Как Google динамически перестраивает выдачу, если пользователь игнорирует результаты, связанные с определенной сущностью

Термины и определения

Dismissal Action (Действие отклонения)

Действие пользователя, интерпретируемое системой как отсутствие интереса к результату поиска. Примеры включают прокрутку мимо результата (scrolling past), смахивание результата (swiping away) или вербальную команду отклонения.

Dismissal Threshold (Порог отклонения)

Минимальное значение Dismissal Value, необходимое для активации модификации результатов поиска.

Dismissal Value (Значение отклонения)

Метрика, указывающая на количество отклоненных результатов в рамках одного набора (set of search results).

Dimming (Затемнение)

Способ визуального понижения (demoting) результата поиска путем изменения его параметров отображения: осветление цвета контента или увеличение прозрачности (translucency).

Entity (Сущность)

Тема дискурsa; человек, место, концепция или объект, который может быть идентифицирован и отличается от других (например, "Пингвин" как птица и "Пингвинз" как хоккейная команда — это разные сущности).

Entity Cluster Module (Модуль кластеризации сущностей)

Компонент поисковой системы, отвечающий за определение сущностей, связанных с результатами поиска, и их группировку в наборы.

Instruction Module (Модуль инструкций)

Компонент, предоставляющий инструкции (например, клиентский скрипт) для модификации результатов поиска на основе dismissal action.

Set of Search Results (Набор результатов поиска)

Группа результатов поиска, которые имеют одну или несколько общих связанных сущностей.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод динамической модификации выдачи на основе сущностей.

1. Система предоставляет начальные результаты поиска по запросу.
2. Эти результаты включают Первый набор (связанный с Первой сущностью) и Второй набор (связанный со Второй сущностью). Сущности различны.
3. Система определяет dismissal action в отношении первого результата из Первого набора (что указывает на отсутствие интереса пользователя).
4. На основе этого действия система модифицирует начальную выдачу: понижает (demoting) или удаляет (omitting) как отклоненный результат, так и один или несколько *дополнительных* результатов из Первого набора. Основанием для этой коллективной модификации является их общая принадлежность к Первому набору (т.е. связь с Первой сущностью).

Claim 3, 4, 5 (Зависимые): Детализируют механизм визуального понижения.

• Понижение реализуется через изменение параметров отображения (Claim 3), в частности, через увеличение степени затемнения (amount of dimming) (Claim 4).
• Если фиксируется второе действие отклонения для другого результата из этого же набора, степень затемнения для всего набора дополнительно увеличивается (Claim 5). Это указывает на кумулятивный эффект понижения.

Claim 6 (Зависимый): Вводит пороговое значение для активации модификации.

1. Система вычисляет Dismissal Value — количество отклоненных результатов в наборе.
2. Система проверяет, удовлетворяет ли это значение Dismissal Threshold.
3. Модификация (понижение/удаление) происходит только в том случае, если порог достигнут.

Claim 8, 9, 10 (Зависимые): Определяют типы dismissal action.

• Прокрутка мимо результата так, что он (или его часть) больше не отображается на экране (Claim 8).
• Смахивание результата (swiping away) (Claim 9).
• Для аудио-результатов — вербальный ввод пользователя, отклоняющий результат (Claim 10).

Claim 12 (Зависимый): Описывает техническую реализацию модификации.

• Если результаты предоставлены в виде веб-страницы, модификация включает изменение параметров представления (presentation parameters) этой веб-страницы (например, через клиентский скрипт), а не генерацию новой страницы.

Claim 14 (Зависимый): Описывает обработку результатов, принадлежащих к нескольким наборам (связанных с несколькими сущностями).

• Результаты, принадлежащие только к отклоненному набору, понижаются в первой степени.
• Результаты, принадлежащие как к отклоненному, так и к другому (неотклоненному) набору, понижаются во второй степени.
• Первая степень понижения сильнее второй. Это механизм дифференциального понижения.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, используя данные о сущностях для динамической корректировки финальной выдачи на стороне клиента или сервера.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна предварительно ассоциировать документы с одной или несколькими сущностями (entities). Патент упоминает, что эта ассоциация может включать оценку силы связи (strength of the association или entity score) между документом и сущностью. Эти данные сохраняются в индексе.

RANKING – Ранжирование
После получения запроса и отбора кандидатов активируется Entity Cluster Module. Он анализирует результаты-кандидаты, идентифицирует связанные с ними сущности и формирует sets of search results (кластеры). Каждый набор объединяет результаты с общей сущностью.

RERANKING – Переранжирование / Интерфейс пользователя (Client Device)
Это основной этап применения патента. Система предоставляет начальные результаты пользователю вместе с метаданными о принадлежности к наборам (search result set information) и инструкциями (Instruction Module) по модификации (часто в виде клиентского скрипта, например, JavaScript).

1. Мониторинг: Клиентское устройство (браузер) отслеживает действия пользователя.
2. Детекция: Определяется dismissal action (прокрутка, смахивание).
3. Исполнение инструкций: Клиентское устройство исполняет инструкции для модификации SERP в реальном времени. Происходит понижение или удаление результатов, связанных с отклоненной сущностью. В альтернативной реализации сигнал отправляется на сервер для пересчета и предоставления новой выдачи.

Входные данные:

• Начальные результаты поиска.
• Ассоциации между результатами и сущностями.
• Информация о кластеризации (search result set information).
• Инструкции по модификации (скрипт).
• Действия пользователя (ввод для прокрутки, жесты смахивания).

Выходные данные:

• Модифицированное представление результатов поиска (Modified search results) с пониженными или удаленными элементами.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на неоднозначные запросы (ambiguous queries), где одно ключевое слово соответствует нескольким популярным сущностям (например, "Apple", "Washington", "Java").
• Типы контента: Влияет на все типы контента, которые могут быть ассоциированы с сущностями.
• Интерфейсы: Механизм особенно актуален для интерфейсов, где пространство ограничено и важна быстрая навигация (мобильные устройства, планшеты, устройства с голосовым управлением).

Когда применяется

Алгоритм применяется при выполнении следующих условий:

• Условие кластеризации: В выдаче присутствуют как минимум два различных набора результатов (first set и second set), связанных с разными сущностями. Это означает, что запрос интерпретируется как неоднозначный.
• Триггер активации: Пользователь совершает dismissal action в отношении одного или нескольких результатов из определенного набора.
• Пороговые значения (Опционально): Модификация может активироваться только после того, как количество отклоненных результатов в наборе (Dismissal Value) превысит заданный порог (Dismissal Threshold).

Пошаговый алгоритм

Процесс А: Подготовка выдачи (Search System)

1. Получение запроса и идентификация результатов: Система получает запрос и определяет релевантные результаты.
2. Идентификация сущностей: Для каждого результата определяются связанные сущности (и, возможно, strength of association).
3. Кластеризация: Entity Cluster Module группирует результаты в наборы на основе общих сущностей. Формируется как минимум два набора (Set 1, Set 2).
4. Подготовка инструкций: Instruction Module генерирует инструкции (например, скрипт) для модификации выдачи.
5. Предоставление данных: Начальная выдача, метаданные о наборах (search result set information) и инструкции передаются на клиентское устройство.

Процесс Б: Обработка взаимодействия (Преимущественно Client Device)

1. Отображение: Клиент отображает начальную выдачу.
2. Мониторинг действий: Скрипт отслеживает взаимодействия пользователя с результатами.
3. Детекция отклонения: Определяется dismissal action (например, пользователь быстро прокрутил мимо результата R1 из набора Set 1).
4. Оценка отклонения (Опционально): Обновляется счетчик Dismissal Value для Set 1. Проверяется, превышен ли Dismissal Threshold.
5. Идентификация затронутых результатов: Определяются все остальные результаты, принадлежащие к Set 1, используя метаданные.
6. Применение модификации: Применяется понижение (demoting) к результатам из Set 1.
   • Визуальное понижение: Увеличивается степень затемнения (dimming). Если это повторное отклонение для Set 1, затемнение усиливается (кумулятивный эффект).
   • Или Удаление: Результаты из Set 1 скрываются (omitting).
   • Или Понижение позиций: Результаты из Set 1 перемещаются вниз в выдаче.
7. Дифференциальное понижение (Опционально): Если результат принадлежит к Set 1 (отклоненный) и Set 2 (актуальный), он понижается в меньшей степени, чем результаты, принадлежащие только к Set 1.
8. Обновление интерфейса: Пользователю предоставляется модифицированная выдача в реальном времени.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании данных о сущностях и поведении пользователя в реальном времени для модификации интерфейса.

• Данные о сущностях (Entity Data): Критически важные данные. Используются ассоциации между документами и сущностями, предварительно вычисленные на этапе индексации.
• Метрики сущностей: Оценки силы связи (strength of association или entity score) между сущностью и документом. Используются для определения принадлежности к кластерам и для расчета дифференциального понижения.
• Поведенческие факторы (Real-time User Actions): Действия пользователя в интерфейсе, которые интерпретируются как dismissal action: данные о прокрутке (позиция, возможно скорость), жесты смахивания, голосовые команды.
• Структурные данные SERP: Информация о том, какие результаты отображаются на экране в данный момент, и их принадлежность к кластерам (search result set information).

Какие метрики используются и как они считаются

• Dismissal Value (Значение отклонения): Счетчик количества отклоненных результатов для конкретного набора сущностей. Увеличивается на 1 при каждом dismissal action, связанном с этим набором.
• Dismissal Threshold (Порог отклонения): Предопределенное статическое значение (например, 1, 2 или 3), используемое для сравнения с Dismissal Value для активации модификации.
• Amount of Dimming (Степень затемнения): Параметр визуального отображения. Может увеличиваться кумулятивно с ростом Dismissal Value (Claim 5).

1. Сущности как основа для разрешения неоднозначности: Патент демонстрирует использование сущностей (Entities) как ключевого механизма для интерпретации интента неоднозначных запросов. Выдача рассматривается не как линейный список, а как набор тематических кластеров, организованных вокруг разных сущностей.
2. Неявная обратная связь в реальном времени: Система активно интерпретирует действия пользователя в интерфейсе (прокрутку, смахивание) как неявные сигналы релевантности (implicit feedback). Игнорирование результата (dismissal action) используется для немедленной корректировки выдачи.
3. Коллективное понижение (Clustered Demotion): Ключевой механизм — понижение применяется не только к проигнорированному результату, но и ко всем результатам, связанным с той же сущностью. Незаинтересованность в одной ссылке приводит к понижению или исчезновению всего тематического кластера.
4. Кумулятивный эффект и пороги: Понижение может быть градуированным. Повторное игнорирование результатов одной темы усиливает понижение (например, увеличивает затемнение). Система может также требовать нескольких сигналов для активации (Dismissal Threshold).
5. Дифференциальное ранжирование для сложных документов: Документы, связанные с несколькими сущностями, имеют частичную защиту. Если пользователь отклонил одну из связанных сущностей, документ понижается в меньшей степени (differential demotion), сохраняя видимость за счет других сущностей.

Best practices (это мы делаем)

• Четкое фокусирование контента на основной сущности: Убедитесь, что каждая страница имеет явно выраженную основную сущность. Это критично для правильной кластеризации контента. Используйте однозначные заголовки и соответствующую микроразметку (Schema.org), чтобы помочь системе правильно ассоциировать страницу.
• Устранение неоднозначности в тексте (Disambiguation): Если вы пишете о сущности, имеющей несколько значений (например, "Java" — остров, кофе или язык программирования), немедленно задавайте контекст. Используйте связанные термины и сущности (например, для языка: "OpenJDK", "programming", "software"), чтобы помочь поисковой системе точно определить тематику.
• Оптимизация сниппетов и заголовков для ясности интента: Заголовок (Title) и сниппет (Description) должны мгновенно сообщать пользователю, о какой именно сущности идет речь. Это снижает вероятность того, что пользователь проигнорирует релевантный результат, что может быть интерпретировано как dismissal action.
• Комплексное освещение темы (Использование дифференциального понижения): Для информационных ресурсов полезно освещать тему, связывая основную сущность с релевантными подсущностями. Согласно патенту (Claim 14), документы, связанные с несколькими сущностями, могут получить меньшее понижение, если одна из них будет отклонена пользователем.

Worst practices (это делать не надо)

• Смешивание несвязанных сущностей (Entity Ambiguity): Создание контента, который пытается охватить несколько слабо связанных или неоднозначных сущностей на одной странице. Если пользователь ищет одну сущность, а ваш контент также сильно связан с другой, которую пользователь активно отклоняет в выдаче, ваша страница рискует быть пониженной вместе с нерелевантным кластером.
• Неоднозначные или кликбейтные заголовки: Использование заголовков, которые не позволяют сразу понять основную сущность страницы. Это провоцирует пользователей быстро прокручивать такие результаты (scrolling past), что система интерпретирует как сигнал отсутствия интереса к этой сущности или результату.
• Игнорирование семантической структуры: Создание контента без четкой семантической структуры затрудняет определение основной сущности страницы, что может привести к неверной кластеризации и последующему понижению.

Стратегическое значение

Этот патент подтверждает стратегический приоритет Google на понимание сущностей и интентов, а не только ключевых слов. Он показывает механизм, с помощью которого Google пытается "очистить" выдачу от неверно интерпретированных интентов в реальном времени на основе поведения пользователя. Для долгосрочной SEO-стратегии это означает необходимость максимальной точности в таргетинге контента на конкретную сущность и связанный с ней интент, а также важность работы над ясностью представления контента в SERP.

Практические примеры

Сценарий: Оптимизация статьи для неоднозначного запроса "Python"

Задача: Написать статью о языке программирования Python и минимизировать риск понижения, если пользователь ищет информацию о змеях.

1. Анализ сущностей: Google идентифицирует две основные сущности для запроса "Python": Язык программирования и Змея (Reptile).
2. Действия по оптимизации (Best Practice):
   • Использовать Title: "Введение в язык программирования Python (Programming Language)".
   • В H1 и первом абзаце использовать связанные сущности и термины: "синтаксис кода", "Django", "machine learning", "Guido van Rossum".
   • Применить разметку Schema.org, релевантную ПО или обучению.
3. Ошибочные действия (Worst Practice):
   • Использовать заголовок "Python: Полное руководство".
   • Разместить стоковое изображение питона (змеи) в качестве иллюстрации к статье о программировании.
   • Упоминать термины, связанные с биологией или герпетологией.
4. Ожидаемый результат: Система четко ассоциирует статью с сущностью "Язык программирования". Если пользователь вводит запрос "Python" и начинает активно прокручивать (dismissal action) результаты о змеях, статья о программировании не будет понижена, так как она принадлежит к другому кластеру сущностей.