SEO HARDCORE
  • Разборы патентов
    • Патенты Google
  • Скоро SEO инструменты
  • Скоро SEO аналитика
  • seohardcore
SEO HARDCORE
назад

Как Google выбирает, какое местоположение использовать для локализации поисковой выдачи, когда сигналы конфликтуют

SYSTEMS AND METHODS FOR SELECTING GEOGRAPHIC LOCATIONS FOR USE IN BIASING SEARCH RESULTS (Системы и методы выбора географических местоположений для использования в смещении результатов поиска)
  • US20150234889A1
  • Google LLC
  • 2013-02-06
  • 2015-08-20
  • Local SEO
  • Персонализация
  • Описание
  • Разбор
  • Выводы
  • Практика
  • FAQ
  • Похожие

Google использует иерархическую систему правил для выбора единственной «геолокации запроса» из множества доступных сигналов. Система анализирует физическое местоположение пользователя, локации в тексте запроса, историю поиска и настройки профиля. Затем она применяет строгую логику приоритетов, чтобы определить, какая локация наиболее релевантна для текущего интента, и соответствующим образом корректирует (смещает) ранжирование результатов.

Описание

Какую проблему решает

Патент решает проблему определения правильного географического контекста для поискового запроса в условиях, когда доступно множество, часто противоречивых, сигналов о местоположении. Например, пользователь может физически находиться в одном городе (Текущая локация), искать информацию о другом городе (Запрошенная локация), а в настройках профиля иметь третий город (Предпочитаемая локация). Изобретение улучшает точность локальной выдачи, выбирая оптимальный контекст и избегая искажения ранжирования из-за использования неверных геоданных.

Что запатентовано

Запатентована система и метод выбора единственной геолокации запроса (Query Geolocation) из множества потенциальных местоположений (Candidate Geolocations), связанных с пользователем. Ключевым элементом является применение предопределенной, иерархической и приоритизированной последовательности правил (predefined order/priority). Эта логика позволяет системе разрешать конфликты между разными источниками геоданных и выбирать наиболее подходящий контекст для смещения (biasing) результатов поиска.

Как это работает

Система работает в несколько этапов:

  • Сбор сигналов: Агрегируются различные Geolocation Signals (GPS, IP-адрес, Wi-Fi, текст запроса, история поиска, настройки профиля).
  • Идентификация кандидатов: На основе сигналов определяются Candidate Geolocations (например, текущее местоположение, местоположение в запросе, предпочитаемые локации, посещенные места).
  • Применение иерархии правил: Система применяет набор приоритизированных правил в строгом порядке. Если условие первого правила выполняется (например, локация явно указана в запросе), эта локация выбирается. Если нет, проверяется следующее правило.
  • Смещение результатов: Выбранная Query Geolocation используется для корректировки ранжирования (biasing), повышая локально релевантные результаты.

Актуальность для SEO

Крайне высокая. Точное определение географического контекста является фундаментальной задачей поиска, особенно в эпоху мобильных устройств и роста Local SEO. Хотя конкретные правила и пороги могли эволюционировать, базовая концепция разрешения конфликтов между различными геолокационными сигналами с помощью приоритизированной логики остается критически важной для Google.

Важность для SEO

Патент имеет высокое значение (8.5/10), особенно для Local SEO и мультирегиональных сайтов. Он детально объясняет логику, по которой Google может игнорировать физическое местоположение пользователя в пользу других сигналов (и наоборот). Понимание этой иерархии критически важно для разработки стратегий геотаргетинга и анализа того, почему SERP может радикально отличаться в зависимости от контекста пользователя, его истории и формулировки запроса.

Детальный разбор

Термины и определения

Biasing (Смещение/Корректировка)
Процесс изменения ранжирования результатов поиска на основе выбранной Query Geolocation. Результаты, близкие к этой геолокации, получают повышение.
Candidate Geolocations (Кандидатные геолокации)
Множество различных местоположений, идентифицированных системой как потенциально связанные с пользователем и его запросом.
Current Geolocation (Текущая геолокация)
Физическое местоположение пользователя или его устройства в момент запроса (или близко к нему). Определяется через GPS, IP-адрес, Wi-Fi и т.д.
Explicit-Preferred Geolocation (Явно предпочтительная геолокация)
Местоположение, которое пользователь явно указал в настройках своего профиля или устройства как предпочтительное (например, домашний или рабочий адрес).
Geolocation Signals (Геолокационные сигналы)
Входные данные, используемые для определения кандидатных геолокаций (например, координаты GPS, текст запроса, история действий).
Implicit-Preferred Geolocation (Неявно предпочтительная геолокация)
Местоположение, определенное на основе исторических действий пользователя, например, частые уточнения запросов одним и тем же городом.
Query Geolocation (Геолокация запроса)
Единственное местоположение, выбранное системой из списка кандидатов с помощью приоритизированных правил. Именно оно используется для смещения результатов поиска.
Request Geolocation (Запрошенная геолокация)
Местоположение, явно указанное в тексте поискового запроса (например, «пицца в Нью-Йорке»).
Session Geolocation (Сессионная геолокация)
Местоположение, связанное с одним или несколькими запросами, отправленными пользователем в течение текущей сессии поиска.
Visited Geolocation (Посещенная геолокация)
Местоположение, которое пользователь физически посещал ранее.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной механизм выбора геолокации.

  1. Система идентифицирует множество различных геолокаций, связанных с одним пользователем, на основе полученных сигналов.
  2. Получает поисковый запрос.
  3. Получает множество условий (правил) для выбора одной из геолокаций и определяет приоритет для каждого условия.
  4. Применяет эти условия в предопределенном порядке согласно их приоритету (predefined order according to the determined priority).
  5. Описана логика «водопада» (fallback): если первое условие с наивысшим приоритетом не выполнено, система проверяет второе условие с более низким приоритетом.
  6. Система выбирает геолокацию, соответствующую первому выполненному условию, в качестве Query Geolocation.
  7. Использует эту Query Geolocation для идентификации (и смещения) результатов поиска.

Ядро изобретения — это не просто использование геолокации для ранжирования, а именно метод разрешения конфликтов между разными геолокациями с помощью строго приоритизированной последовательности правил.

Claim 2 (Зависимый от 1): Уточняет, что множество геолокаций включает как минимум три из следующих типов: Current, Request, Explicit-Preferred, Visited, Implicit-Preferred, Session Geolocation.

Claim 11 и 21 (Зависимые): Детализируют конкретные условия (Правила A-I), используемые в приоритизированной последовательности. Это ключевые пункты для понимания логики работы Google. Примеры условий включают:

  • (a) Наличие Request Geolocation в запросе.
  • (b), (d), (e) Анализ количества и доли недавних запросов, связанных с Current, Implicit-preferred или Explicit-preferred местоположениями, с использованием различных (снижающихся) пороговых значений.
  • (c) Соответствие темы запроса Visited Geolocation.
  • (f) Обнаружение значительного изменения Current Geolocation (путешествие) при отсутствии обновления Explicit-preferred Geolocation.
  • (g), (h), (i) Проверки существования Explicit-Preferred, Implicit-Preferred или Current Geolocation (с достаточным качеством).

Где и как применяется

Изобретение применяется на ключевых этапах обработки запроса и ранжирования.

QUNDERSTANDING – Понимание Запросов
Это основной этап применения патента. Система должна в реальном времени проанализировать запрос и контекст пользователя. Это включает сбор всех доступных Geolocation Signals, определение набора Candidate Geolocations и применение иерархии правил для разрешения конфликтов и выбора единственной Query Geolocation. Это выбранное местоположение интерпретируется как географический контекст запроса.

RANKING – Ранжирование / RERANKING – Переранжирование
Выбранная Query Geolocation передается как мощный сигнал на этап ранжирования. Алгоритмы используют эту локацию для смещения (biasing) результатов — оценки географической близости, локальной релевантности и авторитетности кандидатов в данном регионе.

Входные данные:

  • Поисковый запрос пользователя.
  • Geolocation Signals (IP, GPS, данные Wi-Fi, сотовые вышки).
  • Данные профиля пользователя (для Explicit-Preferred).
  • История поиска и история местоположений (для Implicit-Preferred, Visited, Session).

Выходные данные:

  • Единственная Query Geolocation, которая используется для дальнейшего ранжирования.

На что влияет

  • Специфические запросы: Критически влияет на запросы с локальным интентом (как явным, так и неявным), включая коммерческие («купить X рядом», «ресторан») и информационные («погода», «события»).
  • Конкретные типы контента: Влияет на ранжирование локальных страниц (Google Business Profile, локальные лендинги сайтов), товаров с привязкой к наличию в офлайн-магазинах.
  • Конкретные ниши: Наибольшее влияние в нишах с высокой локальной зависимостью: E-commerce с офлайн-точками, услуги, рестораны, отели, недвижимость, авто. Особенно важно для ниш, связанных с путешествиями.

Когда применяется

  • Условия работы: Алгоритм применяется при обработке большинства запросов для определения географического контекста.
  • Триггеры активации: Сложная иерархическая логика активируется при наличии нескольких Candidate Geolocations, требующих разрешения конфликта (например, конфликт между GPS и настройками профиля), или при необходимости определить локальный контекст для неявного запроса (например, «пицца»).

Пошаговый алгоритм

Процесс выбора Query Geolocation (The Waterfall Logic). Реконструкция на основе описания и Claims 1, 11, 21.

  1. Сбор данных и Идентификация Кандидатов: Система собирает все доступные Geolocation Signals и определяет Candidate Geolocations (Current, Request, Explicit, Implicit, Visited, Session).
  2. Применение Иерархических Правил: Система последовательно проверяет условия (Conditions A-I). Первый удовлетворенный критерий определяет выбор и останавливает процесс.

Примерный порядок приоритетов (на основе FIG. 3 патента):

  • Правило A (Явный интент в запросе): Существует ли Request Geolocation (указано ли место в тексте запроса)?
    Если ДА -> Выбрать её.
  • Правило B (Активность сессии по текущему месту): Было ли достаточно недавних запросов, и соответствует ли большинство из них (Высокий порог, например 75%) Current Geolocation?
    Если ДА -> Выбрать Current Geolocation.
  • Правило C (Связь с посещенным местом): Соответствует ли тема запроса одной из Visited Geolocation?
    Если ДА -> Выбрать её.
  • Правило D (Активность сессии по неявному предпочтению): Было ли достаточно недавних запросов, и соответствует ли значительная часть (Средний порог, например 50%) Implicit-Preferred Geolocation?
    Если ДА -> Выбрать её.
  • Правило E (Активность сессии по явному предпочтению): Было ли достаточно недавних запросов, и соответствует ли некоторая часть (Низкий порог, например 40%) Explicit-Preferred Geolocation?
    Если ДА -> Выбрать её.
  • Правило F (Сценарий путешествия): Переместился ли пользователь на значительное расстояние (например, >200 км) за недавний период (например, 48 часов), но не изменил Explicit-Preferred?
    Если ДА -> Выбрать Current Geolocation (игнорировать старые настройки).
  • Правило G (Фоллбэк на явное предпочтение): Существует ли Explicit-Preferred Geolocation (например, домашний адрес)?
    Если ДА -> Выбрать её.
  • Правило H (Фоллбэк на неявное предпочтение): Существует ли Implicit-Preferred Geolocation?
    Если ДА -> Выбрать её.
  • Правило I (Фоллбэк на текущее место): Существует ли Current Geolocation с достаточным уровнем уверенности (quality threshold)?
    Если ДА -> Выбрать её.
  1. Ранжирование и Смещение: Использование выбранной Query Geolocation для смещения (biasing) результатов поиска (например, повышение результатов, физически близких к этой локации).

Какие данные и как использует

Данные на входе

  • Географические факторы: Критические для определения Current Geolocation и Visited Geolocation. Включают координаты GPS, IP-адреса, данные о точках доступа Wi-Fi, триангуляцию вышек сотовой связи.
  • Контентные факторы (Запрос): Текст поискового запроса анализируется для извлечения Request Geolocation и определения темы запроса (для Правила C).
  • Пользовательские факторы: Настройки профиля пользователя или устройства используются для определения Explicit-Preferred Geolocation.
  • Поведенческие факторы: История поисковых запросов, история уточнений запросов (refinements) используются для определения Implicit-Preferred Geolocation. Данные текущей сессии используются для Session Geolocation и активации Правил B, D, E.
  • Временные факторы: Используются для определения актуальности сигналов (например, время с момента последнего перемещения для Правила F, длительность текущей сессии).

Какие метрики используются и как они считаются

Система использует ряд пороговых значений для принятия решений в рамках иерархических правил:

  • Пороги активности (Activity Thresholds): Минимальное количество запросов, отправленных за определенный период времени (например, 5 запросов за 15 минут). Используется в Правилах B, D, E.
  • Пороги соотношения/доли (Ratio/Amount Thresholds): Минимальный процент недавних запросов, включающих определенную геолокацию. Патент указывает на иерархию порогов:
    • Первый порог (Высокий, например 75%) для Правила B (Current Geolocation).
    • Второй порог (Средний, например 50%) для Правила D (Implicit-preferred).
    • Третий порог (Низкий, например 40%) для Правила E (Explicit-preferred).
  • Порог расстояния (Distance Threshold): Минимальное расстояние перемещения пользователя (например, 200 км), необходимое для активации Правила F (Путешествие).
  • Порог качества/уверенности (Quality/Confidence Threshold): Минимальная точность определения Current Geolocation для её использования в Правиле I (например, уверенность > 40%).

Выводы

  1. Иерархия географических сигналов: Google использует строгую, предопределенную иерархию (waterfall logic) для определения географического контекста. Это не взвешивание факторов, а последовательное применение правил (if/then/else).
  2. Приоритет явного интента: Request Geolocation (локация, указанная в тексте запроса) имеет наивысший приоритет (Правило A) и переопределяет физическое местоположение пользователя и его настройки.
  3. Адаптация к путешествиям: Система содержит специальную логику (Правило F) для обработки путешествий. Если пользователь значительно переместился и не обновил настройки, Google автоматически проигнорирует устаревшие Explicit-Preferred Geolocation и будет использовать Current Geolocation.
  4. Динамический контекст важнее статических настроек: Активность пользователя в текущей сессии (Правила B, D, E) часто имеет приоритет над статическими настройками профиля. Система адаптируется к текущему поведению.
  5. Сложная роль Current Geolocation: Физическое местоположение не всегда является контекстом по умолчанию. Оно используется, если подтверждено недавней активностью (Правило B), если обнаружено путешествие (Правило F), или как запасной вариант при отсутствии других надежных сигналов (Правило I).
  6. Значимость истории пользователя: История поиска (Implicit-Preferred) и история посещений (Visited) являются важными сигналами для определения географического интента, особенно когда запрос неоднозначен.

Практика

Best practices (это мы делаем)

  • Оптимизация под явные локальные запросы (Приоритет Правила A): Обеспечьте четкий таргетинг контента на конкретные города и районы. Оптимизация под запросы вида «[запрос] + [локация]» остается самой надежной стратегией для контроля того, какую локацию выберет Google, так как Request Geolocation имеет наивысший приоритет.
  • Адаптация стратегии под путешественников (Приоритет Правила F): Для бизнесов в туристических зонах (отели, рестораны) критически важно понимать, что прибывший пользователь будет видеть локальные результаты на основе Current Geolocation, игнорируя его домашние настройки. Необходимо обеспечивать видимость по общим запросам без указания города (например, просто «ресторан» или «отель рядом»).
  • Усиление локальных сигналов на сайте и в GBP: Поддерживайте точность и согласованность NAP (Name, Address, Phone) в Google Business Profile, на сайте и в каталогах. Это позволяет Google точно распознавать физическое местоположение бизнеса и правильно применять смещение, когда система выбирает соответствующую Query Geolocation (Правила B, F, G, H, I).
  • Создание контента, связанного с локальными сущностями: Если бизнес связан с известными локальными сущностями (стадионы, парки, события), создавайте релевантный контент. Это может помочь активировать Правило C (Visited Geolocation), когда пользователь ищет связанную тему после посещения локации.

Worst practices (это делать не надо)

  • Предполагать, что физическое местоположение пользователя — это всегда контекст поиска: Нельзя полагаться на то, что пользователь, находящийся в вашем городе, ищет услуги именно там. Его история, сессия или текст запроса могут сместить Query Geolocation в другое место.
  • Игнорировать неявные локальные запросы: Ошибка фокусироваться только на запросах с указанием города. Множество запросов (например, «кафе») обрабатываются с использованием сложной логики выбора геолокации (Правила B-I), и бизнес должен быть оптимизирован под них.
  • Использовать инструменты смены VPN/Proxy для тестирования Local SEO без учета контекста: Простое изменение IP-адреса меняет только один сигнал (Current Geolocation). Для точного тестирования локальной выдачи необходимо учитывать историю поиска, настройки профиля и формулировку запроса, так как они могут переопределить IP согласно иерархии правил.

Стратегическое значение

Патент подтверждает, что для Google «местоположение» — это не просто физические координаты (GPS или IP), а сложный, динамически вычисляемый контекст, тесно связанный с интентом пользователя. Стратегия локального SEO должна учитывать различные сценарии: поиск из дома о своем районе, поиск из дома о другом районе (планирование) и поиск во время путешествия. Понимание иерархии выбора геолокации позволяет точнее прогнозировать поведение поиска и оптимизировать контент под наиболее приоритетные правила.

Практические примеры

Сценарий 1: Приоритет явного запроса (Правило A)

  1. Контекст: Пользователь физически находится в Москве (Current Geolocation). Его домашний адрес в профиле — Самара (Explicit-Preferred).
  2. Запрос: «Отели в Санкт-Петербурге».
  3. Действие системы: Система идентифицирует Request Geolocation = Санкт-Петербург. Правило A срабатывает (наивысший приоритет).
  4. Результат: Query Geolocation устанавливается как Санкт-Петербург. Выдача содержит отели Санкт-Петербурга, игнорируя Москву и Самару.
  5. Вывод для SEO: Для отелей критически важно ранжироваться по запросам с явным указанием города.

Сценарий 2: Адаптация к путешествию (Правило F)

  1. Контекст: Пользователь из Самары (Explicit-Preferred) прилетел в Москву (Current Geolocation) 2 дня назад. Расстояние > 200 км. Настройки он не менял.
  2. Запрос: «Заказать такси».
  3. Действие системы: Правила A-E не срабатывают. Система проверяет Правило F: перемещение значительное, настройки не обновлены. Правило F срабатывает.
  4. Результат: Query Geolocation устанавливается как Москва (Current Geolocation). Пользователь видит сервисы такси Москвы, а не Самары.
  5. Вывод для SEO: Локальные бизнесы должны оптимизироваться под неявные запросы, чтобы охватить путешественников в своем регионе.

Вопросы и ответы

Что важнее для Google: где я физически нахожусь (GPS) или какой город я указал в запросе?

То, что вы указали в запросе (Request Geolocation), имеет наивысший приоритет (Правило A). Если вы в Москве и ищете «рестораны Новосибирска», Google покажет результаты по Новосибирску, полностью игнорируя ваше текущее местоположение в Москве.

Как Google понимает, что я путешествую, и перестает показывать результаты по моему домашнему городу?

Для этого существует специальное Правило F. Если система фиксирует, что ваше текущее местоположение (Current Geolocation) изменилось на значительное расстояние (например, более 200 км) за короткий период (например, 48 часов), и вы не обновили свои настройки профиля, она автоматически начинает использовать ваше текущее местоположение для локализации выдачи, игнорируя старые предпочтения.

Влияет ли моя история поиска на то, какие локальные результаты я вижу?

Да, очень сильно. Система анализирует вашу недавнюю историю и текущую сессию (Правила B, D, E). Если вы активно искали информацию по определенному городу, Google может решить, что этот город является наиболее релевантным контекстом (Implicit-Preferred или Session Geolocation), даже если вы там физически не находитесь и не указали его в текущем запросе.

Какие типы геолокаций Google учитывает согласно патенту?

Google учитывает шесть основных типов: 1. Текущее физическое местоположение (Current). 2. Указанное в запросе (Request). 3. Указанное в настройках профиля (Explicit-Preferred). 4. Ранее посещенные места (Visited). 5. Выведенное из истории действий (Implicit-Preferred). 6. Связанное с текущей сессией (Session).

Если я использую VPN, увижу ли я локальную выдачу того региона, который выбрал в VPN?

VPN меняет только один сигнал — ваш IP-адрес, что влияет на Current Geolocation. Однако, если у Google есть доступ к другим сигналам, таким как история поиска, настройки вашего аккаунта (Explicit-Preferred) или GPS (если включен на мобильном), эти сигналы могут переопределить геолокацию по IP в соответствии с иерархией правил.

Что такое «Visited Geolocation» и как она используется?

Это место, которое вы физически посещали ранее. Оно используется в Правиле C: если тема вашего текущего запроса связана с этим местом, Google может использовать его для локализации выдачи. Например, если вы были в Ньюарке и ищете «Nets basketball» (команда, ассоциирующаяся с Ньюарком, согласно патенту), система может выбрать Ньюарк в качестве контекста.

В чем разница между Явно (Explicit) и Неявно (Implicit) предпочтительной геолокацией?

Explicit-Preferred — это то, что вы сами указали в настройках (например, домашний адрес в Google Аккаунте). Implicit-Preferred — это локация, которую Google вывел на основе вашего поведения, например, если вы постоянно уточняете свои запросы одним и тем же городом, не сохраняя его в настройках.

Как этот патент влияет на стратегию Local SEO для бизнеса с несколькими филиалами?

Он подтверждает необходимость создания отдельных, хорошо оптимизированных страниц для каждого филиала, таргетированных на явные запросы [услуга + город филиала] (Правило A). Также необходимо гарантировать точность данных в GMB/GBP для каждого филиала, чтобы эффективно ранжироваться по неявным запросам, когда пользователи находятся рядом (Правила B, F, I).

Что означает «порог качества» (quality threshold) для текущего местоположения в Правиле I?

Это мера уверенности системы в точности определения Current Geolocation. Например, GPS-координаты имеют высокий порог качества, а определение локации по IP-адресу провайдера — низкий. Правило I гарантирует, что текущее местоположение будет использовано как запасной вариант, только если оно достаточно надежно.

Используется ли эта система для всех типов поиска?

Да, патент указывает, что эти методы могут применяться как для стандартного веб-поиска (free-text web search), так и для поиска по картам (map-based web search) и универсального поиска (Universal Search). Определение географического контекста является базовой задачей для всех этих систем.

Похожие патенты

Как Google определяет местоположение пользователя для локального поиска и использует историю местоположений
Патент Google, описывающий фундаментальную архитектуру локального поиска на мобильных устройствах. Система определяет, как браузер получает доступ к GPS данным через нативное приложение. Описан иерархический механизм определения локации: текущее местоположение устройства, явное указание локации в запросе или использование истории предыдущих поисков. Если текущая локация недоступна, система может инициировать параллельный поиск по нескольким недавним местоположениям.
  • US9081860B2
  • 2015-07-14
  • Local SEO

  • Персонализация

Как Google определяет релевантность локальных результатов и решает, когда показывать их первыми в выдаче
Google анализирует запрос, чтобы предсказать, ищет ли пользователь локальную информацию. Если да, система автоматически использует текущее или сохраненное местоположение пользователя для генерации локальных результатов. Затем, используя "белые" (Whitelist) и "черные" (Blacklist) списки запросов, Google решает, насколько высоко ранжировать эти локальные результаты по сравнению с обычными веб-результатами или когда следует запросить у пользователя уточнение местоположения.
  • US8005822B2
  • 2011-08-23
  • Local SEO

  • Семантика и интент

Как Google определяет, когда игнорировать местоположение пользователя и показывать глобальные результаты для уникальных сущностей
Google использует систему для динамического выбора между показом результатов, привязанных к предполагаемому местоположению пользователя (например, по IP или GPS), и глобальными результатами. Если глобальные результаты географически тесно сгруппированы вокруг определенного места, система может решить, что пользователь ищет конкретную уникальную сущность (например, известный ресторан в другом городе), и предпочтет эти глобальные результаты локальным.
  • US10037357B1
  • 2018-07-31
  • Local SEO

  • SERP

Как Google определяет географическую релевантность веб-страницы, анализируя физическое местоположение её посетителей
Google анализирует физическое местоположение (используя GPS, IP и т.д.) пользователей, которые взаимодействуют с веб-страницей (например, совершают клик и долго её изучают). Агрегируя эти данные, система определяет географическую релевантность страницы («Центр») и область её популярности («Дисперсию»), даже если на самой странице нет адреса. Эта информация используется для повышения позиций страницы в поиске для пользователей, находящихся в этой области.
  • US9552430B1
  • 2017-01-24
  • Local SEO

  • Поведенческие сигналы

Как Google определяет географическую релевантность документа, анализируя неоднозначные термины и названия мест
Google использует классификатор местоположений для определения географической привязки документа, даже если в нем нет точного адреса. Система анализирует неоднозначные термины (например, названия районов или улиц) и использует профили георелевантности (гистограммы), показывающие, где эти термины чаще всего используются. Перемножая эти профили, Google разрешает неоднозначность и вычисляет наиболее вероятное местоположение контента.
  • US7716162B2
  • 2010-05-11
  • Local SEO

  • Семантика и интент

  • Индексация

Популярные патенты

Как Google использует анализ аномалий в показах и кликах для выявления фейковых локальных бизнес-листингов (Map Spam)
Google анализирует статистику взаимодействий (кликов) для групп связанных бизнес-листингов (Common Business). Система вычисляет статистически нормальный уровень активности и устанавливает порог (Anomaly Detection Threshold). Резкий всплеск активности выше этого порога (например, на два стандартных отклонения) сигнализирует о наличии фейковых или спамных листингов, созданных для манипуляции локальной выдачей.
  • US20150154610A1
  • 2015-06-04
  • Local SEO

  • Антиспам

  • Поведенческие сигналы

Как Google использует контент веб-страниц для генерации, верификации и адаптации AI-ответов в поиске (SGE/AI Overviews)
Google использует Большие Языковые Модели (LLM) для создания генеративных сводок (AI Overviews/SGE). Для обеспечения точности система не полагается только на знания LLM, а обрабатывает контент из актуальных результатов поиска (SRDs). Патент описывает архитектуру этого процесса: как выбираются источники, как генерируется сводка на их основе (Grounding), как проверяется информация для добавления ссылок (Verification), и как ответ адаптируется под контекст и действия пользователя.
  • US20250005303A1
  • 2025-01-02
  • SERP

  • EEAT и качество

  • Персонализация

Как Google использует исторические паттерны CTR для предсказания сезонных и циклических изменений интента пользователя
Google анализирует исторические данные о кликах (CTR) для выявления предсказуемых изменений в интересах пользователей по неоднозначным запросам. Если интент меняется в зависимости от сезона, дня недели или времени суток, система корректирует ранжирование, чтобы соответствовать доминирующему в данный момент интенту. Например, по запросу "turkey" в ноябре приоритет получат рецепты, а не информация о стране.
  • US8909655B1
  • 2014-12-09
  • Семантика и интент

  • Поведенческие сигналы

  • SERP

Как Google использует данные о выделении текста пользователями (явно или неявно) для генерации сниппетов и анализа контента
Google может собирать данные о том, какие фрагменты текста пользователи выделяют на веб-страницах, используя специальные инструменты или просто выделяя текст мышью. Эти данные агрегируются для определения наиболее важных частей документа. На основе этой "популярности" Google может динамически генерировать поисковые сниппеты, включающие наиболее часто выделяемые фрагменты.
  • US8595619B1
  • 2013-11-26
  • Поведенческие сигналы

  • SERP

Как Google использует временной распад и анализ трендов кликов для корректировки ранжирования и борьбы со стагнацией выдачи
Google применяет механизмы для предотвращения «залипания» устаревших результатов в топе выдачи. Система анализирует возраст пользовательских кликов и снижает вес старых данных (временной распад), отдавая приоритет свежим сигналам. Кроме того, система выявляет документы с ускоряющимся трендом кликов по сравнению с фоном и повышает их в выдаче, улучшая актуальность результатов.
  • US9092510B1
  • 2015-07-28
  • Свежесть контента

  • Поведенческие сигналы

  • SERP

Как Google предсказывает ваш следующий запрос на основе контента, который вы просматриваете, и истории поиска других пользователей
Google использует систему контекстной информации, которая анализирует контент на экране пользователя (например, статью или веб-страницу) и предсказывает, что пользователь захочет искать дальше. Система не просто ищет ключевые слова на странице, а использует исторические данные о последовательностях запросов (Query Logs). Она определяет, что другие пользователи искали после того, как вводили запросы, связанные с текущим контентом, и предлагает эти последующие запросы в качестве рекомендаций.
  • US20210232659A1
  • 2021-07-29
  • Семантика и интент

  • Поведенческие сигналы

  • Персонализация

Как Google использует модифицированный PageRank (Personalized PageRank) для персонализации выдачи на основе истории и предпочтений пользователя
Патент Google, описывающий механизм персонализации поиска путем модификации алгоритма PageRank. Система определяет "точку зрения" пользователя (Point-of-View Data) на основе его истории посещений, закладок или указанных категорий. Затем стандартный расчет PageRank изменяется так, чтобы авторитет (Reset Probability) концентрировался только на этих персональных источниках, повышая в выдаче сайты, которые близки к интересам пользователя.
  • US7296016B1
  • 2007-11-13
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google определяет скрытый локальный интент в запросах для повышения релевантности местных результатов
Google использует механизм для определения того, подразумевает ли запрос (например, «ресторан») поиск локальной информации, даже если местоположение не указано. Система анализирует агрегированное поведение пользователей для расчета «степени неявной локальной релевантности» запроса. Если этот показатель высок, Google повышает в ранжировании результаты, соответствующие местоположению пользователя.
  • US8200694B1
  • 2012-06-12
  • Local SEO

  • Поведенческие сигналы

  • Семантика и интент

Как Google использует личные данные пользователя (User Model) для понимания его намерений и персонализации выдачи
Google создает персональную модель пользователя (User Model) на основе его личного контента (письма, контакты, документы). Эта модель используется для определения неявного намерения пользователя (личный поиск или общий) и для аннотирования запроса контекстом из личных данных, чтобы предоставить точные персонализированные результаты.
  • US20150012558A1
  • 2015-01-08
  • Персонализация

  • Семантика и интент

  • Поведенческие сигналы

Как Google использует данные о реальных повторных посещениях (Quality Visit Measure) и социальных взаимодействиях для ранжирования локального бизнеса
Google использует данные о физических посещениях пользователей для оценки качества локального бизнеса. Система рассчитывает «Quality Visit Measure», придавая значительно больший вес местам, куда люди возвращаются повторно, приводят друзей или посещают по рекомендации. Этот показатель используется как сильный сигнал качества для ранжирования в локальном поиске и Google Maps, снижая зависимость от онлайн-отзывов.
  • US10366422B2
  • 2019-07-30
  • Поведенческие сигналы

  • Local SEO

seohardcore