Google использует систему для глубокого анализа логов поисковых запросов. Определяется местоположение пользователя (источник), географическое место, упомянутое в запросе (назначение), и тематическая категория (вертикаль рынка). Эти данные индексируются, позволяя аналитикам и рекламодателям изучать тренды, например, как часто пользователи из США ищут отели в Германии и какие ключевые слова они используют.

Описание

Какую проблему решает

Патент решает задачу многомерного анализа поведения пользователей в поиске на основе больших массивов исторических данных (Tracking Logs). Он позволяет понять взаимосвязи между физическим местоположением пользователя, географическим объектом, который его интересует (упомянутым в запросе), и конкретной отраслью или тематикой (вертикалью рынка). Эта система предназначена для выявления рыночных тенденций, понимания спроса и оптимизации рекламных кампаний.

Что запатентовано

Запатентована система (Query Analyzer) для обработки и анализа логов поисковых запросов. Суть изобретения заключается в извлечении и индексации трех ключевых измерений для каждого запроса: местоположение источника (Source geographic location), местоположение назначения (Destination geographic location) и категория вертикального рынка (Vertical market category). Система предоставляет интерфейс для анализа агрегированных данных и связанных с ними метрик (например, AdCTR, доход) на основе комбинации этих параметров.

Как это работает

Система обрабатывает логи запросов с помощью трех основных компонентов:

  • Geolocator: Определяет Source geographic location пользователя на основе IP-адреса, cookie или данных профиля.
  • Location Extractor: Анализирует текст запроса для определения Destination geographic location (например, «Paris» в запросе «hotels paris»). При неоднозначности может использовать Source geographic location для уточнения.
  • Categorizer: Анализирует оставшуюся часть текста запроса для определения Vertical market category (например, «hotels»).

Эти три измерения индексируются в отдельных индексах. Аналитики могут использовать графический интерфейс для запроса данных по конкретным критериям (например, показать все запросы о «Hotels» от пользователей из «US», ищущих «Germany») и просмотра агрегированных данных, включая количество запросов и рекламные метрики.

Актуальность для SEO

Высокая. Концепции, описанные в патенте, — понимание местоположения пользователя, географического интента запроса и тематической классификации — являются фундаментальными для современных поисковых и рекламных платформ (таких как Google Ads и Google Trends). Хотя конкретная реализация могла эволюционировать, лежащие в ее основе процессы обработки данных и разделения географических и тематических интентов крайне актуальны для понимания работы поиска в 2025 году.

Важность для SEO

Влияние на SEO умеренное (4/10). Этот патент не описывает алгоритмы ранжирования. Он описывает инструмент для анализа логов запросов, ориентированный в первую очередь на рекламодателей и аналитиков. Однако он предоставляет ценную информацию о том, как Google структурированно интерпретирует, классифицирует и индексирует запросы на основе географии и тематики. Понимание того, как Google различает местоположение пользователя и местоположение в запросе, критически важно для стратегий локального и международного SEO.

Детальный разбор

Термины и определения

Categorizer (Категоризатор)
Компонент системы, который анализирует часть текста запроса, не относящуюся к географии, для определения Vertical market category.
Destination geographic location (Географическое местоположение назначения)
Местоположение, извлеченное из текста запроса. Указывает на географический интент пользователя (например, «Берлин» в запросе «отели Берлин»).
Geolocator (Геолокатор)
Компонент системы, который определяет Source geographic location пользователя на основе информации о клиентском устройстве (IP-адрес, cookie).
Indexes (Индексы)
Структуры данных (в патенте упоминаются database indexes), созданные для быстрого доступа к запросам на основе их Source geographic location, Destination geographic location и Vertical market category.
Location Extractor (Извлекатель местоположения)
Компонент системы, который анализирует текст запроса для идентификации и определения Destination geographic location.
Query Analyzer (Анализатор запросов)
Основная система, которая использует индексы для анализа информации о запросах в соответствии с заданными критериями и предоставляет результаты через графический интерфейс.
Source geographic location (Географическое местоположение источника)
Физическое местоположение устройства пользователя, с которого был отправлен запрос. Определяется по IP, cookie или данным профиля.
Tracking logs (Логи отслеживания)
База данных, в которой регистрируется информация о запросах пользователей, включая текст запроса, IP-адрес, время, а также данные о показах (Advertisement Impressions) и кликах по рекламе (Advertisement Clicks).
Vertical market category (Категория вертикального рынка)
Классификация запроса по отраслям или тематикам (например, «Рестораны», «Путешествия > Отели»).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод анализа ключевых слов запроса.

  1. Система получает множество запросов от разных клиентских устройств. Каждый запрос концептуально разделяется на первую текстовую часть (для географии) и вторую непересекающуюся текстовую часть (для тематики).
  2. Определяется Source geographic location для каждого запроса на основе информации о клиентском устройстве.
  3. Определяется Destination geographic location для каждого запроса на основе первой текстовой части запроса.
  4. Определяется Vertical market category для каждого запроса на основе второй текстовой части запроса.
  5. Создаются три или более индексов: индекс источника (source geographic location index), индекс назначения (destination geographic location index) и индекс вертикали (vertical market category index). Каждый индекс связывает определенное значение измерения с соответствующими запросами.
  6. Система получает запрос на анализ (от аналитика/рекламодателя) с указанием вертикали, местоположения источника и местоположения назначения (отличного от источника).
  7. Используются созданные индексы для идентификации запросов, соответствующих критериям анализа.
  8. Система представляет данные, описывающие эти запросы, через пользовательский интерфейс.

Claim 2 (Зависимый): Уточняет методы определения Source geographic location.

Местоположение источника определяется на основе IP-адресов клиентских устройств, значений cookie или профилей пользователей.

Claim 4 и 5 (Зависимые): Уточняют методы определения Destination geographic location.

Местоположение назначения определяется путем идентификации частей запроса, которые соответствуют географическим местоположениям в заранее определенном мэппинге (predetermined mapping) терминов. Если термин (например, «Paris») может относиться к нескольким местам (Texas или France), система выбирает одно из них на основе Source geographic location пользователя (Claim 5).

Claim 7 (Зависимый): Уточняет метод определения Vertical market category.

Вертикальная категория определяется путем идентификации терминов во второй текстовой части запроса в заранее определенном мэппинге терминов к вертикальным категориям.

Claim 9 и 10 (Зависимые): Описывают пороги для включения данных в анализ.

В анализ включаются только те запросы, которые соответствуют критериям и встречаются в логах больше порогового числа раз (Claim 9) или превышают порог конверсии (conversion threshold) (Claim 10).

Где и как применяется

Изобретение описывает отдельную аналитическую систему (Analysis System), которая работает параллельно с основной поисковой системой (Search Engine). Она относится к обработке и анализу данных после того, как поиск был выполнен, и не участвует в процессе ранжирования в реальном времени.

Сбор данных (Data Acquisition / Логирование)
Система использует Tracking Logs, которые собирают данные о запросах, IP-адресах пользователей, показах и кликах по рекламе. Сбор этих данных происходит параллельно с обработкой поисковых запросов пользователя.

QUNDERSTANDING – Понимание Запросов (Применение для аналитики)
Это ключевой этап применения патента, но он происходит офлайн в рамках аналитической системы. Аналитическая система обрабатывает Tracking Logs для извлечения признаков:

  • Geolocator определяет Source geographic location.
  • Location Extractor и Categorizer анализируют текст запроса, разделяя его на географическую часть (для определения Destination geographic location) и тематическую часть (для определения Vertical market category).

INDEXING – Индексирование (Логов Запросов)
Система создает специализированные Indexes (источников, целей, вертикалей) на основе обработанных данных для обеспечения быстрого многомерного анализа.

Входные данные:

  • Tracking Logs (тексты запросов, IP/cookie, временные метки, данные о рекламе).
  • Заранее определенные мэппинги (predetermined mapping) терминов к географическим локациям.
  • Заранее определенные мэппинги терминов к вертикальным категориям.
  • Запрос на анализ от пользователя системы (аналитика).

Выходные данные:

  • Индексы (Source Geo Index, Destination Geo Index, Vertical Market Index).
  • Аналитические отчеты (таблицы, карты, графики), показывающие агрегированные данные о запросах и метриках (Query Count, AdCTR, Revenue).

На что влияет

  • Патент не влияет на ранжирование сайтов. Он влияет на аналитические инструменты, используемые для анализа рынка и рекламы.
  • Специфические запросы: Наиболее применим к анализу запросов с явным географическим интентом (коммерческие и информационные запросы, связанные с местоположением, например, «отели в Берлине»).
  • Конкретные ниши или тематики: Система позволяет детально анализировать любые ниши, которые можно классифицировать как Vertical market category, особенно Путешествия, Недвижимость, Локальный бизнес.

Когда применяется

  • Офлайн-обработка логов: Система постоянно (или периодически) обрабатывает новые записи в Tracking Logs для извлечения трех измерений и обновления индексов.
  • По запросу аналитика: Query Analyzer активируется, когда пользователь задает критерии анализа через интерфейс для генерации отчета.
  • Пороги конфиденциальности и значимости: Система применяет пороги (минимальное количество запросов или конверсий) перед отображением данных, чтобы обеспечить статистическую значимость и защитить конфиденциальность пользователей.

Пошаговый алгоритм

Процесс А: Обработка и индексирование логов (Офлайн)

  1. Сбор данных: Получение множества запросов и связанных с ними данных (IP, время, рекламные метрики) из Tracking Logs.
  2. Определение источника (Geolocator): Для каждого запроса определяется Source geographic location на основе IP-адреса или cookie.
  3. Разделение текста запроса: Текст запроса разделяется на первую часть (потенциальное местоположение) и вторую часть (потенциальная тематика).
  4. Извлечение назначения (Location Extractor): Первая часть текста анализируется для определения Destination geographic location. Используется мэппинг терминов.
    • Разрешение неоднозначности: При неоднозначности (например, «Paris») для выбора правильного варианта используется Source geographic location.
  5. Категоризация (Categorizer): Вторая часть текста анализируется для определения Vertical market category. Используется мэппинг терминов.
  6. Индексирование: Создаются или обновляются три индекса: Индекс Источника, Индекс Назначения, Индекс Вертикали.

Процесс Б: Анализ данных (По запросу)

  1. Получение запроса на анализ: Система получает критерии от пользователя через GUI (например, Вертикаль=Отели, Источник=США, Назначение=Германия, Диапазон дат).
  2. Идентификация запросов (Query Analyzer): Система использует три индекса для быстрого поиска всех запросов, соответствующих заданным критериям.
  3. Применение порогов: Фильтрация результатов для исключения запросов, не достигающих минимального порога по количеству вхождений или конверсий.
  4. Агрегация данных: Подсчет метрик для идентифицированных запросов (Количество запросов, AdCTR, Показы, Доход).
  5. Представление данных: Отображение результатов в интерфейсе в виде таблиц, графиков временных рядов или визуализаций на карте.

Какие данные и как использует

Данные на входе

  • Контентные факторы: Текст поискового запроса является основным контентным фактором. Он анализируется для извлечения Destination geographic location и Vertical market category.
  • Географические и Пользовательские факторы: IP-адрес клиентского устройства, данные профиля пользователя или cookie. Используются для определения Source geographic location.
  • Поведенческие факторы: Данные о показах рекламы (Advertisement Impressions), кликах по рекламе (для расчета AdCTR) и конверсиях (для расчета дохода), связанные с запросами в Tracking logs.
  • Временные факторы: Временные метки запросов используются для анализа данных за определенный период и построения временных рядов (трендов).

Какие метрики используются и как они считаются

  • Source geographic location: Метрика, определяемая путем геолокации IP/cookie. Может быть иерархической (Страна, Штат, Город).
  • Destination geographic location: Метрика, извлекаемая из текста запроса с помощью NLP и мэппинга.
  • Vertical market category: Метрика классификации, извлекаемая из текста запроса. Может быть иерархической.
  • Query Count (Количество запросов): Общее количество раз, когда конкретный запрос был отправлен в рамках заданных критериев.
  • AdCTR (Click-Through Rate рекламы): Отношение кликов по рекламе к показам рекламы для данного запроса.
  • Impressions (Показы): Количество показов рекламы.
  • Revenue (Доход): Сумма дохода, полученного от конверсий по рекламе.

Методы анализа:

  • Методы анализа текста: Используются заранее определенные мэппинги (predetermined mapping) для сопоставления терминов запроса с локациями и категориями.
  • Разрешение неоднозначности: Для разрешения неоднозначности локаций используется подход, учитывающий Source geographic location.
  • Пороги (Thresholds): Применяются пороги частоты и конверсий для фильтрации данных.

Выводы

  1. Патент описывает аналитический инструмент, а не алгоритм ранжирования. Основная цель изобретения — предоставить инфраструктуру для анализа рыночных трендов на основе логов запросов. Он не влияет на органическую выдачу напрямую.
  2. Четкое разделение географического интента: Google системно разделяет физическое местоположение пользователя (Source) и местоположение, упомянутое в запросе (Destination). Это критически важно для понимания обработки запросов, связанных с путешествиями или поиском информации о других регионах.
  3. Структурированное понимание запросов: Патент демонстрирует механизм структурирования данных путем извлечения и индексации трех независимых измерений (Источник, Назначение, Вертикаль). Это позволяет проводить сложный многомерный анализ.
  4. Обработка неоднозначности: Система включает механизмы для разрешения географической неоднозначности (например, «Paris, TX» против «Paris, France»), используя контекст местоположения пользователя (Source) для уточнения интента (Destination).
  5. Фокус на данных для рекламы и аналитики: Система напрямую связывает анализ запросов с рекламными метриками (AdCTR, Revenue). Это подчеркивает, что глубокое понимание запросов служит для оптимизации монетизации и рыночной аналитики.

Практика

Практическое применение в SEO

Патент является инфраструктурным и не дает прямых рекомендаций для ранжирования. Однако он позволяет лучше понять, как Google структурированно интерпретирует и классифицирует запросы.

Best practices (это мы делаем)

  • Оптимизация под явный географический интент: Для страниц, ориентированных на конкретное местоположение, необходимо четко указывать целевую локацию в контенте и метатегах. Это поможет системам (в частности, Location Extractor) правильно идентифицировать Destination geographic location, когда пользователи ищут ваш объект из других регионов.
  • Анализ международного и удаленного спроса: Используйте инструменты, такие как Google Trends и Google Ads Keyword Planner (которые, вероятно, используют аналогичные технологии), для анализа того, как пользователи из разных Source locations ищут услуги в вашем Destination location. Адаптируйте контент под специфику запросов этих удаленных пользователей.
  • Четкое тематическое позиционирование (Вертикаль): Убедитесь, что контент сайта четко соответствует определенной Vertical market category. Это соответствует тому, как Categorizer классифицирует запросы. Четкая тематическая структура помогает системе правильно понять нишу сайта.
  • Использование недвусмысленных географических указателей: При оптимизации под города с распространенными названиями (например, Париж) используйте уточнения (страна, штат) или структурированные данные, чтобы избежать неправильной интерпретации Destination geographic location, минимизируя зависимость от механизма разрешения неоднозначности.

Worst practices (это делать не надо)

  • Географическая неоднозначность контента: Создание контента без четких указаний на целевое местоположение, если оно подразумевается. Это может привести к неправильной идентификации Destination geographic location.
  • Игнорирование разницы между источником и назначением: Ошибка в Local SEO, когда предполагается, что все пользователи находятся физически рядом (Source ≈ Destination). Необходимо учитывать пользователей, которые планируют визит или ищут информацию удаленно (Source ≠ Destination).
  • Смешивание вертикалей: Создание контента, который охватывает слишком много несвязанных вертикалей, может затруднить работу Categorizer и привести к нечеткой тематической классификации.

Стратегическое значение

Патент подтверждает важность точного географического и тематического таргетинга. Он раскрывает базовую структуру данных, которую Google использует для понимания рыночных тенденций: «кто (источник) ищет что (вертикаль) и где (назначение)». Стратегически это подчеркивает необходимость для бизнеса понимать не только локальный спрос, но и спрос со стороны удаленных пользователей, и адаптировать свои SEO-стратегии для обоих сценариев.

Практические примеры

Сценарий: Анализ спроса для международного продвижения отеля

Отель в Мюнхене (Германия) хочет привлечь больше туристов из США.

  1. Применение принципов патента: Необходимо проанализировать запросы, где Source geographic location = США, Destination geographic location = Мюнхен, и Vertical market category = Отели.
  2. Действия SEO-специалиста: Используя Google Ads Keyword Planner или Google Trends, специалист анализирует спрос пользователей в США, ищущих ключевые слова, связанные с отелями в Мюнхене.
  3. Анализ данных (аналогично выводу Query Analyzer): Специалист изучает наиболее частые формулировки запросов («munich hotels», «best place to stay in munich») и сезонность спроса (временные графики).
  4. Реализация: Создаются специализированные посадочные страницы на английском языке, ориентированные на туристов из США, с четким указанием локации («Munich, Germany») и оптимизированные под выявленные ключевые запросы.
  5. Результат: Более точное попадание в спрос удаленной аудитории, основываясь на данных, которые Google собирает и анализирует схожим образом.

Вопросы и ответы

Является ли это патентом на алгоритм ранжирования?

Нет, этот патент не описывает алгоритм ранжирования веб-страниц. Он описывает систему (Query Analyzer) для анализа уже совершенных поисковых запросов, хранящихся в логах. Это инструмент для аналитики и исследования рынка, а не для определения позиций сайтов в органической выдаче.

В чем разница между «Source geographic location» и «Destination geographic location»?

Source geographic location — это физическое местоположение пользователя в момент отправки запроса, определяемое по IP или cookie. Destination geographic location — это местоположение, упомянутое в тексте запроса (географический интент). Например, если пользователь в Нью-Йорке (Source) ищет «рестораны в Париже» (Destination), эти два параметра будут разными.

Как Google определяет «Destination geographic location»?

Система использует компонент Location Extractor, который анализирует текст запроса и сопоставляет его части с заранее определенным списком географических названий (мэппингом). Это процесс извлечения именованных сущностей (NER), сфокусированный на географии.

Как система обрабатывает неоднозначные названия местоположений, например, «Paris»?

Патент описывает механизм разрешения неоднозначности (Claim 5). Если термин может относиться к нескольким местам (например, Paris в Техасе или во Франции), система использует Source geographic location пользователя в качестве дополнительного сигнала для выбора наиболее вероятного Destination geographic location.

Что такое «Vertical market category» и как она определяется?

Это классификация запроса по отрасли или тематике, например, «Путешествия» или «Рестораны». Компонент Categorizer определяет её, анализируя ту часть запроса, которая не относится к географии (например, «отели» в запросе «отели в Берлине»), и сопоставляя её с предопределенным списком категорий.

Как этот патент связан с локальным SEO?

Он критически важен для понимания того, как Google интерпретирует локальный интент. Для локального SEO важно оптимизировать сайт так, чтобы он ранжировался как для пользователей, находящихся рядом (Source ≈ Destination), так и для тех, кто ищет удаленно (Source ≠ Destination). Патент подтверждает, что Google обрабатывает эти сценарии, четко разделяя два типа местоположения.

Какие метрики отслеживает этот Query Analyzer?

Система отслеживает количество запросов (Query Count), текст запроса, кликабельность рекламы (AdCTR), количество показов рекламы (Impressions) и доход, генерируемый рекламой (Revenue), агрегированные по трем измерениям (Source, Destination, Vertical).

Могут ли SEO-специалисты получить доступ к этому инструменту?

Патент описывает внутреннюю систему или специализированный продукт. Прямого доступа к этому конкретному инструменту у внешних специалистов может не быть. Однако публичные инструменты, такие как Google Trends и Google Ads Keyword Planner, вероятно, используют аналогичные базовые технологии и данные для предоставления агрегированной аналитики.

Используется ли эта система для анализа всех запросов?

Система обрабатывает все запросы для индексации по трем измерениям. Однако при генерации отчетов применяются пороги (Claim 9 и 10). В отчеты включаются только те запросы, которые встречаются достаточно часто или приносят достаточно конверсий, что отсекает редкие НЧ-запросы и обеспечивает конфиденциальность.

Зачем Google индексировать эту информацию в трех отдельных индексах?

Стандартные логи запросов слишком велики и неструктурированны для быстрого анализа. Создание отдельных индексов для Source geographic location, Destination geographic location и Vertical market category позволяет системе мгновенно фильтровать и агрегировать миллионы запросов по сложным комбинированным критериям (например, найти пересечение запросов из США про отели в Германии).

Похожие патенты

Как Google использует географическое положение и историю поведения пользователей для разрешения неоднозначных запросов
Google применяет механизм для интерпретации неоднозначных поисковых запросов, которые имеют несколько географических или категориальных значений. Система определяет доминирующий интент, анализируя, как пользователи в том же регионе ранее уточняли похожие запросы и насколько они были удовлетворены результатами. На основе этих локализованных данных (гистограмм и метрик неудовлетворенности) выбирается наиболее вероятная интерпретация, и выдача фильтруется соответственно.
  • US8478773B1
  • 2013-07-02

  • Семантика и интент

  • Персонализация

  • Поведенческие сигналы

Как Google использует историю запросов, сделанных на Картах, для ранжирования локальных результатов и рекламы
Google анализирует, что пользователи ищут, когда просматривают определенную географическую область на карте (Viewport). Эта агрегированная история запросов используется для определения популярности локальных бизнесов и контента в этом конкретном районе. Результаты, которые часто запрашивались в этой области, особенно недавно, получают значительное повышение в ранжировании.
  • US9129029B1
  • 2015-09-08

  • Local SEO

  • Поведенческие сигналы

  • Свежесть контента

Как Google выбирает, какое местоположение использовать для локализации поисковой выдачи, когда сигналы конфликтуют
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.
  • US20150234889A1
  • 2015-08-20

  • Local SEO

  • Персонализация

Как Google персонализирует локальную выдачу и ранжирует отзывы, основываясь на отеле, в котором остановился пользователь
Google использует данные о месте проживания пользователя (например, отеле) для персонализации локального поиска. При поиске ресторанов или достопримечательностей система повышает в ранжировании те места, которые высоко оценили другие гости этого же отеля. Отзывы от постояльцев также показываются в приоритетном порядке, так как они считаются более релевантными для пользователя.
  • US9817907B1
  • 2017-11-14

  • Local SEO

  • Персонализация

  • Поведенческие сигналы

Как Google определяет ключевую тематику зданий и адресов, используя клики пользователей для показа релевантной рекламы
Google использует этот механизм для понимания основного назначения физического местоположения (адреса или здания). Система анализирует все бизнесы в этой локации и определяет, какие поисковые запросы чаще всего приводят к кликам по их листингам. Самый популярный запрос используется как доминирующее ключевое слово для выбора релевантной рекламы, когда пользователи ищут этот адрес или взаимодействуют с ним на Картах или в Street View.
  • US20120278171A1
  • 2012-11-01

  • Local SEO

  • Семантика и интент

  • Поведенческие сигналы

Популярные патенты

Как Google использует социальный граф и активность друзей для персонализации и переранжирования результатов поиска
Google использует данные из социального графа пользователя и активность его контактов (лайки, шеры, комментарии, плейлисты) для изменения ранжирования результатов поиска. Контент, одобренный социальным окружением, повышается в выдаче и сопровождается аннотациями, объясняющими причину повышения и указывающими на свежесть социального действия.
  • US8959083B1
  • 2015-02-17

  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google комбинирует визуальное сходство и поведение пользователей для переранжирования поиска по картинкам
Google использует механизм для перекрестной проверки релевантности изображений, объединяя поведенческие сигналы (клики) с визуальным анализом. Если изображение часто кликают и оно визуально похоже на другие релевантные изображения по запросу (совместная релевантность), его рейтинг агрессивно повышается. Если оно редко кликается и визуально отличается (совместная нерелевантность), его рейтинг понижается. Это защищает выдачу от кликбейта.
  • US8209330B1
  • 2012-06-26

  • Поведенческие сигналы

  • SERP

  • Мультимедиа

Как Google находит фактические ответы, начиная с потенциальных ответов и связывая их с запросами пользователей (Reverse Question Answering)
Google использует метод «обратного ответа на вопрос» для эффективного поиска фактов. Вместо глубокого анализа запроса система начинает с идентификации потенциальных ответов (например, дат, измерений) в индексе. Затем она определяет, для каких запросов эти ответы релевантны, анализируя, какие документы высоко ранжируются и получают клики по этим запросам. Это позволяет точно сопоставлять факты с разнообразными формулировками вопросов.
  • US9116996B1
  • 2015-08-25

  • Поведенческие сигналы

  • Семантика и интент

Как Google использует обучение с подкреплением (Reinforcement Learning) для оптимизации ранжирования и переписывания запросов на основе успешности поисковых сессий
Google использует систему Reinforcement Learning для динамической адаптации поисковых процессов. Система анализирует поисковые сессии (последовательности запросов и кликов) и учится оптимизировать выдачу, чтобы пользователь быстрее находил нужный результат. Это достигается путем корректировки весов факторов ранжирования, переписывания запросов или даже обновления индекса на лету для конкретных ситуаций.
  • US11157488B2
  • 2021-10-26

  • Индексация

  • Поведенческие сигналы

  • Семантика и интент

Как Google определяет популярность и ранжирует физические события (концерты, выставки) в локальной выдаче
Google использует специализированную систему для ранжирования физических событий в определенном месте и времени. Система вычисляет оценку популярности события на основе множества сигналов: количества упоминаний в интернете, кликов на официальную страницу, популярности связанных сущностей (артистов, команд), значимости места проведения и присутствия в общих поисковых запросах о событиях. Затем результаты переранжируются для обеспечения разнообразия, понижая схожие события или события одной категории.
  • US9424360B2
  • 2016-08-23

  • Local SEO

  • Поведенческие сигналы

Как Google использует машинное обучение и поведенческие данные для прогнозирования полезности документов и решает, что включать в поисковый индекс
Google использует модель машинного обучения для определения, какие документы включать в поисковый индекс. Модель обучается на исторических данных о кликах и показах, чтобы предсказать будущую «оценку полезности» (Utility Score) документа. Документы ранжируются по этой оценке, а также с учетом других факторов (например, PageRank, стоимость индексации, свежесть, квоты), и лучшие из них попадают в индекс.
  • US8255386B1
  • 2012-08-28

  • Индексация

  • Поведенческие сигналы

Как Google использует LLM для генерации поисковых сводок (SGE), основываясь на контенте веб-сайтов, и итеративно уточняет ответы
Google использует Большие Языковые Модели (LLM) для создания сводок (AI-ответов) в результатах поиска. Для повышения точности и актуальности система подает в LLM не только запрос, но и контент из топовых результатов поиска (SRDs). Патент описывает, как система выбирает источники, генерирует сводку, проверяет факты, добавляет ссылки на источники (linkifying) и аннотации уверенности. Кроме того, система может динамически переписывать сводку, если пользователь взаимодействует с одним из источников.
  • US11769017B1
  • 2023-09-26

  • EEAT и качество

  • Ссылки

  • SERP

Как Google использует внешние сигналы (соцсети, новости, блоги) для верификации реальной популярности контента и фильтрации накруток
Google верифицирует популярность контента (например, видео) проверяя, упоминается ли он на внешних источниках: блогах, новостных сайтах и в социальных сетях. Это позволяет формировать списки "популярного", отражающие подлинный широкий интерес, отфильтровывая контент с искусственно завышенными просмотрами или узконишевой популярностью. Система также учитывает географическую релевантность внешних упоминаний.
  • US9465871B1
  • 2016-10-11

  • Антиспам

  • SERP

  • Ссылки

Как Google использует данные о кликах разных групп пользователей (популяций) для локализации и персонализации ранжирования
Google адаптирует результаты поиска, анализируя, как разные группы пользователей (популяции), определяемые по местоположению, языку или демографии, взаимодействуют с выдачей. Система рассчитывает «Сигнал Популяции» (Population Signal) на основе исторических кликов группы и корректирует ранжирование. Также используется механизм сглаживания для компенсации нехватки данных по конкретным группам.
  • US7454417B2
  • 2008-11-18

  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google динамически изменяет вес синонимов в ранжировании на основе поведения пользователей
Google не присваивает фиксированный вес синонимам (замещающим терминам) при ранжировании. Вес синонима динамически корректируется для каждого документа в зависимости от того, насколько релевантен исходный термин запроса этому документу. Эта релевантность определяется на основе поведенческих данных (клики, время просмотра), что позволяет точнее интерпретировать значение синонимов в контексте конкретной страницы.
  • US9116957B1
  • 2015-08-25

  • Поведенческие сигналы

  • Семантика и интент

  • SERP