Как Google Assistant адаптирует выдачу на лету, позволяя пользователям навигировать по результатам и запоминать предпочтения по источникам и темам

Термины и определения

Automated Assistant (Автоматизированный помощник)

Программный модуль (например, Google Assistant, чат-бот), который взаимодействует с пользователем посредством диалога, принимая текстовый (включая голосовой) ввод.

Attribute (Атрибут)

Характеристика результата поиска, на которую пользователь может ссылаться. Примеры: источник (Source), сущность (Entity), тема (Topic), тип документа или порядок представления (например, «первый результат»).

Dialog (Диалог)

Последовательность обмена входными и выходными данными между пользователем и автоматизированным помощником.

Message Processing Engine (Механизм обработки сообщений)

Компонент, который обрабатывает ввод пользователя с использованием NLP для генерации аннотаций (грамматика, сущности, сентимент).

Output Adaptation Engine (Механизм адаптации вывода)

Компонент, который адаптирует представление результатов в ответ на ввод пользователя, изменяя порядок выдачи или определяя параметры предпочтений.

Parameter (Параметр)

Сохраненное предпочтение пользователя, определяемое на основе атрибута и выраженного сентимента. Используется для влияния на ранжирование или фильтрацию результатов с этим атрибутом в будущих диалогах.

Sentiment (Сентимент / Тональность)

Отношение пользователя (положительное или отрицательное) к атрибуту результата поиска, выраженное в его вводе. Система также оценивает силу (магнитуду) этой тональности.

Sequential Providing (Последовательное предоставление)

Метод представления результатов поиска группами (часто по одному) в определенном порядке, подходящий для диалоговых или голосовых интерфейсов.

Supplant (Вытеснение / Замещение)

Механизм интерфейса, при котором новый результат замещает предыдущий на экране, а не добавляется в список (транскрипт), для экономии места.

Ключевые утверждения (Анализ Claims)

Патент содержит два основных независимых направления: Навигация (Claim 1) и Адаптация/Персонализация (Claim 13).

Claim 1 (Независимый пункт) - Навигация: Описывает метод нелинейной навигации по результатам поиска в диалоговом интерфейсе.

1. Система получает ввод (указан audible input - звуковой ввод) в рамках диалога с автоматизированным помощником.
2. Получаются результаты поиска.
3. Система начинает последовательно предоставлять группы результатов в определенном порядке (order).
4. Во время этого процесса система получает дальнейший звуковой ввод (further audible input).
5. Система определяет, что этот ввод соответствует ранее представленному результату, сопоставляя термины из ввода с атрибутом (attribute) этого результата.
6. В ответ система предоставляет вывод, связанный с этим ранее представленным результатом, вне установленного порядка (counter to the order).

Система позволяет пользователю использовать голосовые команды, ссылающиеся на характеристики (атрибуты) уже увиденных результатов (например, источник, тему), чтобы вернуться к ним, нарушая линейную последовательность представления.

Claim 13 (Независимый пункт) - Адаптация и Персонализация: Описывает метод изучения предпочтений пользователя на основе обратной связи.

1. В рамках диалога система предоставляет результат поиска.
2. Система получает текстовый ввод (textual input), который ссылается на атрибут этого результата И выражает тональность (sentiment) пользователя по отношению к нему.
3. Система определяет параметр (parameter) на основе атрибута и тональности. Этот параметр влияет на будущие результаты с этим же атрибутом.
4. В дальнейшем диалоге система использует этот параметр для влияния на выдачу.
5. Влияние зависит от силы тональности: оно может изменять ранжирование (influencing a ranking) или полностью предотвращать предоставление (preventing) результатов, если тональность выражена предопределенными терминами (например, сильный негатив типа «никогда»).

Система активно учится на основе явной обратной связи пользователя (например, «Мне не нравится Источник X») и использует эту информацию для персонализации будущей выдачи путем понижения или исключения нежелательных источников или тем.

Claim 19 (Независимый пункт - Система): Описывает вариант реализации интерфейса с замещением (Supplant).

1. При последовательном представлении каждая новая группа результатов замещает (supplants) предыдущую группу на дисплее.
2. При навигации (как в Claim 1), вывод, связанный с ранее представленным результатом, также замещает последний показанный результат.

Это описывает интерфейс, где результаты сменяют друг друга, экономя место на экране, вместо формирования длинной истории чата.

Где и как применяется

Изобретение применяется в контексте взаимодействия с Automated Assistant (например, Google Assistant) и затрагивает этапы понимания запросов, ранжирования (через персонализацию) и финального представления результатов.

QUNDERSTANDING – Понимание Запросов
На этом этапе Message Processing Engine анализирует естественный язык пользователя в реальном времени для:

• Идентификации команд навигации (например, «следующий», «назад к...»).
• Распознавания ссылок на атрибуты (источники, сущности) в этих командах.
• Анализа тональности (sentiment analysis) для определения отношения пользователя к атрибутам.

RANKING – Ранжирование
Ranking Engine может использовать ранее сохраненные параметры (Parameters), полученные из предыдущих диалогов, для персонализации ранжирования. Например, результаты из предпочитаемых источников могут быть повышены, а из нежелательных — понижены или отфильтрованы.

RERANKING / Presentation Layer (Уровень представления)
Это основной этап применения патента. Output Adaptation Engine вмешивается в процесс последовательного представления:

• Изменяет порядок представления на лету в ответ на команды навигации (Claim 1).
• Переранжирует оставшиеся результаты в ответ на запросы типа «Больше похожего».
• Фиксирует новые предпочтения (Parameters) на основе сентимента (Claim 13).

Входные данные:

• Текстовый или звуковой ввод пользователя на естественном языке.
• Набор ранжированных результатов поиска и их атрибуты (источник, сущности, темы).
• База данных сохраненных параметров персонализации пользователя (Parameters Database).

Выходные данные:

• Группа результатов поиска, предоставляемая пользователю визуально или аудиально.
• Обновленные параметры персонализации, сохраненные для будущего использования.

На что влияет

• Специфические интерфейсы: Основное влияние оказывается на диалоговые интерфейсы: голосовые помощники (Google Assistant), чат-боты, интерфейсы в автомобилях или носимых устройствах.
• Типы контента: Влияет на контент, который часто потребляется последовательно: новостные заголовки, обзоры ресторанов (локальный поиск), товары, медиа.
• Бренды и Источники: Патент предоставляет прямой механизм, с помощью которого пользователи могут выражать негативное отношение к конкретным источникам, что приводит к их подавлению в будущей выдаче для этого пользователя в данном контексте.

Когда применяется

Алгоритм применяется при выполнении следующих условий:

• Контекст: Взаимодействие происходит в рамках диалога с автоматизированным помощником.
• Тип выдачи: Исходный запрос возвращает множество результатов, которые система представляет последовательно (Sequential Providing).
• Триггеры активации (Навигация): Когда пользователь предоставляет ввод, интерпретируемый как команда для перемещения к другому результату (содержащий термины «назад», «вперед» и ссылку на атрибут).
• Триггеры активации (Адаптация): Когда пользователь предоставляет ввод, содержащий определенную тональность (положительную или отрицательную) по отношению к атрибуту текущего или недавнего результата.

Пошаговый алгоритм

Процесс А: Обработка запроса и Навигация (на основе Claim 1 и FIG. 8)

1. Получение ввода и результатов: Система получает начальный запрос и генерирует набор результатов с порядком представления (учитывая существующие Parameters).
2. Начальное предоставление: Система предоставляет первую группу результатов.
3. Получение дальнейшего ввода: Система получает дальнейший ввод от пользователя (например, голосовую команду).
4. Анализ ввода: Система определяет тип ввода:
   • Продолжение («Next»): Если команда продолжения, перейти к шагу 5.
   • Навигация («Back to...»): Если ввод ссылается на атрибут ранее показанного результата, перейти к шагу 6.
   • Адаптация («More like...», «I don't like...»): Перейти к Процессу Б.
5. Последовательное предоставление: Система предоставляет следующую группу результатов согласно текущему порядку. Вернуться к шагу 3.
6. Нелинейная навигация: Система идентифицирует ранее показанный результат по атрибуту и предоставляет его вне очереди (counter to the order). Вернуться к шагу 3.

Процесс Б: Адаптация и Персонализация (на основе Claim 13 и FIG. 9)

1. Получение обратной связи: Во время представления результата система получает ввод с обратной связью (например, «Никогда не показывай новости из Источника 1»).
2. Идентификация атрибута и тональности: Message Processing Engine определяет атрибут («Источник 1») и анализирует тональность и её силу («Никогда» = сильная негативная).
3. Определение параметра: На основе атрибута и тональности Output Adaptation Engine определяет Parameter влияния (Например: Атрибут=Источник 1; Влияние=Исключить/Понизить).
4. Применение и Сохранение параметра: Система использует параметр для влияния на выдачу (ранжирование или фильтрацию) в текущем диалоге и сохраняет его для будущих поисковых сессий этого пользователя.
5. Модификация порядка (Опционально): Система может немедленно переранжировать оставшиеся результаты в текущей сессии.

Какие данные и как использует

Данные на входе

Патент фокусируется на обработке пользовательского ввода и метаданных результатов поиска в контексте диалога.

• Пользовательские факторы (Ввод): Текстовый или звуковой ввод на естественном языке. Критически важны термины, указывающие на намерение навигации («следующий», «назад»), ссылки на атрибуты и слова, выражающие тональность (sentiment).
• Контентные факторы (Атрибуты): Метаданные результатов поиска. Система должна знать атрибуты каждого результата:
  • Источник контента (Source/Publisher).
  • Сущности (Entities), упомянутые в контенте.
  • Темы или топики (Topic).
  • Тип документа (Document Type).
• Системные данные:
  • Порядок представления (Presentation Order).
  • Сохраненные параметры персонализации (Parameters) из предыдущих взаимодействий.

Какие метрики используются и как они считаются

• Сопоставление Атрибутов (Attribute Matching): Метрика, определяющая, соответствует ли термин в пользовательском вводе атрибуту ранее представленного результата. Используется для навигации.
• Оценка Тональности (Sentiment Score/Magnitude): Система определяет направление (положительное/отрицательное) и силу (магнитуду) тональности ввода. Это может быть реализовано с помощью обученного классификатора тональности (trained sentiment classifier) или через сопоставление терминов с предопределенными значениями тональности (например, «никогда» имеет сильную негативную магнитуду).
• Влияние Параметра (Parameter Influence): Определяется на основе оценки тональности. Патент разделяет влияние на два типа:
  • Ranking Influence: Изменение ранжирования (повышение/понижение).
  • Prevention/Filtering: Полное исключение (фильтрация), активируемое сильными терминами.
• NLP-метрики: Для понимания ввода используются различные NLP-техники, включая распознавание сущностей (Entity Tagging) и разрешение кореференций (понимание, к чему относится «этот источник»).

1. Диалоговый поиск требует специфического UX: Патент подчеркивает, что представление результатов в Ассистентах фундаментально отличается от веб-поиска. Оно последовательное (Sequential Providing), итеративное и интерактивное.
2. Естественный язык как инструмент контроля выдачи: Google использует естественный язык не только для запросов, но и для управления самой выдачей (навигация вперед, назад, уточнение по атрибутам).
3. Атрибуты контента критически важны: Для работы системы необходимо точное определение атрибутов контента (источник, сущности, темы). Это подчеркивает важность структурированных данных (Schema.org) и четкой идентификации бренда (источника).
4. Прямая обратная связь формирует персонализацию: Патент описывает конкретный механизм (Claim 13), позволяющий явной обратной связи пользователя (Sentiment) напрямую влиять на ранжирование и фильтрацию будущих результатов в Ассистенте.
5. Сила тональности определяет действие: Система различает силу тональности. Слабый негатив может привести к понижению в рейтинге, тогда как сильный негатив (например, «никогда») может привести к полному исключению (Prevention) источника или темы для данного пользователя.

Best practices (это мы делаем)

Рекомендации касаются в первую очередь оптимизации под голосовой поиск (VEO/VSO) и видимости в Google Assistant (AEO).

• Укрепление узнаваемости и авторитетности бренда (Source Attribute): Убедитесь, что ваш бренд четко идентифицируется как источник контента. Поскольку пользователи могут блокировать источники, которые им не нравятся, критически важно формировать положительное восприятие (positive sentiment) и поддерживать высокий уровень E-E-A-T.
• Максимальное структурирование данных: Используйте разметку Schema.org для четкого определения ключевых атрибутов: источника (Publisher/Organization), сущностей (Entities - mentions/about) и тем (Topics). Это помогает Ассистенту корректно идентифицировать ваш контент, когда пользователь ссылается на него при навигации.
• Создание контента, ориентированного на сущности: Контент должен быть четко сфокусирован на конкретных сущностях. Это увеличивает вероятность того, что пользователь сможет успешно сослаться на него (например, «Вернись к статье о [Точная Сущность]»).
• Оптимизация для голосового представления: Контент должен быть пригоден для последовательного и голосового представления. Сниппеты и резюме должны быть краткими, информативными и легко воспринимаемыми на слух.

Worst practices (это делать не надо)

• Использование кликбейта или создание разочаровывающего контента: Контент, вызывающий сильную негативную реакцию, увеличивает риск того, что пользователь активирует механизмы подавления (например, «Никогда больше не показывай этот источник»). Это приведет к блокировке вашего сайта для этого пользователя в Ассистенте.
• Игнорирование VEO и Google Assistant: Рассмотрение этих каналов как второстепенных является риском, так как они представляют собой растущий сегмент поиска с уникальными механизмами персонализации и фильтрации.
• Слабая атрибуция источника и отсутствие структуры: Если Google не может четко определить атрибуты вашего контента (источник, темы, сущности), пользователи не смогут эффективно взаимодействовать с ним через диалоговые интерфейсы.

Стратегическое значение

Патент подтверждает стратегическое движение Google в сторону глубокой персонализации, основанной не только на поведении (кликах), но и на явной обратной связи (сентименте), выраженной в диалоге. Для SEO это означает, что репутация источника и пользовательский опыт становятся измеряемыми факторами ранжирования в рамках экосистемы Ассистента. Долгосрочная стратегия должна фокусироваться на построении доверия и положительного восприятия бренда, так как один негативный опыт может привести к долгосрочной блокировке контента для пользователя в этом канале.

Практические примеры

Сценарий 1: Блокировка источника новостей (Адаптация и Персонализация)

1. Пользователь: «Какие последние новости?» (к умной колонке).
2. Ассистент (голосом): «Источник А сообщает, что...».
3. Пользователь (прерывая): «Я никогда не хочу слышать новости от Источника А».
4. Система: Идентифицирует Атрибут (Источник А) и сильный негативный Сентимент («никогда»). Создает Parameter для исключения (Prevention) Источника А.
5. Ассистент: Пропускает текущую новость и переходит к следующей: «Источник Б сообщает...».
6. Результат: В текущей и будущих сессиях новости от «Источника А» не будут предлагаться этому пользователю через Ассистент.

Сценарий 2: Навигация по обзорам ресторанов (Навигация)

1. Пользователь: «Рестораны рядом» (в приложении Assistant).
2. Ассистент: Показывает [Ресторан 1 - Итальянский].
3. Пользователь: «Следующий».
4. Ассистент: Показывает [Ресторан 2 - Суши].
5. Пользователь: «Следующий».
6. Ассистент: Показывает [Ресторан 3 - Стейкхаус].
7. Пользователь: «Вернись к итальянскому ресторану».
8. Система: Идентифицирует команду навигации («Вернись») и Атрибут («Итальянский»). Находит ранее показанный [Ресторан 1].
9. Результат: Ассистент снова показывает информацию о [Ресторане 1], нарушая линейный порядок.