Как Google индексирует, верифицирует и ранжирует действия (Actions) на сайтах и в приложениях для выполнения задач пользователя

INDEXING ACTIONS FOR RESOURCES (Индексирование действий для ресурсов)

US10013496B2
Google LLC
2015-06-18
2018-07-03

Google индексирует не только контент, но и действия (Actions), которые можно выполнить на сайте или в приложении (например, «Слушать», «Забронировать»). Система определяет тип действия и необходимые параметры, проверяет (Verification) работоспособность действия и использует эту информацию (Action Score) для ранжирования, чтобы отвечать на запросы, подразумевающие выполнение задачи.

Какую проблему решает

Патент решает проблему перехода от удовлетворения только информационных потребностей к удовлетворению потребностей в действиях (action need). Традиционный поиск индексирует контент, но не всегда может идентифицировать функциональные возможности ресурса (например, возможность забронировать столик или воспроизвести медиа). Изобретение создает фреймворк для индексации этих действий, даже если они не описаны в контенте, и проверяет их работоспособность, чтобы избежать плохого пользовательского опыта.

Что запатентовано

Запатентована система для индексирования действий, поддерживаемых ресурсами (веб-страницами и нативными приложениями). Система собирает и анализирует структурированные данные (Action Data), описывающие тип действия (Action Type) и необходимые параметры (Action Parameters). Ключевыми элементами являются верификация (Verification) работоспособности этих действий и расчет оценки (Action Score), используемой при ранжировании.

Как это работает

Система работает в несколько этапов:

Сбор и Индексирование: Система получает Action Data (например, через Schema.org Actions) и индексирует Action Type и Action Parameters.
Верификация: Специальный процессор (Action Processor) проверяет, корректно ли ресурс выполняет заявленное действие. Проверяется отсутствие ошибок (instantiation failure) и соответствие результата (например, типа контента) описанию.
Понимание запроса: Система анализирует запрос пользователя для выявления намерения совершить действие и определения релевантного Action Type.
Ранжирование: Рассчитывается Action Score, измеряющий способность ресурса выполнить действие. Ранжирование учитывает этот показатель; неверифицированные ресурсы могут дисконтироваться.
Ассистирование: Система может запросить у пользователя недостающие параметры для выполнения действия.

Актуальность для SEO

Высокая. Патент описывает фундаментальные механизмы, лежащие в основе современных функций Google, включая интеграцию с Google Assistant, использование разметки Schema.org Actions и индексацию приложений (App Indexing/Deep Linking). Поиск все больше смещается от предоставления ссылок к выполнению задач (Task Completion).

Важность для SEO

Патент имеет высокое значение (8.5/10) для SEO, особенно для E-commerce, медиа, сервисов бронирования и разработчиков приложений. Он вводит Action Score как фактор ранжирования для запросов с намерением действия. Корректная реализация и техническая стабильность (для прохождения Verification) Action Data становятся критически важными для видимости по таким запросам и интеграции с голосовым поиском.

Термины и определения

Action (Действие): Действие, которое может быть выполнено пользовательским устройством при обработке ресурса (например, воспроизведение, бронирование, покупка).
Action Data (Данные о действии): Структурированные данные (например, Schema.org Actions), описывающие действия, поддерживаемые ресурсом. Включают тип, параметры и ожидаемый результат.
Action Parameters (AP) (Параметры действия): Входные данные, необходимые для выполнения действия (например, дата и время для бронирования).
Action Processor (Процессор действий): Компонент поисковой системы, отвечающий за верификацию действий, часто с использованием эмуляторов устройств.
Action Score (Оценка действия): Метрика, измеряющая способность ресурса выполнить действие определенного типа. Используется при ранжировании.
Action Type (AT) (Тип действия): Классификация действия (например, "Listen", "Watch", "Reserve").
Deep Link (Глубинная ссылка): Ссылка, указывающая на конкретное состояние или экран (environment instance) внутри нативного приложения.
Instantiation failure (Ошибка инициализации/выполнения): Сбой при попытке выполнить действие (например, сбой приложения, зависание, таймаут, ошибка соединения).
Resource (Ресурс): Единица контента. Включает веб-страницы (web page resources) и нативные приложения (native application resources).
Verification (Верификация): Процесс проверки того, что ресурс корректно выполняет действия, описанные в его Action Data.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс индексирования и использования действий для ранжирования.

Система получает Action Data для множества ресурсов (веб и нативных приложений).
Для каждого ресурса определяется Action Type и требуемые Action Parameters.
Эта информация индексируется.
При получении запроса система определяет релевантный Action Type на основе терминов запроса.
Для релевантных ресурсов рассчитывается Action Score — мера способности ресурса выполнить это действие.
Ресурсы ранжируются частично на основе их Action Scores.
Результаты предоставляются пользователю для выполнения действия.

Claim 2 (Зависимый от 1): Добавляет процесс верификации.

Система определяет, корректно ли устройство пользователя выполняет действие, описанное в Action Data.
Ресурсы помечаются как верифицированные (verified) или неверифицированные (not verified).
Статус верификации индексируется.

Claim 3 (Зависимый от 2): Уточняет критерий верификации: проверка на технические сбои.

Верификация включает проверку на наличие ошибок инициализации (instantiation failure). Если ошибка происходит, ресурс не считается корректно выполняющим действие.

Claim 4 (Зависимый от 2): Уточняет критерий верификации: соответствие контента.

Определяется тип контента, указанный в Action Data как результат действия.
Определяется тип контента, фактически полученный при выполнении действия.
Ресурс считается корректно выполняющим действие, только если указанный тип соответствует фактическому (например, заявлено видео, получено видео).

Claim 5 (Зависимый от 1): Детализирует расчет Action Score на основе соответствия параметров.

Action Score определяется на основе того, насколько параметры, присутствующие в запросе пользователя, соответствуют параметрам, необходимым для выполнения действия ресурсом.

Claim 8 (Зависимый от 1): Описывает механизм ассистирования (интерактивного уточнения).

Система предоставляет пользователю запрос на ввод дополнительных параметров, которые отсутствуют в запросе, но необходимы для выполнения действия.

Где и как применяется

Изобретение затрагивает ключевые этапы поисковой архитектуры, интегрируя обработку функциональности в стандартный конвейер.

CRAWLING – Сканирование и Сбор данных
Система собирает Action Data из разметки веб-страниц (например, Schema.org) или манифестов приложений.

INDEXING – Индексирование и извлечение признаков
Ключевой этап применения патента.

Indexer извлекает Action Types и Action Parameters.
Action Processor выполняет Верификацию. Это включает эмуляцию выполнения действия для проверки работоспособности (выявление instantiation failures) и соответствия типа контента.
Статус верификации сохраняется в индексе.

QUNDERSTANDING – Понимание Запросов
Query Processor анализирует запрос для выявления намерения совершить действие (action need). Определяется релевантный Action Type и извлекаются доступные параметры из текста запроса.

RANKING – Ранжирование
Scorer рассчитывает Action Score для ресурсов, поддерживающих нужный Action Type. Этот показатель используется как сигнал ранжирования. Ресурсы, не прошедшие верификацию, могут быть дисконтированы.

RERANKING / SERP Generation
Система может инициировать диалог с пользователем для запроса недостающих параметров или формировать обогащенные результаты (Rich Results) для выполнения действия.

На что влияет

Конкретные ниши и типы контента: Наибольшее влияние на ниши, ориентированные на задачи: E-commerce (покупка), Медиа (воспроизведение музыки, видео), Локальные услуги и бронирование (рестораны, отели, билеты), Установка ПО.
Специфические запросы: Влияет на запросы с явным намерением действия (императивные, транзакционные) и голосовые команды (например, «слушать Баха», «заказать такси»).
Типы ресурсов: Влияет как на веб-страницы, так и на нативные приложения (через Deep Links).

Когда применяется

Триггеры активации: Алгоритм активируется, когда Query Processor определяет, что запрос пользователя содержит намерение совершить действие (action need), а не только получить информацию.
Условия применения: Применяется к ресурсам, для которых проиндексированы Action Data. Использование Action Score в ранжировании зависит от статуса верификации.

Пошаговый алгоритм

Процесс А: Индексирование и Верификация (Офлайн/Индексация)

Сбор данных: Получение Action Data для ресурса.
Извлечение признаков: Определение Action Type и требуемых Action Parameters.
Тестирование действия: Action Processor эмулирует выполнение действия (например, в эмуляторе устройства).
Мониторинг ошибок: Отслеживание instantiation failures (сбои, таймауты).
Валидация результата: Проверка соответствия фактического типа контента, полученного в результате действия, заявленному в Action Data.
Определение статуса верификации: Присвоение статуса Verified (если ошибок нет и результат соответствует) или Not Verified.
Индексирование: Сохранение Action Data и статуса Verification в индексе.

Процесс Б: Обработка запроса и Ранжирование (Онлайн)

Получение запроса.
Определение намерения: Идентификация релевантного Action Type.
Извлечение параметров: Извлечение значений Action Parameters из запроса.
Отбор кандидатов: Выборка ресурсов из индекса, поддерживающих данный Action Type.
Расчет Action Score: Для каждого кандидата рассчитывается Action Score. Расчет учитывает:
- Статус Verification.
- Соответствие параметров: ресурсы, требующие меньше дополнительных параметров (не указанных в запросе), получают более высокий балл.
- Сложность выполнения действия для пользователя.
Ранжирование: Сортировка ресурсов с учетом Action Score.
(Опционально) Запрос параметров: Если параметров не хватает, система может запросить их у пользователя (Ассистирование).
Предоставление результатов.

Какие данные и как использует

Данные на входе

Структурные факторы (Action Data): Основные данные. Структурированное описание действий (например, Schema.org Actions), включающее Action Type, target (URL/Deep Link) и параметры.
Технические факторы: При верификации система анализирует техническое поведение ресурса: коды ответа, время загрузки (для выявления таймаутов), стабильность работы приложения (для выявления сбоев — instantiation failures).
Контентные факторы: Метаданные контента, получаемого в результате действия (например, тип файла), используются для верификации соответствия заявленному результату.
Пользовательские факторы: Система может использовать контекст пользователя (например, местоположение для вызова такси, имя для бронирования) для автоматического заполнения Action Parameters, если это разрешено пользователем.

Какие метрики используются и как они считаются

Verification Status (Статус верификации): Бинарная метрика (Verified / Not Verified). Определяется на основе отсутствия instantiation failures и соответствия фактического типа контента заявленному.
Action Score (Оценка действия): Метрика, измеряющая способность ресурса выполнить действие. Может быть бинарной или непрерывной. Расчет зависит от запроса и учитывает:
- Сложность выполнения (Ease of Invocation): Ресурсы, не требующие дополнительного ввода данных или шагов от пользователя (например, автовоспроизведение), могут иметь более высокий Action Score.
- Соответствие параметров (Parameter Matching): Оценка базируется на том, сколько необходимых параметров уже есть в запросе. $Action Score \approx f(Verification, Ease\ of\ Invocation, Parameter\ Matching)$

Функциональность как объект индексации: Патент подтверждает, что Google системно индексирует функциональные возможности (Actions) ресурсов наравне с их контентом. Поиск эволюционирует от информационной системы к системе выполнения задач (Task Completion Engine).
Action Data как интерфейс для ранжирования: Структурированные данные (Schema.org Actions) являются основным способом сообщить системе о поддерживаемых действиях. Наличие корректных Action Data является необходимым условием для ранжирования на основе Action Score.
Верификация работоспособности критична: Система активно проверяет (Verification), что заявленные действия работают корректно. Технические сбои (instantiation failures) или несоответствие результата описанию приводят к статусу Not Verified и дисконтированию в ранжировании.
Приоритет простоты выполнения действия: Action Score выше у ресурсов, которые требуют меньше усилий от пользователя. Учитывается количество шагов и то, насколько полно параметры действия покрываются данными из запроса.
Кросс-платформенность (Web и Apps): Система унифицирована для веб-страниц и нативных приложений, позволяя выбирать лучший ресурс для выполнения задачи независимо от платформы.
Основа для интерактивного поиска: Механизм запроса недостающих параметров является фундаментом для диалоговых интерфейсов, таких как Google Assistant и голосовой поиск.

Best practices (это мы делаем)

Внедрение релевантной разметки действий: Активно использовать Schema.org Actions (ListenAction, WatchAction, ReserveAction, BuyAction и т.д.) для всех функциональных возможностей сайта. Это необходимое условие для индексации действий.
Обеспечение технической стабильности (Technical SEO for Actions): Гарантировать, что заявленные действия выполняются быстро и без ошибок на всех устройствах. Необходимо минимизировать риск instantiation failures (сбои, таймауты), так как это приведет к провалу Verification.
Точное соответствие разметки и результата: Убедитесь, что Action Data точно описывает результат. Если заявлено воспроизведение видео (Watch), а воспроизводится аудио (Listen), верификация не будет пройдена.
Оптимизация простоты выполнения действия (UX): Упрощайте процесс выполнения действия. Ресурсы, которые могут выполнить действие с минимальным количеством шагов и дополнительных параметров, могут получить более высокий Action Score.
Использование Deep Links для приложений (App SEO/ASO): Корректно настраивать Deep Links и предоставлять Action Data в манифесте, чтобы Google мог индексировать и направлять пользователей непосредственно к выполнению действия в приложении.

Worst practices (это делать не надо)

Игнорирование разметки действий: Отсутствие Action Data исключает возможность ранжирования на основе Action Score, снижая видимость по запросам с намерением действия и в голосовом поиске.
Внедрение неработающих или медленных действий: Если действие часто приводит к ошибкам или таймаутам, ресурс получит статус Not Verified и будет дисконтирован в ранжировании.
Манипуляция или ложные Action Data: Попытка заявить о поддержке действия, которое не поддерживается или выполняется некорректно (подмена типа контента). Механизм верификации направлен на выявление таких несоответствий.
Усложнение выполнения действия: Создание многошаговых процессов или требование избыточных данных для простых действий может привести к снижению Action Score.

Стратегическое значение

Этот патент подчеркивает стратегический сдвиг в поиске от предоставления информации к выполнению задач. Для SEO это означает необходимость тесной интеграции с продуктовыми и техническими командами для обеспечения того, чтобы функциональность сайта была доступна и понятна поисковой системе через структурированные данные. Стратегия должна включать оптимизацию пользовательского опыта (UX) при выполнении ключевых действий, так как техническая реализация напрямую влияет на SEO через механизм верификации и Action Score.

Практические примеры

Сценарий 1: Оптимизация музыкального стримингового сервиса

Задача: Повысить видимость по запросам типа "слушать [Исполнитель] [Песня]".
Действия: Внедрить разметку Schema.org ListenAction. В Action Data указать Action Type: "Listen", и параметры, включая URL для воспроизведения или Deep Link в приложение.
Техническая проверка: Убедиться, что воспроизведение начинается быстро и без ошибок (нет instantiation failure) и что воспроизводится именно аудио (соответствие типа контента).
Ожидаемый результат: Google индексирует и верифицирует действие. Ресурс получает высокий Action Score, что улучшает ранжирование и может привести к появлению интерактивных элементов в SERP или интеграции с Google Assistant.

Сценарий 2: Оптимизация сайта ресторана для бронирования

Задача: Получать трафик по запросам на бронирование (например, голосовая команда "Забронируй столик в [Ресторан] на завтра в семь").
Действия: Внедрить разметку ReserveAction. Указать необходимые параметры (дата, время, размер группы, имя).
Взаимодействие (Как работает Google): Система определяет Action Type (Reserve) и извлекает параметры из запроса. Так как не хватает размера группы и имени, система, согласно патенту (Claim 8), может спросить пользователя: "На чье имя и сколько гостей будет?".
Ожидаемый результат: Система помогает пользователю завершить действие, используя функциональность сайта ресторана, обеспечивая конверсию.

Что такое Action Data и как они связаны с Schema.org?

Action Data — это общий термин для структурированных данных, описывающих действия, поддерживаемые ресурсом. В патенте упоминается, что одним из примеров реализации является использование словаря Schema.org Actions. Для SEO это означает, что внедрение разметки типа ListenAction, WatchAction, ReserveAction является прямой реализацией механик, описанных в этом патенте.

Как именно Google проверяет работоспособность действий (Verification)?

Патент описывает компонент Action Processor, который эмулирует выполнение действия на устройстве. Проверка включает два аспекта: 1) Отсутствие технических сбоев (instantiation failure), таких как краш приложения, таймаут или ошибка соединения. 2) Соответствие результата: система проверяет, что фактический результат действия (например, тип воспроизводимого контента) соответствует заявленному в Action Data.

Что произойдет, если мой сайт не пройдет верификацию действий?

Ресурс получит статус Not Verified. В патенте указано, что неверифицированные ресурсы дисконтируются в ранжировании относительно их Action Score. Это означает потерю позиций по запросам, связанным с этим действием, так как система предпочтет верифицированных конкурентов для обеспечения качественного пользовательского опыта.

Как рассчитывается Action Score и как его повысить?

Action Score оценивает способность ресурса выполнить действие. Для его повышения нужно: 1) Успешно пройти верификацию. 2) Упростить выполнение действия — ресурсы, требующие меньше шагов от пользователя, оцениваются выше. 3) Обеспечить максимальное покрытие параметров — чем меньше дополнительной информации нужно запросить у пользователя (т.е. чем больше данных уже есть в запросе), тем выше оценка.

Влияет ли этот патент только на мобильные приложения или на веб-сайты тоже?

Патент явно указывает, что механизм применяется как к веб-страницам (Web page resources), так и к нативным приложениям (Native application resources). Система индексирует действия кросс-платформенно, позволяя Google выбрать лучший способ выполнить задачу независимо от платформы.

Что такое «Instantiation Failure» и как этого избежать?

Instantiation failure (сбой инициализации) — это любая техническая ошибка при попытке выполнить действие: сбой приложения, ошибка 404, таймаут загрузки контента, зависание интерфейса. Чтобы избежать этого, необходимо проводить тщательное техническое тестирование функционала и обеспечивать высокую скорость и стабильность работы серверов, обрабатывающих запросы на действия.

Как система определяет намерение действия в запросе?

Система использует Query Processor, применяющий NLP (обработку естественного языка) и грамматический парсинг для анализа терминов запроса. Цель — выявить потребность в действии (action need) и определить соответствующий Action Type, например, по глаголам действия («послушать», «забронировать») или командам.

Что произойдет, если в запросе пользователя не хватает информации для выполнения действия?

Патент описывает механизм ассистирования. Если система определила Action Type, но не нашла все необходимые параметры в запросе, она может инициировать диалог и запросить у пользователя недостающие данные. Например, при бронировании столика система может уточнить количество гостей.

Как этот патент связан с голосовым поиском и Google Assistant?

Это фундаментальная технология для голосовых ассистентов. Голосовые команды часто ориентированы на выполнение действий. Индексирование Action Types и Action Parameters позволяет Ассистенту понять команду, найти подходящий ресурс (сайт или приложение) и выполнить действие, используя проиндексированные и верифицированные данные.

Может ли Google автоматически использовать мои данные (например, локацию) для выполнения действия?

Да, патент предусматривает такую возможность. Система может автоматически предоставлять доступные параметры (например, местоположение при вызове такси или имя при бронировании) для упрощения процесса, если пользователь дал на это разрешение. Это может положительно влиять на Action Score.

Как Google анализирует контент на экране пользователя для генерации и рекомендации контекстных поисковых запросов

Google использует систему для анализа контента, который пользователь просматривает в данный момент (веб-страница, приложение). Система генерирует потенциальные поисковые запросы на основе этого контента, оценивает их качество (популярность, качество результатов, визуальное выделение терминов) и предлагает пользователю лучшие запросы для быстрого контекстного поиска без необходимости вручную вводить текст.

US10489459B1
2019-11-26

Семантика и интент

Как Google связывает коммерческие действия с сущностями и меняет вид выдачи в зависимости от интента пользователя

Google патентует систему, которая связывает Сущности (например, фильмы, книги, места) с Онлайн-действиями (например, купить, стримить, забронировать). Вместо таргетинга по ключевым словам, партнеры делают ставки на пары «Сущность-Действие». Система определяет, насколько запрос связан с действием, и динамически меняет визуальное представление этих коммерческих предложений в выдаче (например, в Панели знаний), делая их более или менее заметными.

US9536259B2
2017-01-03

Семантика и интент
Knowledge Graph
SERP

Как Google использует агрегированные поведенческие данные для маркировки результатов поиска и подсказок индикаторами ожидаемых действий

Google анализирует агрегированные данные о том, что пользователи делают после клика по результату поиска или подсказке (например, покупка, сохранение, бронирование). Если определенное действие статистически значимо для конкретного результата, Google добавляет к нему визуальный индикатор (значок или бейдж), чтобы помочь другим пользователям понять вероятный исход клика.

US11132406B2
2021-09-28

Поведенческие сигналы
SERP

Как Google использует обучение с подкреплением (Reinforcement Learning) для оптимизации ранжирования и переписывания запросов на основе успешности поисковых сессий

Google использует систему Reinforcement Learning для динамической адаптации поисковых процессов. Система анализирует поисковые сессии (последовательности запросов и кликов) и учится оптимизировать выдачу, чтобы пользователь быстрее находил нужный результат. Это достигается путем корректировки весов факторов ранжирования, переписывания запросов или даже обновления индекса на лету для конкретных ситуаций.

US11157488B2
2021-10-26

Индексация
Поведенческие сигналы
Семантика и интент

Как Google использует машинное обучение и поведенческие данные для прогнозирования полезности документов и решает, что включать в поисковый индекс

Google использует модель машинного обучения для определения, какие документы включать в поисковый индекс. Модель обучается на исторических данных о кликах и показах, чтобы предсказать будущую «оценку полезности» (Utility Score) документа. Документы ранжируются по этой оценке, а также с учетом других факторов (например, PageRank, стоимость индексации, свежесть, квоты), и лучшие из них попадают в индекс.

US8255386B1
2012-08-28

Индексация
Поведенческие сигналы

Как Google использует данные из Local Search и Google Maps для распознавания географических названий в основном поиске

Google анализирует поведение пользователей в интерфейсах с отдельными полями ввода "Что?" и "Где?" (например, в Google Maps). На основе этой статистики система определяет, является ли термин однозначным названием местоположения ("Нью-Йорк") или нет ("Пицца"). Это позволяет поиску отличать локальные запросы от общих и формировать "черные списки" для терминов, которые похожи на города, но ими не являются (например, "Орландо Блум").

US8782030B1
2014-07-15

Local SEO
Семантика и интент
Поведенческие сигналы

Как Google использует паттерны просмотра пользователей (Co-Visitation) и временную близость для определения тематики нетекстового контента (изображений и видео)

Google использует механизм для понимания контента без текста (изображения, видео), анализируя, какие другие (текстовые) страницы пользователи посещают в рамках той же сессии. Ключевые слова с этих текстовых страниц заимствуются и присваиваются нетекстовому ресурсу. Критически важным фактором является время перехода: чем быстрее пользователь перешел между ресурсами, тем больший вес получают ключевые слова.

US8572096B1
2013-10-29

Поведенческие сигналы
Семантика и интент
Мультимедиа

Как Google предсказывает намерения пользователя и выполняет поиск до ввода запроса (Predictive Search)

Google использует механизм для прогнозирования тем, интересующих пользователя в конкретный момент времени, основываясь на его истории и контексте. При обнаружении сигнала о намерении начать поиск (например, открытие страницы поиска), система проактивно выполняет запрос по предсказанной теме и мгновенно показывает результаты или перенаправляет пользователя на релевантный ресурс.

US8510285B1
2013-08-13

Семантика и интент
Персонализация
Поведенческие сигналы

Как Google использует контент веб-страниц для генерации, верификации и адаптации AI-ответов в поиске (SGE/AI Overviews)

Google использует Большие Языковые Модели (LLM) для создания генеративных сводок (AI Overviews/SGE). Для обеспечения точности система не полагается только на знания LLM, а обрабатывает контент из актуальных результатов поиска (SRDs). Патент описывает архитектуру этого процесса: как выбираются источники, как генерируется сводка на их основе (Grounding), как проверяется информация для добавления ссылок (Verification), и как ответ адаптируется под контекст и действия пользователя.

US20250005303A1
2025-01-02

SERP
EEAT и качество
Персонализация

Как Google использует персональное дерево интересов пользователя для определения важности слов в запросе и его переписывания

Google использует иерархический профиль интересов пользователя (Profile Tree), построенный на основе истории поиска и поведения, чтобы определить, какие слова в запросе наиболее важны для конкретного человека. Специфичные интересы (глубокие узлы в дереве) получают больший вес. Это позволяет системе отфильтровать шум в длинных запросах и сгенерировать более точный альтернативный запрос.

US8326861B1
2012-12-04

Персонализация
Семантика и интент
Поведенческие сигналы

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 консенсус источников для выбора и валидации фактов в Knowledge Graph и прямых ответах

Система Google для выбора наилучшего ответа на фактические запросы. Она оценивает потенциальные ответы из разных источников и вычисляет «Оценку Поддержки» (Supported Score) на основе их согласованности. Факт отображается, только если он значительно превосходит противоречащие и несвязанные данные, обеспечивая высокую точность ответа.

US7953720B1
2011-05-31

Knowledge Graph
EEAT и качество
Семантика и интент

Как Google находит фактические ответы, начиная с потенциальных ответов и связывая их с запросами пользователей (Reverse Question Answering)

Google использует метод «обратного ответа на вопрос» для эффективного поиска фактов. Вместо глубокого анализа запроса система начинает с идентификации потенциальных ответов (например, дат, измерений) в индексе. Затем она определяет, для каких запросов эти ответы релевантны, анализируя, какие документы высоко ранжируются и получают клики по этим запросам. Это позволяет точно сопоставлять факты с разнообразными формулировками вопросов.

US9116996B1
2015-08-25

Поведенческие сигналы
Семантика и интент

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 историю браузера, закладки и поведение пользователей для персонализации результатов поиска в e-commerce

Система отслеживает поведение пользователей (клики, время на сайте, покупки) и их сохраненные закладки (content pointers) в сетевой среде. На основе этих данных создается персональная модель релевантности и иерархия предпочтений. Эта модель используется для дополнения запросов, переранжирования результатов поиска и предоставления рекомендаций, обеспечивая персонализированный опыт в e-commerce.

US7089237B2
2006-08-08

Поведенческие сигналы
Персонализация
SERP