учитывать релевантность категории для сайта.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, используя данные о поведении пользователей для расчета метрик, влияющих на индексирование и ранжирование.

CRAWLING – Сканирование и Сбор данных
В патенте указано, что Duration Performance Scores могут использоваться для определения приоритетов сканирования, обновления или добавления ресурсов в индекс, тем самым эффективно распределяя краулинговый бюджет.

INDEXING – Индексирование и извлечение признаков
Основная часть вычислений происходит на этом этапе в офлайн-режиме. Система обрабатывает Navigation Logs для сбора данных о сессиях. Вычисляются WDS, CWCDS, CDS и DPS. Итоговый DPS сохраняется как признак сайта (Site Data).

RANKING – Ранжирование / RERANKING – Переранжирование
Рассчитанный DPS используется Ranking Engine как один из сигналов качества сайта при ранжировании его ресурсов. Патент также упоминает возможность динамического расчета DPS во время запроса (at query time), учитывая только категории, релевантные текущей поисковой сессии пользователя.

Входные данные:

  • Navigation Logs и Query Logs (данные о сессиях, продолжительности, источниках переходов).
  • Category Data (категоризация сайтов и Category Weights).

Выходные данные:

  • Duration Performance Score (DPS) для веб-сайта (общий или специфичный для запроса).

На что влияет

  • Все типы контента и тематики: Алгоритм универсален благодаря механизму нормализации. Он позволяет корректно оценивать сайты в нишах как с естественной низкой продолжительностью сеанса (словари, погода), так и с высокой (лонгриды, видео).
  • Оценка качества сайта: DPS является сильным индикатором качества пользовательского опыта (UX) и вовлеченности, нормализованным по нише.

Когда применяется

  • Частота применения: Расчет метрик (WDS, CWCDS, DPS) происходит периодически в офлайн-режиме по мере накопления данных. Использование DPS происходит при каждом запросе на этапе ранжирования.
  • Условия работы: Требуется наличие достаточного объема статистических данных о поведении пользователей для сайта и его категорий.
  • Специфические условия: Активация дисконтирования последнего клика (Claim 5) и бустинг прямых заходов (Claim 8) применяются во время расчета продолжительности сессий.

Пошаговый алгоритм

Процесс вычисления Duration Performance Score (DPS).

Этап 1: Сбор и обработка измерений продолжительности

  1. Сбор данных: Из Navigation Logs извлекаются данные о пользовательских сессиях (посещения одного сайта без перерыва на другой).
  2. Измерение и корректировка: Для каждого посещения фиксируется время до следующего запроса. Применяются корректировки:
    • Бустинг прямых входов (Claim 8): Если сессия началась с Direct User Input, измерение продолжительности увеличивается (например, умножается на коэффициент).
    • Учет предыдущего времени (Claim 6): Может добавляться время, проведенное на предыдущем сайте.
    • Дисконтирование последнего визита (Claim 5): Время, проведенное на последнем ресурсе перед уходом с сайта, может быть исключено или уменьшено.
  3. Агрегация сессий: Для каждого сайта вычисляется общее скорректированное время для каждой сессии.

Этап 2: Расчет сырых оценок и бенчмарков

  1. Расчет Website Duration Score (WDS): Для каждого сайта вычисляется WDS на основе агрегированных времен сессий (например, медианное время).
  2. Расчет Cross-Website Category Duration Score (CWCDS): Для каждой категории вычисляется CWCDS — эталонное значение (например, медиана или 50-й перцентиль) WDS всех сайтов в этой категории.

Этап 3: Нормализация и расчет итоговой оценки

  1. Определение категорий и весов: Для целевого сайта определяется список категорий и Category Weights.
  2. Расчет Category Duration Score (CDS): Для каждой категории WDS сайта сравнивается с CWCDS категории.
    • Это может быть бинарная оценка (1, если WDS выше порога; 0, если ниже) или перцентильный ранг.
  3. Масштабирование по весам (Claims 2, 3): CDS может быть умножен на Category Weight.
  4. Расчет Duration Performance Score (DPS): Итоговая оценка DPS вычисляется путем агрегации всех CDS сайта. Например, как отношение числа категорий, где порог превышен, к общему числу категорий сайта (Claim 7).

Выводы

  1. Поведенческие факторы нормализуются по категориям: Google не использует сырые данные о времени на сайте напрямую. Система сравнивает показатели сайта с бенчмарками (CWCDS) для его конкретных тематических категорий. Это позволяет объективно оценить вовлеченность с учетом специфики ниши.
  2. Приоритет брендового и прямого трафика (Claim 8): Патент явно описывает механизм повышения (boosting) продолжительности для сессий, инициированных прямым вводом URL. Время, проведенное лояльными пользователями, имеет больший вес в расчете DPS, чем время пользователей из поиска.
  3. Измерение осмысленного взаимодействия и фильтрация шума (Claim 5): Система стремится измерить качественное взаимодействие. Дисконтирование времени последнего посещения в сессии помогает отфильтровать шум (например, «короткие клики» или оставленные открытыми вкладки).
  4. Важность категоризации и весов (Claims 2, 3): То, как Google классифицирует сайт и насколько сильна связь с категорией (Category Weight), напрямую влияет на расчет DPS. Производительность в основных категориях важнее, чем в периферийных.
  5. Многоцелевое использование DPS: Рассчитанная оценка используется не только для ранжирования, но и для управления ресурсами поисковой системы (например, распределение краулингового бюджета).

Практика

Best practices (это мы делаем)

  • Фокус на вовлеченности относительно конкурентов: Ключевая задача — обеспечить уровень вовлеченности (продолжительность и глубину сессии) выше среднего по вашей категории (превышать CWCDS). Необходимо понимать типичное поведение пользователей в вашей нише и оптимизировать UX под него.
  • Развитие бренда и стимулирование прямого трафика: Инвестируйте в узнаваемость бренда и лояльность аудитории. Патент явно указывает на бустинг (Claim 8) для сессий, начавшихся с Direct User Input. Это напрямую улучшает Duration Performance Score.
  • Оптимизация пути пользователя (User Journey): Стимулируйте продолжение сессии, предлагая релевантные материалы, используя качественную внутреннюю перелинковку и удобную навигацию. Это увеличивает Website Duration Score (WDS).
  • Обеспечение четкой тематической направленности: Убедитесь, что контент и структура сайта четко соответствуют основным категориям. Это поможет системе корректно классифицировать сайт и присвоить адекватные Category Weights, что критично для расчета DPS.

Worst practices (это делать не надо)

  • Искусственное затягивание сессии: Использование кликбейта, запутанной навигации или разбивки контента на множество страниц без необходимости. Система стремится измерить качественное взаимодействие; если пользователь долго не может найти ответ, это может негативно сказаться на других метриках удовлетворенности.
  • Игнорирование специфики ниши: Применение общих советов по увеличению времени на сайте без учета того, какое поведение является нормой в вашей категории.
  • Размытие тематики сайта: Создание контента по слишком большому количеству несвязанных тем может привести к тому, что сайт будет оцениваться по категориям, где он неконкурентоспособен, или получит низкие Category Weights, что ухудшит итоговый DPS.
  • Фокус только на трафике из поиска: Игнорирование работы с прямым трафиком лишает сайт возможности получить бустинг, описанный в Claim 8.

Стратегическое значение

Патент подтверждает стратегическую важность поведенческих факторов в оценке качества сайтов Google и демонстрирует сложный механизм их интерпретации. Для SEO это означает, что долгосрочная стратегия должна быть направлена на реальное улучшение пользовательского опыта в контексте конкретной ниши и построение сильного бренда. Система оценки качества (учитывая авторство Navneet Panda) использует эти нормализованные поведенческие сигналы для определения полезности контента (Helpful Content).

Практические примеры

Сценарий 1: Нормализация оценки для сайта словаря и сайта с видео

  1. Сайт А (Словарь): WDS = 45 секунд. CWCDS категории «Словари» = 30 секунд.
  2. Сайт Б (Видео): WDS = 15 минут. CWCDS категории «Видео» = 12 минут.
  3. Расчет CDS:
    • Сайт А: WDS (45с) > CWCDS (30с). Оценка выше среднего.
    • Сайт Б: WDS (15м) > CWCDS (12м). Оценка выше среднего.
  4. Результат: Несмотря на огромную разницу в абсолютном времени, оба сайта получают высокий Duration Performance Score (DPS), так как они оба показывают вовлеченность выше среднего в своих категориях.

Сценарий 2: Влияние прямого трафика (Claim 8)

  1. Сайт В (SEO-проект): 95% трафика из поиска. Измеренный WDS = 120 секунд.
  2. Сайт Г (Известный бренд): 50% трафика из поиска, 50% — прямой трафик. Измеренный WDS = 120 секунд.
  3. Применение Boosting: Система применяет коэффициент повышения (например, 1.5x) к продолжительности сессий из прямого трафика для Сайта Г.
  4. Скорректированный WDS: WDS Сайта Г для расчета DPS будет значительно выше, чем у Сайта В, даже при одинаковом измеренном времени.
  5. Результат: Сайт Г получит более высокий Duration Performance Score за счет большей доли лояльной аудитории.

Вопросы и ответы

Использует ли Google время на сайте (Dwell Time) как фактор ранжирования?

Да, но в сложном виде. Патент показывает, что Google использует метрики продолжительности сессий, но они проходят глубокую нормализацию. Система рассчитывает Duration Performance Score (DPS), который сравнивает время сессии на вашем сайте с бенчмарками других сайтов в этой же тематической категории. Сырые данные напрямую не используются.

Что такое Cross-Website Category Duration Score (CWCDS)?

Это бенчмарк или эталонное значение длительности сессии для определенной тематической категории. Например, если CWCDS для категории "Новости" составляет 2 минуты, это означает, что медианное (или среднее) время сессии для всех сайтов в этой категории равно 2 минутам. Ваш сайт будет сравниваться с этим значением для оценки его эффективности.

Что важнее: иметь высокое абсолютное время сессии или быть лучше конкурентов?

Важнее быть лучше конкурентов в вашей категории. Цель состоит в том, чтобы ваш Website Duration Score (WDS) был выше бенчмарка категории (CWCDS). Если в вашей нише нормальны короткие сессии (например, сайты погоды), вам не нужно искусственно затягивать время; вам нужно обеспечить лучший опыт в рамках этих коротких сессий по сравнению с другими.

Как патент учитывает "короткие клики" или быстрые отказы (bounces)?

Патент предлагает механизм дисконтирования (Claim 5). Время, проведенное на последней странице перед уходом с сайта на другой сайт, может быть исключено или его вес уменьшен при расчете общего времени сессии. Это помогает фильтровать шум и снижает влияние быстрых отказов или случайно оставленных открытых вкладок на общую оценку.

Влияет ли прямой трафик на эти метрики?

Да, очень значительно. Патент (Claim 8) описывает механизм бустинга (повышения) измерений продолжительности для сессий, которые начались с прямого ввода URL (Direct User Input), по сравнению с сессиями из поиска. Это подчеркивает огромную важность развития бренда и лояльности аудитории для SEO.

Как быть, если мой сайт охватывает много разных тематик?

Система оценит ваш сайт в каждой категории отдельно, рассчитав Category Duration Score (CDS) для каждой из них. Итоговый DPS будет агрегацией этих оценок. Например, система может посчитать процент категорий, в которых вы превышаете бенчмарк (Claim 7). Также учитываются Category Weights, чтобы придать больший вес основным темам сайта.

Влияет ли этот патент только на ранжирование?

Нет. В патенте явно указано, что Duration Performance Score используется также для управления ресурсами поисковой системы. Сайты с высоким DPS могут получать приоритет при сканировании, индексировании и обновлении контента, что влияет на распределение краулингового бюджета.

Какова связь этого патента с E-E-A-T и Helpful Content System (HCS)?

Связь прямая. Одним из авторов является Navneet Panda. Duration Performance Score служит измеримым, нормализованным сигналом удовлетворенности пользователей и полезности контента. Если пользователи проводят на сайте больше времени, чем ожидается для данной категории, это сильный индикатор того, что контент полезен (Helpful) и соответствует принципам E-E-A-T.

Может ли Google рассчитать эту оценку динамически во время запроса?

Да, в патенте описан такой вариант. Если поисковая система определяет, что текущая сессия пользователя связана с определенными категориями (например, «Кино»), она может рассчитать DPS на лету, используя только Category Duration Scores для этих категорий, игнорируя остальные. Это позволяет адаптировать оценку качества под текущий контекст.

Стоит ли разбивать статьи на много страниц (пагинация), чтобы увеличить время сессии?

Это плохая практика, если она используется только для увеличения метрик. Хотя это может незначительно увеличить сырое время (WDS), это часто ухудшает пользовательский опыт и может привести к увеличению отказов. Лучше сосредоточиться на предоставлении ценности на одной странице и стимулировании перехода к другим релевантным материалам на сайте (увеличении глубины сессии).

Похожие патенты

Как Google нормализует поведенческие сигналы (Dwell Time), калибруя показатели «короткого» и «длинного» клика для разных категорий сайтов
Google использует механизм для устранения предвзятости в поведенческих сигналах, таких как продолжительность клика (Dwell Time). Поскольку пользователи взаимодействуют с разными типами контента по-разному, система определяет, что считать «коротким кликом» и «длинным кликом» отдельно для каждой категории (например, Новости, Недвижимость, Словари). Это позволяет более точно оценивать качество ресурса, сравнивая его показатели с нормами его конкретной ниши.
  • US8868565B1
  • 2014-10-21

  • Поведенческие сигналы

  • SERP

Как Google использует время взаимодействия пользователя с сайтом (Dwell Time) для расчета оценки качества всего сайта
Google использует агрегированные данные о продолжительности визитов пользователей на сайт для расчета метрики качества этого сайта (Site Quality Score). Система измеряет время взаимодействия (включая Dwell Time — время от клика в выдаче до возврата обратно), фильтрует аномальные визиты и нормализует данные по типам контента. Итоговая оценка используется как независимый от запроса сигнал для ранжирования и принятия решений об индексировании.
  • US9195944B1
  • 2015-11-24

  • Поведенческие сигналы

  • Индексация

  • SERP

Как Google персонализирует поисковую выдачу, анализируя историю кликов и поведение пользователя на сайте
Google использует механизм для персонализации поисковой выдачи на основе истории взаимодействия пользователя с результатами поиска. Система отслеживает, какие сайты пользователь выбирает, как долго он на них остается (Dwell Time), частоту и контекст выбора. Основываясь на этих данных, предпочитаемые пользователем ресурсы повышаются в ранжировании при его последующих запросах.
  • US9037581B1
  • 2015-05-19

  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google рассчитывает «сигнал конкурентоспособности» (Competition Signal) страниц на основе анализа кликов, показов и времени взаимодействия
Google оценивает качество страниц, анализируя их «победы» и «поражения» в поисковой выдаче. Система сравнивает, как часто пользователи выбирают данный URL вместо других и как долго они взаимодействуют с контентом по сравнению с конкурентами (Dwell Time). На основе этих данных рассчитывается корректирующий фактор, который повышает или понижает позиции страницы, отражая её относительную конкурентоспособность и удовлетворенность пользователей.
  • US9020927B1
  • 2015-04-28

  • Поведенческие сигналы

  • SERP

  • EEAT и качество

Как Google комбинирует поведенческие сигналы из разных поисковых систем для улучшения ранжирования
Google использует механизм для улучшения ранжирования путем объединения данных о поведении пользователей (клики и время взаимодействия) из разных поисковых систем (например, Веб-поиск и Поиск по Видео). Если в основной системе данных недостаточно, система заимствует данные из другой, применяя весовой коэффициент и фактор сглаживания для контроля смещения и обеспечения релевантности.
  • US8832083B1
  • 2014-09-09

  • Поведенческие сигналы

  • SERP

Популярные патенты

Как Google генерирует интерактивные и иерархические Sitelinks на основе структуры и популярности разделов сайта
Google анализирует навигационную иерархию сайта (DOM), популярность ссылок и глубину разделов для создания интерактивного представления ресурса (расширенных Sitelinks) в SERP. Это позволяет пользователям просматривать ключевые категории и вложенные ссылки через интерфейс вкладок, не покидая страницу результатов поиска.
  • US9348846B2
  • 2016-05-24

  • Структура сайта

  • SERP

  • Ссылки

Как Google использует историю кликов пользователей для определения интента, связанного с физическим адресом, и таргетинга рекламы
Google анализирует, какие поисковые запросы исторически приводят к наибольшему количеству кликов по бизнесам, расположенным по определенному адресу. Когда пользователь ищет этот адрес (или смотрит его на карте), Google использует этот «Самый популярный поисковый термин» (Most-Popular Search Term), чтобы определить намерение пользователя и показать релевантную информацию и рекламу.
  • US20150261858A1
  • 2015-09-17

  • Local SEO

  • Семантика и интент

  • Поведенческие сигналы

Как Google использует реальные данные о скорости загрузки страниц (RUM) для повышения быстрых и понижения медленных сайтов в выдаче
Google собирает данные о времени загрузки страниц у реальных пользователей (RUM) и использует их для корректировки ранжирования. Система сравнивает скорость сайта с глобальными порогами, основанными на процентилях. Если сайт медленнее большинства других (например, медленнее 85% или 96%), его рейтинг понижается. Очень быстрые сайты могут получать повышение. Оценка скорости учитывает географию и тип устройства пользователя.
  • US8645362B1
  • 2014-02-04

  • Техническое SEO

  • Поведенческие сигналы

  • SERP

Как Google автоматически распознает сущности в тексте и связывает их в Knowledge Graph с помощью динамических поисковых ссылок
Google использует автоматизированную систему для поддержания связей между сущностями (объектами) в своем хранилище фактов (Knowledge Graph). Система сканирует текст, статистически определяет значимые фразы и сверяет их со списком известных объектов. При совпадении создается динамическая «поисковая ссылка» вместо фиксированного URL. Это позволяет Google постоянно обновлять связи по мере добавления новых знаний.
  • US8260785B2
  • 2012-09-04

  • Knowledge Graph

  • Семантика и интент

  • Ссылки

Как Google создает мгновенные интерактивные результаты на SERP, предварительно загружая и персонализируя скрытый контент
Google использует механизм для создания интерактивных блоков ответов (Answer Boxes), таких как Погода или Панели Знаний. Система отправляет пользователю не только видимый результат, но и дополнительный скрытый контент («карточки»), выбранный на основе истории взаимодействий пользователя. При взаимодействии с блоком (свайп или клик) дополнительный контент отображается мгновенно, без отправки нового запроса на сервер.
  • US9274683B2
  • 2016-03-01

  • SERP

  • Персонализация

  • Поведенческие сигналы

Как Google использует вероятностные модели и анализ пользовательского выбора (кликов) для обучения систем ранжирования
Патент Google описывает метод эффективного ранжирования контента (видео или результатов поиска) с использованием парных сравнений. Система моделирует качество как вероятностное распределение и оптимизирует сбор данных. Этот механизм может применяться для интерпретации кликов в поисковой выдаче как сигналов предпочтения, учитывая позицию результата и доверие к пользователю.
  • US8688716B1
  • 2014-04-01

  • SERP

  • Поведенческие сигналы

Как Google использует контекст внешних страниц для понимания и идентификации видео и аудио контента
Google анализирует внешние веб-страницы, которые ссылаются на медиафайлы или встраивают их (например, видео YouTube). Система извлекает метаданные из контекста этих страниц — заголовков, окружающего текста, URL. Надежность данных проверяется частотой их повторения на разных сайтах. Эта информация используется для улучшения понимания содержания медиафайла и повышения эффективности систем идентификации контента (Content ID).
  • US10318543B1
  • 2019-06-11

  • Ссылки

  • Индексация

  • Мультимедиа

Как Google выбирает, сортирует и форматирует динамические Sitelinks на основе типа контента и свежести страниц
Патент Google описывает систему генерации Sitelinks (саб-ссылок), которые ведут непосредственно на конечный контент (статьи, видео, товары), а не на разделы сайта. Система определяет категорию контента и применяет специфические правила сортировки (например, по свежести для новостей), которые отличаются от стандартного ранжирования. Также используется специальное форматирование для улучшения навигации в SERP.
  • US9081832B2
  • 2015-07-14

  • Ссылки

  • SERP

  • Свежесть контента

Как Google использует персонализированный PageRank ссылающихся страниц для переоценки значимости анкорного текста
Google может персонализировать поисковую выдачу, изменяя вес анкорного текста ссылок. Вес ссылки зависит не от глобального PageRank ссылающейся страницы, а от её "персонализированного PageRank", рассчитанного на основе предпочтений пользователя (например, любимых сайтов или тематик). Это позволяет повышать в выдаче документы, на которые ссылаются авторитетные для конкретного пользователя источники.
  • US7260573B1
  • 2007-08-21

  • Персонализация

  • Ссылки

Как Google ранжирует комментарии и UGC, используя объективное качество и субъективную персонализацию
Google использует двухфакторную модель для ранжирования пользовательского контента (комментариев, отзывов). Система вычисляет объективную оценку качества (репутация автора, грамотность, длина, рейтинги) и субъективную оценку персонализации (является ли автор другом или предпочтительным автором, соответствует ли контент интересам и истории поиска пользователя). Итоговый рейтинг объединяет обе оценки для показа наиболее релевантного и качественного UGC.
  • US8321463B2
  • 2012-11-27

  • Персонализация

  • EEAT и качество

  • Поведенческие сигналы