Как Google адаптирует формат выдачи (аудио или визуальный) в зависимости от контекста использования устройства

Термины и определения

Audible State (Состояние аудио) / First State

Состояние вычислительного устройства, при котором предпочтительным является аудиовывод информации. Определяется на основе контекста использования (например, активирован датчик приближения, подключена гарнитура, устройство в автомобильной док-станции).

Visual State (Визуальное состояние) / Second State

Стандартное состояние устройства, при котором предпочтительным является визуальный вывод на дисплей без автоматического озвучивания.

Summarized Query Response (SQR) (Сводный ответ на запрос)

Сгенерированный сервером прямой ответ на запрос. Представляет собой попытку системы дать ответ пользователю без дополнительного ввода. Структурно отличается от стандартных результатов поиска и генерируется с использованием шаблонов. Аналог Featured Snippet или Direct Answer.

Template (Шаблон)

Заранее определенная структура для генерации SQR. Содержит предопределенные слова и «слоты» для вставки данных, извлеченных из релевантных документов.

Speech Template (Речевой шаблон)

Шаблон, используемый для преобразования данных из визуального SQR в естественно звучащую речь (speakable prose или human-understandable sentence) для аудиовывода.

State Determiner (Определитель состояния)

Компонент на клиентском устройстве, который анализирует данные сенсоров и подключений для определения текущего состояния (Audible State или Visual State).

Query Response Summarizer (Суммаризатор ответов на запросы)

Компонент серверной системы, отвечающий за генерацию Summarized Query Response на основе контента из релевантных документов.

Ключевые утверждения (Анализ Claims)

Патент US10496714B2 содержит только один пункт формулы изобретения (Claim 1).

Claim 1 (Независимый пункт): Описывает метод, выполняемый вычислительным устройством (клиентом) для адаптивного вывода результатов поиска.

1. Устройство получает страницу результатов поиска (SERP) в ответ на естественно-языковой запрос (natural language query).
2. Устройство выполняет проверку двух условий: (i) находится ли оно в состоянии аудиовывода (audible output state), И (ii) содержит ли полученная страница, помимо стандартных результатов, сводный ответ на запрос (summarized natural language query response), который является попыткой системы ответить на запрос.
3. Если оба условия выполнены (ДА), устройство генерирует человекопонятное аудио-представление этого сводного ответа.
4. Устройство предоставляет это аудио-представление для воспроизведения одновременно (concurrently) с предоставлением визуальной страницы результатов поиска.
5. Уточняется структура сводного ответа: он создается с использованием контента из одного из релевантных документов.
6. Далее детализируется, что сводный ответ включает (a) слова, определенные шаблоном (Template), и (b) слова, извлеченные из релевантного документа, которые не были определены шаблоном.

Ядром изобретения является условная логика на стороне клиента: формат вывода (добавление аудио) зависит от физического контекста использования устройства (State) и типа полученного контента (наличие SQR). Система не просто зачитывает текст с экрана, а целенаправленно генерирует и озвучивает только сформированный прямой ответ, если контекст этому способствует.

Где и как применяется

Изобретение затрагивает как серверную часть (генерация ответа), так и клиентскую часть (презентация ответа).

QUNDERSTANDING – Понимание Запросов / METASEARCH – Метапоиск и Смешивание
На этих этапах серверная система (включая Query Response Summarizer) определяет интент пользователя и генерирует Search Results Page. Она решает, нужно ли включать Summarized Query Response, и формирует его, используя шаблоны и извлеченный контент из индекса.

RERANKING – Переранжирование (Уровень Представления / Client-Side Presentation)
Основное применение патента. Процесс происходит на клиентском устройстве после получения SERP.

1. Определение контекста: State Determiner на устройстве использует сенсоры и данные о подключениях для определения состояния (Audible или Visual).
2. Анализ контента SERP: Устройство проверяет наличие Summarized Query Response.
3. Адаптация вывода: На основе контекста и контента принимается решение о формате вывода. Если активирован аудио-режим (Audible State + наличие SQR), запускается генерация и воспроизведение аудио-представления сводного ответа.

Входные данные (Устройство):

• Search Results Page (включая стандартные результаты и SQR).
• Данные сенсоров устройства (датчик приближения, освещенности, акселерометр).
• Данные о состоянии подключений (Bluetooth, док-станция, гарнитура).

Выходные данные (Устройство):

• Визуальное отображение Search Results Page.
• Аудио-представление (синтезированная речь) Summarized Query Response (при выполнении условий).

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на информационные и фактоидные запросы, на которые можно дать прямой ответ (погода, курсы валют, определения, простые инструкции) — то есть запросы, генерирующие SQR.
• Конкретные типы контента: Контент, структурированный таким образом, что из него легко извлечь ответ для заполнения шаблона (таблицы, списки, краткие определения).
• Устройства и интерфейсы: В первую очередь влияет на мобильные устройства, автомобильные интерфейсы (Android Auto) и сценарии использования голосовых ассистентов.

Когда применяется

Алгоритм применяется при выполнении строго двух условий одновременно:

• Триггер активации 1 (Контекст): Устройство идентифицирует себя как находящееся в Audible State. Примеры, указанные в патенте:
  • Датчик приближения обнаруживает объект (устройство у уха, в кармане, лежит экраном вниз).
  • Устройство подключено к внешней системе динамиков и микрофона (например, Bluetooth-гарнитура или автомобильная система).
  • Устройство установлено в док-станцию.
• Триггер активации 2 (Контент): Информация, полученная в ответ на запрос, содержит Summarized Query Response. Если сводный ответ отсутствует, автоматический аудиовывод (описанный в этом патенте) не активируется.

Пошаговый алгоритм

Процесс А: Обработка на стороне Сервера

1. Получение запроса: Сервер получает запрос от устройства.
2. Идентификация результатов: Поисковая система определяет релевантные документы.
3. Генерация сводного ответа: Query Response Summarizer определяет, можно ли сгенерировать SQR. Если да, он извлекает данные из релевантных документов и заполняет соответствующий Template.
4. Формирование SERP: Сервер формирует Search Results Page, включающую стандартные результаты и SQR.
5. Отправка данных: SERP отправляется на клиентское устройство.

Процесс Б: Обработка на стороне Клиента (Устройства)

1. Получение SERP: Устройство получает Search Results Page.
2. Определение состояния устройства: State Determiner анализирует данные сенсоров и подключений для определения состояния (Visual State или Audible State).
3. Анализ SERP: Устройство проверяет наличие Summarized Query Response в полученных данных.
4. Принятие решения (Условная логика):
   • Если Visual State: Отобразить SERP визуально. Аудиовывод не производится.
   • Если Audible State И SQR отсутствует: Отобразить стандартные результаты. Автоматический аудиовывод сводки не происходит.
   • Если Audible State И SQR присутствует: Перейти к шагу 5.
5. Генерация аудио-представления: Устройство преобразует SQR в синтезированную речь. Это включает применение Speech Template для форматирования данных в естественно звучащую прозу.
6. Вывод информации: Устройство одновременно выводит визуальную SERP и воспроизводит аудио-представление сводного ответа.

Какие данные и как использует

Данные на входе

Патент фокусируется на механизме представления и использует следующие типы данных:

• Контентные факторы (для генерации SQR): Текст и данные, извлеченные из документов. Эти данные используются для заполнения «слотов» в Template при генерации Summarized Query Response. Патент упоминает извлечение из предопределенных полей (predesignated fields).
• Технические факторы (Устройство): Данные с датчиков приближения (proximity sensors), освещенности, движения (акселерометры). Статус подключения внешних устройств (Bluetooth, док-станции, гарнитуры).
• Пользовательские факторы: Контекст использования устройства (State), определяемый на основе технических факторов. Тип ввода запроса (текстовый или голосовой).

Какие метрики используются и как они считаются

Патент не вводит новых метрик ранжирования, но описывает структурные и контекстуальные критерии:

• Определение Состояния (State Determination): Бинарная классификация состояния устройства (Audible vs Visual) на основе пороговых значений сенсоров или статуса подключений.
• Структура Сводного Ответа: Критерий для SQR заключается в том, что он должен быть сгенерирован на основе Template, комбинируя предопределенные слова и извлеченные данные.
• Генерация Речи (Voice Output Formatting): Использование Speech Templates для преобразования данных из визуального SQR в естественно звучащую прозу (human-understandable sentence или speakable prose). Например, визуальный ответ «Погода: Москва, 15C, Солнечно» преобразуется в речь «Погода в Москве пятнадцать градусов, солнечно».

1. Приоритет Сводных Ответов в Аудио-Контекстах: Патент подтверждает критическую важность Summarized Query Response (Featured Snippets) для голосового поиска. В Audible State сводный ответ становится главным, а часто и единственным результатом, который потребляет пользователь.
2. Контекст определяет Формат: Google активно использует физический контекст устройства для адаптации пользовательского опыта. Решение о способе представления информации принимается динамически на стороне клиента.
3. Структурированные Ответы и Шаблоны: Система полагается на ответы, сгенерированные с помощью шаблонов (Templates). Это подчеркивает важность предоставления четкой, извлекаемой информации на страницах, которая может быть использована для заполнения этих шаблонов.
4. Оптимизация под Естественность Речи: Поскольку сводные ответы преобразуются в речь с помощью Speech Templates для естественного звучания, контент, оптимизированный для этих ответов, должен хорошо восприниматься на слух.
5. Разделение Ранжирования и Представления: Описанный механизм работает на уровне представления и не влияет на базовое ранжирование, но радикально влияет на видимость (visibility) результатов в сценариях «hands-free».

Best practices (это мы делаем)

• Приоритетная оптимизация под Featured Snippets (Position Zero): Необходимо целенаправленно работать над тем, чтобы контент сайта выбирался в качестве источника для Summarized Query Response. Это ключевая стратегия для обеспечения видимости в голосовом поиске и сценариях, описанных в патенте (Audible State).
• Ответы на информационные запросы: Создавайте контент, который дает прямые, краткие и точные ответы на распространенные вопросы пользователей (Кто, Что, Где, Когда, Как).
• Структурирование контента для извлечения: Используйте четкую структуру (заголовки, списки, таблицы, выделение определений), чтобы облегчить системам Google извлечение информации для заполнения шаблонов ответов (Templates).
• Оптимизация под естественность речи (VSO): Пишите контент так, чтобы он естественно звучал при чтении вслух. Избегайте сложных конструкций. Проверяйте, как звучит ваш контент, попавший в сниппет, так как он будет преобразован с помощью Speech Templates.
• Использование разметки Schema.org: Применяйте релевантную микроразметку (например, FAQ, HowTo, Speakable), чтобы помочь поисковым системам понять структуру и содержание ответов на странице.

Worst practices (это делать не надо)

• Игнорирование голосового поиска и Featured Snippets: Рассматривать оптимизацию под готовые ответы как второстепенную задачу. В контекстах Audible State это ведет к полной потере видимости.
• Сложная подача информации: Прятать ответы глубоко в тексте или использовать сложные визуализации и форматирование (например, ответы только в виде инфографики), которые невозможно эффективно преобразовать в краткий аудио-ответ.
• Использование неестественного языка или переспама: Контент, звучащий неестественно, будет плохо конвертироваться в речь и может быть проигнорирован системами генерации Summarized Query Response.

Стратегическое значение

Патент подтверждает долгосрочную стратегию Google на переход от предоставления ссылок к предоставлению прямых ответов («Answer Engine»), особенно в мобильных и ассистивных средах. Стратегическое значение для SEO заключается в понимании того, что видимость сайта все больше зависит от его способности служить источником для Summarized Query Response. Долгосрочная стратегия должна учитывать рост голосового взаимодействия и стремиться предоставлять лучшие, легко извлекаемые и «озвучиваемые» ответы.

Практические примеры

Сценарий: Оптимизация статьи рецепта для аудио-выдачи в автомобиле

1. Контекст: Пользователь за рулем (устройство в Audible State) спрашивает: «Как приготовить пасту Карбонара?».
2. Цель SEO: Стать источником Summarized Query Response, который будет зачитан вслух.
3. Действия:
   • Разместить краткое описание блюда в начале статьи.
   • Использовать четкие нумерованные списки для шагов приготовления.
   • Применить микроразметку Recipe и HowTo.
   • Убедиться, что шаги сформулированы понятно и естественно звучат.
4. Ожидаемый результат (по патенту): Сервер Google генерирует Summarized Query Response на основе данных сайта. Устройство пользователя определяет Audible State и активирует аудио-вывод. Система использует Speech Template и зачитывает шаги приготовления: «Шаг 1: Отварите спагетти... Шаг 2: Обжарьте бекон...».