Как Google интерпретирует выделенный пользователем текст в поисковые запросы и отдает предпочтение более длинным формулировкам

Термины и определения

Candidate Search Queries (Кандидаты в поисковые запросы)

Набор потенциальных поисковых запросов, сгенерированных системой на основе контента, выделенного пользователем.

Gesture Data (Данные о жесте)

Данные, сгенерированные устройством в ответ на жест пользователя (касание, обводка). Включают информацию о выделенном контенте и проксимальном контенте.

Historical Data (Исторические данные)

Хранилище данных о ранее полученных поисковых запросах. Используется для определения частотности запросов и частотности длин запросов.

Likelihood Score (Оценка вероятности)

Метрика, указывающая на вероятность того, что данный кандидат является запросом, который подразумевал пользователь. Изначально часто основана на частотности запроса в логах или корпусе документов.

Meta Information Label (Метка метаинформации)

Метаданные, связанные с документом или ресурсом (например, теги, заголовки, alt-тексты), которые могут использоваться для уточнения релевантности кандидата в запросы.

Normalization Factor (Коэффициент нормализации)

Метрика, используемая для корректировки Likelihood Score. Основана на длине запроса (количестве символов/слов). Служит для компенсации смещения в сторону более коротких запросов.

Proximal Content (Проксимальный контент / Контекст)

Контент, окружающий область, выделенную жестом. Используется для уточнения контекста и генерации более точных кандидатов.

Query Selector (Селектор запросов)

Компонент системы, отвечающий за анализ Gesture Data, генерацию, оценку и выбор финального поискового запроса.

Semantic Signal (Семантический сигнал)

Индикатор того, что кандидат в запросы имеет определенное семантическое значение (например, является адресом, именем человека, названием продукта). Используется для повышения оценки кандидата.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод работы системы.

1. Получение Gesture Data, определяющих взаимодействие пользователя с частью отображаемого контента.
2. Идентификация подмножества контента на основе Gesture Data.
3. Идентификация набора Candidate Search Queries.
4. Для каждого кандидата:
   • Определение Likelihood Score (вероятность того, что это и есть предполагаемый запрос).
   • Корректировка Likelihood Score с использованием Normalization Factor. Ключевой момент: Normalization Factor основан на количестве символов в кандидате.
5. Выбор одного или нескольких кандидатов на основе скорректированных оценок.

Claim 4 (Зависимый): Уточняет, что исходный Likelihood Score основан на количестве вхождений этого запроса в наборе ранее полученных поисковых запросов (исторические логи).

Claim 5 и 7 (Зависимые): Детализируют расчет Normalization Factor. Он основан на количестве поисковых запросов в исторических логах, которые имеют такое же количество символов (Claim 5) и/или такое же количество слов (Claim 7), что и кандидат.

Claim 8 (Зависимый): Уточняет механизм корректировки. Скорректированная оценка определяется как соотношение (ratio) между Likelihood Score и Normalization Factor (т.е. деление).

Claim 9 (Зависимый): Описывает дополнительный бустинг. Если для кандидата идентифицирован Semantic Signal (указывающий на конкретное семантическое значение), его скорректированная оценка повышается.

Claim 10 (Зависимый): Описывает другой дополнительный бустинг. Если кандидат соответствует Meta Information Label, связанному с исходным документом, его скорректированная оценка повышается.

Claim 11 (Зависимый): Предоставляет конкретный пример расчета для кандидата с 'n' словами и 'x' символами.

• Normalization Factor определяется как вероятность получения любого поискового запроса, имеющего 'n' слов и 'x' символов.
• Скорректированная оценка = (Likelihood Score кандидата) / (Normalization Factor).

Где и как применяется

Изобретение применяется преимущественно на этапе понимания запроса, используя исторические данные и данные, полученные при индексировании.

INDEXING – Индексирование и извлечение признаков
На этом этапе система собирает данные, которые могут использоваться для оценки кандидатов:

• Частота встречаемости фраз в корпусе документов (может использоваться для расчета Likelihood Score).
• Извлечение Meta Information Labels из документов.
• Идентификация Semantic Signals и сущностей в контенте.

QUNDERSTANDING – Понимание Запросов
Это основной этап применения патента. Query Selector выполняет следующие функции:

1. Интерпретация Gesture Data (выделенный контент и proximal content), полученных от пользователя в реальном времени.
2. Генерация Candidate Search Queries.
3. Расчет Likelihood Scores с использованием Historical Data (логов запросов).
4. Расчет и применение Normalization Factor для корректировки оценок по длине запроса.
5. Применение бустингов на основе Semantic Signals и Meta Information.
6. Выбор оптимального запроса для передачи на этап ранжирования.

RANKING – Ранжирование
Система ранжирования получает на вход уже оптимизированный запрос, выбранный Query Selector, и выполняет стандартный поиск.

Входные данные:

• Gesture Data (выделенный контент, proximal content).
• Historical Data (частотность запросов, частотность длин запросов).
• Данные об источнике контента (Meta Information Labels).

Выходные данные:

• Один или несколько выбранных Candidate Search Queries, передаваемых поисковой системе.

На что влияет

• Типы устройств: Наибольшее влияние на устройства с сенсорным вводом (смартфоны, планшеты), где ввод текста затруднен, а использование жестов интуитивно понятно.
• Типы контента: Влияет на любой отображаемый контент (веб-страницы, приложения, документы, изображения с текстом/метаданными), который может быть выделен пользователем для инициации поиска.
• Специфические запросы: Механизм нормализации напрямую влияет на предпочтение более длинных и точных (long-tail) запросов коротким и общим (head queries) при интерпретации выделенного контента.

Когда применяется

• Триггеры активации: Алгоритм активируется, когда пользователь инициирует поиск с помощью определенного жеста (например, долгое нажатие, обводка контента, функция "Touch to Search" или "Circle to Search").
• Условия работы: Применяется в ситуациях, когда необходимо разрешить неоднозначность выделенного контента и выбрать наиболее вероятный интент пользователя, компенсируя при этом склонность пользователей к коротким запросам.

Пошаговый алгоритм

Этап 1: Сбор данных и инициализация

1. Система получает Gesture Data от устройства пользователя, указывающие на выделенный контент.
2. Идентифицируется выделенный контент и proximal content (контекст).

Этап 2: Генерация кандидатов

1. На основе выделенного контента и контекста генерируется набор Candidate Search Queries. Это может включать удаление стоп-слов, исправление орфографии, использование синонимов или генерацию N-грамм.

Этап 3: Исходная оценка вероятности

1. Для каждого кандидата определяется исходный Likelihood Score.
2. Оценка рассчитывается на основе частоты получения такого запроса в Historical Data (логах поиска) или частоты встречаемости фразы в корпусе документов.

Этап 4: Нормализация по длине

1. Для каждого кандидата определяется его длина (количество слов 'n' и/или количество символов 'x').
2. Определяется Normalization Factor. Это значение представляет собой общую вероятность того, что система получит любой запрос длины (n, x), на основе Historical Data.
3. Рассчитывается скорректированная оценка (Adjusted Likelihood Score) путем деления исходного Likelihood Score на Normalization Factor. $Score_{Adjusted} = \frac{LikelihoodScore}{NormalizationFactor}$

Этап 5: Дополнительные корректировки (Бустинг)

1. Проверяется наличие Semantic Signal (например, является ли кандидат адресом, названием продукта). Если да, скорректированная оценка повышается.
2. Проверяется соответствие кандидата Meta Information Label исходного документа. Если да, скорректированная оценка повышается.

Этап 6: Выбор и выполнение

1. Кандидаты ранжируются по итоговой скорректированной оценке.
2. Выбирается один или несколько лучших кандидатов.
3. Выбранные запросы передаются поисковой системе для выполнения поиска, и результаты возвращаются пользователю.

Какие данные и как использует

Данные на входе

• Контентные факторы: Текст, выделенный пользователем. Proximal content (текст, расположенный в непосредственной близости), используемый для контекста.
• Технические факторы: Meta Information Labels (метки метаинформации), связанные с исходным документом или медиафайлами (изображениями, видео) на странице.
• Поведенческие факторы: Historical Data (журналы запросов). Они критически важны для определения как частотности конкретных запросов (для Likelihood Score), так и частотности запросов определенной длины (для Normalization Factor).
• Пользовательские факторы: В патенте упоминается возможность использования истории поиска конкретного пользователя для корректировки оценок кандидатов.

Какие метрики используются и как они считаются

• Likelihood Score (Исходная оценка вероятности): Рассчитывается как вероятность или частота встречаемости кандидата в запросы. Основана на данных из логов поиска или частоте в корпусе документов.
• Длина запроса (Query Length): Измеряется в количестве символов (x) и/или количестве слов (n).
• Normalization Factor (Коэффициент нормализации): Рассчитывается как вероятность получения любого запроса определенной длины (n, x) на основе анализа исторических логов. Более длинные запросы обычно имеют меньший Normalization Factor, чем короткие.
• Adjusted Likelihood Score (Скорректированная оценка вероятности): Рассчитывается по формуле: (Исходный Likelihood Score) / (Normalization Factor). Это ключевая метрика для выбора финального запроса.
• Semantic Signal Match: Коэффициент бустинга, применяемый, если запрос имеет определенное семантическое значение.
• Meta Information Match: Коэффициент бустинга, применяемый, если запрос совпадает с метаданными документа.

1. Предпочтение точности над популярностью: Ключевой вывод — Google осознает, что частотность запроса не всегда равна его релевантности в конкретном контексте. Механизм нормализации создан для борьбы со смещением в сторону коротких, популярных запросов.
2. Компенсация поведения пользователей: Система признает, что пользователи предпочитают короткие запросы (особенно на мобильных устройствах) и активно компенсирует это поведение, чтобы выявить более длинные и точные интенты, скрытые в выделенном контенте.
3. Нормализация по длине как основной механизм: Normalization Factor, основанный на количестве символов и слов, является ядром изобретения. Он позволяет сравнивать запросы разной длины на равных условиях, повышая вес long-tail запросов.
4. Важность контекста и структурированных данных: Патент подтверждает использование контекста (proximal content) и, что более важно для SEO, использование Semantic Signals (сущностей, типов данных) и Meta Information для повышения уверенности в выборе правильного запроса.
5. Фокус на Query Understanding: Это патент о том, как формируется запрос, а не о том, как ранжируются результаты. Он дает понимание процессов, происходящих до этапа ранжирования.

Best practices (это мы делаем)

• Оптимизация под длинные и точные интенты (Long-Tail): Создавайте контент, который содержит четкие, описательные фразы и полные наименования сущностей. Поскольку система нормализует оценки по длине, более длинные и точные фразы на вашем сайте имеют больше шансов быть выбранными в качестве поискового запроса при выделении пользователем.
• Четкое выделение сущностей и семантическая разметка: Активно используйте структурированные данные (Schema.org) для идентификации ключевых сущностей (продуктов, персон, адресов). Патент прямо указывает, что наличие Semantic Signal повышает оценку кандидата в запросы.
• Оптимизация метаданных и заголовков: Убедитесь, что мета-теги (Title, Description), заголовки и Alt-тексты изображений точно отражают содержание. Совпадение кандидата с Meta Information Label также повышает его оценку.
• Использование естественных формулировок и обеспечение контекста: Пишите так, чтобы отдельные предложения или фразы могли служить готовыми поисковыми запросами. Обеспечивайте релевантное окружение (proximal content) для ключевых фраз, чтобы система могла правильно интерпретировать контекст.

Worst practices (это делать не надо)

• Фокус исключительно на коротких ВЧ запросах: Стратегия, основанная на оптимизации только под короткие фразы, неэффективна. Данный патент показывает, что Google активно борется с этим смещением и стремится генерировать более точные запросы из контента.
• Игнорирование структурированных данных: Отсутствие четкой семантической разметки снижает шансы на идентификацию Semantic Signals, что может привести к выбору менее оптимального запроса при взаимодействии пользователя с контентом.
• Неоднозначный или переоптимизированный текст: Текст, из которого сложно выделить четкий интент или который насыщен ключевыми словами без естественного контекста, будет плохо работать с системами типа "Touch to Search" или "Circle to Search".

Стратегическое значение

Патент подтверждает стратегию Google по переходу от буквального понимания запросов к глубокому пониманию интента и контекста. Для SEO это означает, что создание авторитетного контента, отвечающего на специфические и детальные вопросы пользователей, становится все более приоритетным. Механизмы, подобные описанному, позволяют Google направлять трафик по более сложным и конверсионным запросам, даже если пользователь изначально не планировал их вводить. Это также подчеркивает важность мобильной оптимизации и UX.

Практические примеры

Сценарий: Использование "Circle to Search" на странице обзора техники

1. Контент на странице: "...Мы протестировали новый робот-пылесос Xiaomi Robot Vacuum X10+ и сравнили его с предыдущей моделью..."
2. Действие пользователя: Пользователь использует функцию (например, Circle to Search) и обводит фразу "Xiaomi Robot Vacuum X10+".
3. Генерация кандидатов (Пример):
   • Кандидат 1: "Xiaomi" (Короткий, очень частотный)
   • Кандидат 2: "Robot Vacuum" (Средний, частотный)
   • Кандидат 3: "Xiaomi Robot Vacuum X10+" (Длинный, менее частотный, но точный)
4. Оценка без нормализации: Кандидат 1 и 2 имеют гораздо более высокий исходный Likelihood Score из-за высокой частотности в логах.
5. Применение нормализации:
   • Кандидаты 1 и 2 получают большой Normalization Factor (запросы такой длины очень часты). Их относительная оценка снижается.
   • Кандидат 3 получает маленький Normalization Factor (запросы такой длины редки). Его относительная оценка значительно возрастает.
6. Дополнительный бустинг: Система идентифицирует Semantic Signal для Кандидата 3 (Название продукта). Оценка повышается еще больше.
7. Результат: Система выбирает "Xiaomi Robot Vacuum X10+" как поисковый запрос, предоставляя пользователю максимально релевантные результаты, а не общую информацию о бренде Xiaomi.