Как Google использует клики пользователей в поиске по картинкам для понимания содержания изображений и улучшения таргетинга

Термины и определения

Concept (Концепция)

Абстрактное представление содержания (сущность, тема, ключевое слово), с которым ассоциируется документ. Является результатом анализа idea-electronic document associations.

Electronic Document (Электронный документ)

Любой элемент цифрового контента. В контексте патента в первую очередь подразумеваются изображения (images) и графические объявления (image ads).

Idea (Идея)

Исходный триггер для ассоциации. Чаще всего это поисковый запрос (search query), введенный пользователем.

Idea-electronic document association (Связь "Идея-Документ")

Связь, формируемая, когда пользователь вводит запрос (idea) и затем выбирает конкретный результат (document).

User performance criteria / Previous User Selections (Критерии эффективности пользователя / Предыдущие выборы пользователя)

Действия пользователя по отношению к документу. В данном контексте это в первую очередь выбор (клик) документа из списка результатов.

First set of terms (Первый набор терминов)

Термины, описывающие контент документа, определенные путем анализа previous user selections (результат майнинга).

Second set of terms (Второй набор терминов)

Расширенный набор концепций, сопоставленных с первым набором. Используется для предложения ключевых слов (Suggested Keywords).

Content distribution campaign (Кампания по распространению контента)

Рекламная кампания.

Ключевые утверждения (Анализ Claims)

Патент US11409812B1 является продолжением (continuation) более ранних заявок. Его Claims сфокусированы на применении базовой технологии майнинга ассоциаций в контексте рекламных инструментов.

Claim 1 (Независимый пункт): Описывает метод предложения ключевых слов рекламодателю на основе анализа исторических данных о кликах на изображение.

1. Система идентифицирует электронный документ (например, изображение).
2. Система анализирует сохраненную информацию о предыдущих выборах пользователями (previous user selections) этого документа (например, клики в Image Search).
3. На основе этого анализа определяются ассоциации между документом и first set of terms (например, запросы, которые приводили к кликам).
4. Определяется second set of terms, связанных с первым набором (например, синонимы, связанные сущности).
5. Термины из второго набора предоставляются как suggested keywords для рекламной кампании через графический интерфейс (GUI).
6. Система получает выбор конкретного ключевого слова и сохраняет его в кампании.

Claim 15 (Зависимый от 1): Подчеркивает эффективность метода.

Система определяет first set of terms, не требуя обработки самого электронного документа (т.е. без анализа пикселей), что снижает необходимую вычислительную мощность для категоризации.

Где и как применяется

Изобретение связывает процессы анализа поведения пользователей в поиске с ранжированием и рекламными системами.

INDEXING – Индексирование (Сбор данных) / QUNDERSTANDING
На этом этапе система логирует и сохраняет данные о взаимодействии пользователей: какие запросы (Ideas) вводятся и какие документы (Electronic Documents) выбираются в ответ. Формируется база idea-electronic document associations.

INDEXING (Офлайн-анализ / Mining)
Система периодически анализирует (майнит) логи поисковых сессий. Происходит агрегация данных для выявления устойчивых паттернов кликов. На основе этого анализа формируются устойчивые ассоциации "Изображение-Концепция" (first set of terms) и извлекаются новые признаки (Feature Extraction).

RANKING – Ранжирование (Применение в поиске)
Сформированные ассоциации используются как сильный сигнал релевантности при ранжировании в поиске по картинкам. Изображение с сильной историей кликов по запросу получит преимущество.

Рекламные системы (Применение для таргетинга)
Основное применение, описанное в Claims. При создании графического объявления система использует сформированные ассоциации (first set of terms), расширяет их (second set of terms) и предлагает рекламодателю в качестве suggested keywords (например, через Keyword Suggestion Tool, показанный на FIG. 11-13).

Входные данные:

• Поисковые запросы пользователей (Ideas).
• Данные о кликах пользователей на изображения (User performance criteria).
• Изображения, загружаемые рекламодателями.

Выходные данные:

• Ассоциации "Изображение-Концепция".
• Улучшенные оценки релевантности для ранжирования изображений.
• Списки предложенных ключевых слов для рекламных кампаний.

На что влияет

• Типы контента: В первую очередь влияет на изображения, графику и графические объявления.
• Специфические запросы: Наибольшее влияние на запросы с визуальным интентом (поиск товаров, людей, мест) в Image Search.
• Конкретные ниши: Критично для E-commerce, новостей, развлечений, где визуальная идентификация контента играет ключевую роль.

Когда применяется

• Триггеры активации (Сбор данных): Каждый раз, когда пользователь кликает на результат в поиске по изображениям.
• Триггеры активации (Анализ/Mining): Периодически в офлайн-режиме для анализа логов и обновления ассоциаций.
• Триггеры активации (Предложение ключевых слов): Когда рекламодатель использует Keyword Suggestion Tool при создании графического объявления.

Пошаговый алгоритм

Процесс А: Сбор данных и формирование ассоциаций (Mining)

1. Получение запроса: Система получает поисковый запрос по картинкам (Idea).
2. Предоставление результатов: Система предоставляет пользователю множество изображений (Documents).
3. Получение выбора пользователя: Система регистрирует клик пользователя (User performance criteria).
4. Регистрация связи: Фиксируется связь idea-electronic document association.
5. Агрегация и анализ (Офлайн): Система анализирует накопленные связи от множества пользователей.
6. Формирование концепции: Если связь устойчива, система ассоциирует документ с концепцией (first set of terms).
7. Распространение ассоциации (Опционально): В описании упоминается Document Comparison Module, который может использоваться для переноса ассоциаций на похожие документы.

Процесс Б: Применение ассоциаций для предложения ключевых слов (Claims 1)

1. Идентификация документа: Рекламодатель загружает изображение для кампании.
2. Анализ исторических данных: Система извлекает сохраненную информацию о предыдущих выборах пользователями этого изображения (first set of terms).
3. Определение второго набора терминов: Система расширяет первый набор, добавляя связанные концепции (синонимы, вариации), формируя second set of terms.
4. Предоставление предложений: Второй набор терминов предлагается рекламодателю как suggested keywords в интерфейсе.
5. Выбор и сохранение: Рекламодатель выбирает ключевые слова для таргетинга.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании поведенческих данных для понимания контента.

• Поведенческие факторы: Критически важные данные. Используются User performance criteria — клики на изображения в результатах поиска. Анализируются логи поисковых сессий, фиксирующие связку "Запрос -> Клик на изображение".
• Контентные факторы (Изображения): Сами электронные документы (изображения), которые являются объектом ассоциации.
• Данные запросов: Текст поисковых запросов (Ideas).
• Пользовательские факторы (Опционально): В описании упоминается возможность использования данных о пользователе (например, если пользователь известен как энтузиаст ботаники, его клики могут сильнее влиять на ассоциацию изображений с растениями).

Какие метрики используются и как они считаются

• Частота выбора (Selection Frequency): Как часто конкретное изображение выбирается по конкретному запросу. Основа для idea-electronic document association.
• Сила ассоциации (Association Strength): Агрегированная метрика, основанная на частоте выбора. В описании упоминается, что требуется определенное количество ассоциаций или пользователей для установления надежной связи (порог).
• Схожесть документов (Document Similarity): Метрика для сравнения двух изображений. Используется для распространения ассоциаций на дубликаты или похожие версии.
• Mapping / Семантическая близость: Процесс расширения first set of terms во второй (second set of terms) с использованием синонимов (Claim 5) и вариаций (Claim 6).

1. Поведенческие сигналы как источник истины для Image SEO: Патент подтверждает, что Google активно использует клики пользователей (user performance criteria) в Image Search для понимания содержания изображений. Это "коллективный разум", который может быть точнее алгоритмов или метаданных.
2. Самоусиливающийся эффект ранжирования (CTR): Чем чаще на изображение кликают по запросу, тем сильнее его ассоциация с этой концепцией, и тем выше оно будет ранжироваться. Это подчеркивает критическую важность CTR в Image Search.
3. Идентификация контента без анализа пикселей: Система может надежно идентифицировать содержание изображения, анализируя только логи запросов и кликов, не прибегая к сложному анализу самого файла изображения (подтверждено в Claim 15).
4. Прямая связь между органическим поиском и рекламой: Данные, собранные в органическом поиске по картинкам, напрямую используются в рекламных системах для предложения ключевых слов (suggested keywords). То, как пользователи находят изображение в органике, определяет его рекламный таргетинг.
5. Важность уникальности и качества: Чтобы собрать сильные поведенческие сигналы, изображение должно быть достаточно привлекательным и качественным, чтобы пользователи выбирали именно его среди других результатов.

Best practices (это мы делаем)

• Оптимизация под кликабельность в Image Search (Image CTR): Создавайте высококачественные, привлекательные и информативные изображения, которые выделяются в выдаче. Высокий CTR по релевантным запросам напрямую усиливает ассоциацию "изображение-концепция" согласно патенту.
• Точная исходная оптимизация (Seeding): Обеспечьте релевантные текстовые метаданные (alt-text, заголовок, окружающий текст). Это необходимо, чтобы изображение начало показываться по нужным запросам и могло начать собирать поведенческие данные (idea-electronic document associations).
• Использование уникальных изображений: По возможности используйте уникальные изображения. Это позволяет вашему сайту аккумулировать все поведенческие сигналы, связанные с этим изображением, укрепляя его авторитетность для данной концепции.
• Стратегия для E-commerce: Используйте четкие, качественные фотографии товаров с разных ракурсов. Если пользователи, ищущие конкретную модель, стабильно кликают на вашу фотографию в Image Search, это подтверждает Google, что ваше изображение точно соответствует товару.
• Анализ производительности изображений: Отслеживайте в GSC, по каким запросам ваши изображения получают показы и клики в поиске картинок. Усиливайте контент, демонстрирующий сильные поведенческие сигналы.

Worst practices (это делать не надо)

• Манипуляция метаданными (Keyword Stuffing в Alt-text): Попытки ранжироваться по нерелевантным запросам путем добавления популярных ключевых слов в метаданные будут неэффективны. Если пользователи не будут кликать на изображение (низкий CTR), система не сформирует сильную ассоциацию.
• Использование стоковых изображений для ключевых концепций: Использование популярных стоковых фото может затруднить ранжирование, так как поведенческие сигналы "размываются" между множеством сайтов. Система может предпочесть канонический источник или сайт с наибольшим авторитетом.
• Кликбейт и подмена изображений: Использование привлекательных, но нерелевантных изображений. Хотя это может дать краткосрочный трафик, это не приведет к формированию нужных тематических ассоциаций и может привести к пессимизации другими системами (например, из-за pogo-sticking).

Стратегическое значение

Этот патент подчеркивает стратегию Google по использованию огромного объема поведенческих данных в качестве механизма валидации контента. Для SEO-специалистов это означает, что оптимизация изображений переходит от простого заполнения тегов к созданию визуального контента, который действительно удовлетворяет интент пользователя. Долгосрочная стратегия в Image SEO должна быть направлена на то, чтобы стать источником лучших изображений по конкретным темам, что подтверждается высоким взаимодействием пользователей.

Практические примеры

Сценарий: Оптимизация карточки товара для нового смартфона

1. Задача: Занять ТОП в Google Image Search по запросу "[Бренд] [Модель] синий".
2. Действия (Традиционный подход): Загрузить официальное фото, прописать alt="[Бренд] [Модель] синий".
3. Действия (С учетом патента): Загрузить несколько уникальных, высококачественных "живых" фотографий смартфона в синем цвете, сделанных командой сайта. Оптимизировать их для максимальной визуальной привлекательности (четкость, освещение). Прописать точные метаданные.
4. Механизм работы: Пользователи ищут "[Бренд] [Модель] синий". Они видят официальные рендеры и ваши живые фото. Если живые фото лучше отвечают их интенту (понять реальный вид), они кликают на них чаще.
5. Результат: Google фиксирует эти idea-electronic document associations. Система понимает, что эти уникальные фото высоко релевантны запросу. Их позиции в Image Search растут. Если вы затем используете это фото в Google Ads, система предложит "[Бренд] [Модель] синий" как ключевое слово.