Как Google использует генеративный ИИ для создания чата с конкретным сайтом прямо в поисковой выдаче и предоставления глубинных ссылок

Термины и определения

AI Subsystem (Подсистема ИИ)

Компонент поисковой системы, отвечающий за обработку промптов с помощью Language Model, определение интента пользователя и выбор релевантных ресурсов в пределах указанного домена.

Conversational Response (Разговорный ответ)

Ответ, генерируемый AI Subsystem в ответ на промпт пользователя. Включает комментарии (commentary) и глубинные ссылки на один или несколько ресурсов.

Deep Linking (Глубинные ссылки)

Практика предоставления ссылок на конкретные внутренние страницы сайта или экраны приложения, а не на общую главную или посадочную страницу.

Domain (Домен)

Контекстное ограничение для поиска ответов. ИИ ищет дополнительные ресурсы только на том же домене, который связан с результатом поиска, с которым взаимодействует пользователь.

Language Model (Языковая модель) / LLM

Модель машинного обучения (например, на базе Transformer), используемая для понимания запроса и промпта, определения интента и генерации Conversational Response.

Prompt Input Interface (Интерфейс ввода промпта)

Элемент пользовательского интерфейса (например, текстовое поле чата), отображаемый рядом с конкретным результатом поиска в SERP, позволяющий пользователю взаимодействовать с этим результатом.

User's Intent (Намерение пользователя)

Цель пользователя, определяемая ИИ на основе анализа запроса и промпта. В патенте выделяются: Information Seeking Intent (поиск информации), Action Seeking Intent (поиск действия), Navigation Seeking Intent (поиск навигации).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает базовый механизм системы.

1. Система получает запрос от пользователя.
2. Предоставляет набор результатов поиска (SERP).
3. Вместе с конкретным результатом поиска система предоставляет Prompt Input Interface для взаимодействия с AI Subsystem.
4. Система получает промпт, введенный пользователем через этот интерфейс.
5. AI Subsystem, используя Language Model, выбирает один или несколько дополнительных ресурсов. Выбор ограничен набором ресурсов, размещенных на том же домене, что и исходный результат поиска. Выбор основывается на промпте пользователя и исходном запросе.
6. Система предоставляет Conversational Response, включающий комментарии о теме дополнительных ресурсов и ссылки на них.

Claim 3 (Зависимый): Описывает развитие взаимодействия в формате диалога.

1. Система предоставляет интерфейс для ввода второго промпта.
2. После получения второго промпта, AI Subsystem выбирает дополнительные ресурсы на том же домене, основываясь на всем контексте диалога: исходном запросе, первом промпте, первом ответе и втором промпте.
3. Система предоставляет второй Conversational Response.

Claim 7 (Зависимый от 1): Детализирует процесс выбора ресурсов через определение интента.

Выбор дополнительных ресурсов включает определение намерения пользователя (User's Intent) на основе промпта и запроса, и последующий выбор ресурсов в соответствии с этим намерением.

Claim 8 (Зависимый от 7): Определяет типы намерений.

Намерение пользователя определяется как одно из следующих: (i) Information Seeking Intent, (ii) Action Seeking Intent, (iii) Navigation Seeking Intent, или их комбинация.

Claim 9 (Зависимый от 1): Описывает механизм выполнения действий (Action Seeking).

Система может получить запрос, включающий список элементов (например, список покупок). Она идентифицирует эти элементы на конкретном веб-сайте и добавляет их в виртуальную корзину (virtual cart) этого веб-сайта.

Где и как применяется

Изобретение функционирует на стыке нескольких этапов поиска и взаимодействия с пользователем, преимущественно после основного ранжирования.

QUNDERSTANDING – Понимание Запросов
На этом этапе система анализирует как исходный запрос, так и последующие промпты пользователя в реальном времени. AI Subsystem использует Language Model для интерпретации промпта в контексте исходного запроса и конкретного домена, чтобы определить User's Intent (информационный, действенный или навигационный).

RANKING / Retrieval (Специфичный для домена)
После определения интента AI Subsystem выполняет поиск и ранжирование ресурсов. Однако, в отличие от основного этапа RANKING, этот поиск строго ограничен индексом или данными ресурсов, принадлежащих конкретному домену, с которым взаимодействует пользователь. Это можно рассматривать как запуск специализированного экземпляра поиска по сайту, управляемого ИИ.

METASEARCH / RERANKING (Представление результатов)
Механизм влияет на то, как результаты представляются пользователю. Вместо изменения порядка стандартных синих ссылок, он добавляет новый блок — Conversational Response с Deep Links — непосредственно в SERP, рядом с соответствующим результатом поиска. Это изменяет структуру и интерактивность SERP.

Входные данные:

• Исходный поисковый запрос.
• Набор результатов поиска (SERP).
• Идентификатор домена, связанного с результатом, с которым взаимодействует пользователь.
• Промпт, введенный пользователем через Prompt Input Interface.
• Данные о ресурсах целевого домена (индекс страниц, контент, структура).
• История разговора (для последующих промптов).

Выходные данные:

• Conversational Response, включающий:
  • Комментарии (сгенерированный текст).
  • Deep Links (URL) на внутренние ресурсы домена.
• (Опционально) Действие, выполненное на сайте (например, добавление товара в корзину).

На что влияет

• Специфические запросы: Наибольшее влияние на запросы, где пользователь ищет конкретную информацию на известном ему сайте (навигационные или смешанные интенты) или где интент предполагает дальнейшие действия на сайте (коммерческие, транзакционные).
• Конкретные ниши: Критическое влияние на E-commerce (поиск конкретных товаров, добавление в корзину), крупные контентные порталы, сайты услуг и SaaS (поиск конкретных функций или документации).
• Типы контента: Повышает значимость внутренних страниц (карточки товаров, статьи документации, конкретные инструменты), снижая зависимость от общих посадочных страниц.

Когда применяется

Алгоритм применяется при выполнении следующих условий:

• Отображение интерфейса: Когда поисковая система решает отобразить Prompt Input Interface для одного или нескольких результатов в SERP. В патенте упоминается, что это может быть применено к подмножеству результатов, например, на основе ранжирования или статуса ресурса (например, если паблишер запросил эту функцию).
• Триггер активации: Когда пользователь активно взаимодействует с Prompt Input Interface и отправляет промпт.
• Условие выполнения: Когда AI Subsystem способен понять промпт, определить интент и найти релевантные Deep Links или выполнить действие в пределах целевого домена.

Пошаговый алгоритм

Этап 1: Первичная обработка запроса и формирование SERP

1. Получение запроса: Поисковая система получает запрос от пользователя.
2. Генерация SERP: Система генерирует стандартный набор результатов поиска.
3. Отображение интерфейса: Для одного или нескольких результатов система отображает Prompt Input Interface рядом с ними.

Этап 2: Взаимодействие пользователя и обработка промпта

4. Получение промпта: Пользователь вводит промпт в интерфейс, связанный с конкретным результатом поиска.
5. Контекстуализация: AI Subsystem получает промпт, исходный запрос и идентификатор домена, связанного с результатом.
6. Определение интента: AI Subsystem использует Language Model для анализа контекста и определения User's Intent (информационный, действенный, навигационный).

Этап 3: Поиск по домену и генерация ответа

7. Ограниченный поиск: AI Subsystem выполняет поиск релевантных ресурсов, строго ограниченный целевым доменом, в соответствии с определенным интентом.
8. Выбор ресурсов (Deep Links): Система идентифицирует одну или несколько наиболее релевантных внутренних страниц.
9. Выполнение действий (если применимо): Если интент действенный (Action Seeking), система может выполнить действие, например, добавить товары из списка в виртуальную корзину на сайте.
10. Генерация ответа: Language Model генерирует Conversational Response, включающий текстовые комментарии (описание найденных ресурсов) и Deep Links.
11. Отображение ответа: Conversational Response отображается в интерфейсе SERP, обычно под или рядом с Prompt Input Interface.

Этап 4: Продолжение диалога (Опционально)

12. Повторный ввод: Пользователь может ввести следующий промпт.
13. Обновление контекста: Система анализирует новый промпт с учетом всей истории разговора и повторяет Этапы 2 и 3.

Какие данные и как использует

Данные на входе

Патент фокусируется на механизме взаимодействия и не детализирует все факторы ранжирования, но подразумевает использование следующих данных:

• Контентные и структурные факторы (С целевого домена): Система должна иметь доступ к данным о контенте, структуре URL, заголовках и, возможно, внутренней перелинковке целевого домена, чтобы ИИ мог эффективно находить Deep Links.
• Пользовательские факторы (Контекст): Исходный поисковый запрос и введенный промпт являются основными входными данными для определения интента. История разговора также используется.
• Данные E-commerce (если применимо): Для реализации Action Seeking Intent (добавление в корзину) системе необходим доступ к данным о товарах (идентификаторы, наличие) и механизмам управления корзиной (API или другие интерфейсы) на целевом сайте.

Какие метрики используются и как они считаются

Патент не описывает конкретные метрики ранжирования, но описывает ключевые процессы вычисления:

• Определение User's Intent: Ключевое вычисление, выполняемое Language Model. Это классификация промпта и запроса в одну или несколько категорий: Information Seeking, Action Seeking, Navigation Seeking.
• Релевантность ресурсов промпту: Система должна оценивать релевантность внутренних страниц домена введенному промпту в контексте исходного запроса. Для этого используются методы Information Retrieval и NLP, применяемые к индексу домена.
• Генерация промпта для Language Model: Система генерирует внутренний промпт для Language Model на основе промпта пользователя и исходного запроса, чтобы получить конечный Conversational Response.

1. SERP становится интерактивным интерфейсом для навигации по сайтам: Патент описывает переход от SERP как списка ссылок к SERP как интерактивной среде, где пользователь может уточнять свои потребности и получать точные указания для конкретного домена до перехода на него.
2. Ограничение контекста доменом: Ключевая особенность — взаимодействие происходит строго в контексте выбранного пользователем результата поиска. ИИ выступает в роли навигатора по конкретному сайту.
3. Критичность определения интента (Intent Classification): Система полагается на способность ИИ точно классифицировать намерение пользователя на Information Seeking, Action Seeking или Navigation Seeking. Это определяет логику обработки промпта.
4. Новая парадигма для E-commerce (Action Seeking Intent): Возможность идентификации списка товаров и добавления их в корзину непосредственно через взаимодействие в SERP (Claim 9) представляет собой значительный сдвиг, позволяя пропустить несколько этапов воронки продаж.
5. Повышение важности структуры сайта и индексации внутренних страниц: Чтобы механизм работал эффективно, ИИ должен быть способен легко находить и интерпретировать контент внутренних страниц сайта. Плохая структура, проблемы с индексацией или неясный контент будут препятствовать генерации качественных Deep Links.
6. Изменение пути пользователя (User Journey): Этот механизм направлен на сокращение пути пользователя, предоставляя прямые ссылки на конечный контент и уменьшая количество промежуточных кликов на сайте.

Best practices (это мы делаем)

• Обеспечение полной индексации и доступности контента: Убедитесь, что все важные внутренние страницы (товары, статьи, инструменты) доступны для сканирования и корректно индексируются. ИИ должен иметь полное представление о ресурсах домена, чтобы генерировать Deep Links.
• Оптимизация структуры сайта и URL: Логичная, чистая и семантически понятная структура URL и иерархия сайта облегчают ИИ задачу навигации по домену и идентификации релевантных страниц в ответ на промпты.
• Ясность и специфичность контента страниц: Контент каждой страницы должен быть четко сфокусирован на одной теме или продукте. Заголовки (H1) и Title должны точно отражать содержание. Это поможет Language Model понять назначение страницы и предложить ее в Conversational Response.
• Использование структурированных данных (Schema.org): Разметка Product, Article, FAQ, HowTo помогает ИИ лучше понять содержание и назначение страниц, что критично для выбора правильных Deep Links.
• (Для E-commerce) Оптимизация под Action Seeking Intent: Убедитесь, что функционал добавления в корзину технически доступен и стандартизирован. Предоставляйте полные и точные данные о товарах (например, через Merchant Center или структурированные данные), чтобы ИИ мог однозначно идентифицировать товары из списка пользователя (Claim 9).
• Анализ интентов и покрытие семантики: Создавайте контент, который отвечает на конкретные информационные, навигационные и действенные запросы пользователей внутри вашей тематики, предполагая, что эти запросы могут быть заданы в виде промптов.

Worst practices (это делать не надо)

• Скрытие контента за сложной навигацией или скриптами: Использование сложной JavaScript-навигации, нестандартных меню или фильтров, которые затрудняют доступ к прямым URL страниц, может помешать ИИ найти релевантные Deep Links.
• Использование общих или неоднозначных заголовков: Если внутренние страницы имеют похожие или неинформативные заголовки, ИИ не сможет различить их и выбрать наиболее релевантную ссылку в ответ на промпт.
• Игнорирование технических ошибок и проблем с индексацией: Страницы, закрытые от индексации или имеющие технические проблемы, не смогут быть предложены в качестве Deep Links.
• Создание "раздутых" страниц: Попытка охватить слишком много тем на одной странице усложняет для ИИ задачу понять основное назначение страницы и предложить ее для специфического промпта.

Стратегическое значение

Этот патент подтверждает стратегию Google по превращению поисковой системы в "движок действий" и персонального ассистента. Для SEO это означает, что фокус смещается с привлечения трафика на главную или категорийные страницы к обеспечению максимальной доступности и понятности всего контента сайта для ИИ. Сайты, которые ИИ может легко "понять" и по которым может "навигировать", получат преимущество, так как смогут лучше обслуживать пользователей непосредственно в SERP. Долгосрочная стратегия должна включать структурирование данных и контента таким образом, чтобы он был готов к взаимодействию через интерфейсы генеративного ИИ.

Практические примеры

Сценарий 1: E-commerce и Information/Navigation Seeking

1. Исходный запрос: "Кроссовки Nike Air Max".
2. SERP: Пользователь видит результат официального магазина Nike и Prompt Input Interface рядом с ним.
3. Промпт пользователя: "Покажи только модели 2025 года в синем цвете до 200 долларов".
4. Действие ИИ: AI Subsystem анализирует промпт, определяет Navigation Seeking Intent и ищет соответствующие страницы в пределах nike.com.
5. Conversational Response: "Я нашел несколько моделей, соответствующих вашим критериям. Вот ссылка на категорию [Синие Air Max 2025 до $200] (Deep Link на страницу с примененными фильтрами) и несколько популярных моделей: [Модель A] (Deep Link), [Модель B] (Deep Link)."

Сценарий 2: Контентный сайт и Information Seeking

1. Исходный запрос: "Как настроить Google Analytics 4".
2. SERP: Результат ведет на блог крупного маркетингового агентства.
3. Промпт пользователя: "Мне нужно узнать, как настроить отслеживание событий для отправки форм".
4. Действие ИИ: ИИ определяет Information Seeking Intent и ищет релевантные статьи на этом блоге.
5. Conversational Response: "Вот руководство по вашей теме: [Настройка отслеживания событий GA4 для форм] (Deep Link на конкретную статью). Также может быть полезна статья [Разница между целями и событиями в GA4] (Deep Link)."

Сценарий 3: E-commerce и Action Seeking (Claim 9)

1. Исходный запрос (или промпт в ассистенте): "Добавь в корзину в Walmart: молоко, яйца, хлеб и батарейки АА".
2. Действие ИИ: ИИ определяет Action Seeking Intent. Он идентифицирует каждый товар на walmart.com.
3. Выполнение: Система добавляет эти товары в виртуальную корзину пользователя на сайте Walmart.
4. Conversational Response: "Готово. Молоко, яйца, хлеб и батарейки АА добавлены в вашу корзину Walmart. [Перейти к оформлению заказа] (Deep Link на корзину)."