Google может персонализировать поисковую выдачу, изменяя вес анкорного текста ссылок. Вес ссылки зависит не от глобального PageRank ссылающейся страницы, а от её "персонализированного PageRank", рассчитанного на основе предпочтений пользователя (например, любимых сайтов или тематик). Это позволяет повышать в выдаче документы, на которые ссылаются авторитетные для конкретного пользователя источники.

Описание

Какую проблему решает

Патент решает проблему субоптимального ранжирования результатов поиска для конкретного пользователя, когда стандартные алгоритмы, основанные на глобальных оценках важности (таких как PageRank), не учитывают индивидуальные предпочтения. Документы, представляющие наибольший интерес для пользователя, могут оказаться ниже в выдаче, чем менее интересные, но глобально более авторитетные ресурсы.

Что запатентовано

Запатентована система и метод генерации Personalized Anchor Text Score (Персонализированная оценка анкорного текста). Суть изобретения заключается в изменении веса, который приписывается анкорному тексту ссылки. Этот вес определяется не глобальной, а Personalized Page Importance Score (Персонализированной оценкой важности страницы, например, персонализированным PageRank) исходного документа, содержащего ссылку.

Как это работает

Система использует профиль пользователя (User Profile) для расчета Personalized Page Importance Scores для веб-страниц. При выполнении запроса система анализирует страницы, ссылающиеся на документы-кандидаты. Если анкорный текст ссылки соответствует запросу, то Personalized Page Importance Score ссылающейся страницы используется для взвешивания этой ссылки. Эти взвешенные оценки агрегируются для формирования Personalized AT Score целевого документа. Затем этот показатель комбинируется со стандартной оценкой релевантности (IR score) для финального персонализированного ранжирования.

Актуальность для SEO

Высокая (Концептуально). Концепция персонализации ранжирования и изменения веса ссылок в зависимости от персонализированной авторитетности остается крайне актуальной в 2025 году. Хотя конкретная техническая реализация (например, предварительный расчет персонализированного PageRank) могла эволюционировать в сторону более сложных ML-моделей и имплицитной персонализации, базовые принципы, заложенные авторами (ключевыми исследователями PageRank), фундаментальны.

Важность для SEO

Патент имеет значительное влияние на SEO (7.5/10). Он описывает конкретный механизм, демонстрирующий, что вес ссылок и значимость анкорного текста не являются универсальными и могут изменяться в зависимости от того, кто выполняет поиск. Это подчеркивает стратегическую важность понимания целевой аудитории и построения ссылочного профиля с ресурсов, которые эта аудитория считает авторитетными, а не только с глобально авторитетных сайтов.

Детальный разбор

Термины и определения

Anchor Text (AT) (Анкорный текст)
Текст, связанный с гиперссылкой на исходной странице, который часто описывает целевую страницу.
Information Retrieval (IR) Score (Оценка информационного поиска)
Оценка релевантности документа запросу, основанная преимущественно на его контенте. В патенте упоминается, что этот показатель также может быть персонализирован.
Page Importance Score (Оценка важности страницы)
Метрика авторитетности страницы, не зависящая от запроса (например, PageRank). В патенте также называется глобальной или системной (system) оценкой.
Personalized Anchor Text (AT) Score (Персонализированная оценка анкорного текста)
Ключевая метрика патента. Оценка документа, полученная путем агрегации Personalized Page Importance Scores исходных документов, ссылающихся на него, при условии, что их Anchor Text соответствует запросу.
Personalized Page Importance Score (Персонализированная оценка важности страницы)
Оценка важности страницы, рассчитанная специально для конкретного пользователя на основе его профиля (user-specific parameters). Может быть реализована как персонализированный PageRank или personalized link analysis (LA) score.
Source Document (Исходный документ)
Документ, содержащий ссылку на целевой документ.
User Profile / User-specific parameters (Профиль пользователя / Пользовательские параметры)
Информация о пользователе, используемая для персонализации. Может включать список избранных веб-сайтов (favored websites), ключевые слова в URL (URL keywords) или данные, полученные из анализа истории поиска и кликов пользователя.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод определения персонализированного ранжирования документа.

  1. Определение IR score для документа на основе его контента и набора терминов запроса.
  2. Идентификация набора исходных документов (source documents), которые ссылаются на целевой документ И чей анкорный текст удовлетворяет предопределенному требованию относительно запроса.
  3. Расчет Personalized Page Importance Scores для идентифицированных исходных документов в соответствии с набором user-specific parameters.
  4. Агрегация (Accumulating) Personalized Anchor Text Score для документа как функции от Personalized Page Importance Scores исходных документов.
  5. Генерация персонализированного ранжирования (personalized ranking) для документа на основе его IR score и Personalized AT score.

Claim 4 (Зависимый от 1): Уточняет предопределенное требование: анкорный текст должен содержать хотя бы один из терминов запроса. Это фильтр для активации механизма.

Claim 6 (Зависимый от 1): Утверждает, что Personalized Page Importance Score исходного документа не зависит (is independent) от текущего набора терминов запроса. Это означает, что персонализированная важность рассчитывается независимо от запроса.

Claim 7 (Зависимый от 1): Детализирует, как могут использоваться user-specific parameters. Например, они могут включать набор URL keywords. Расчет персонализированной важности включает проверку, соответствует ли URL исходного документа этим ключевым словам, и присвоение оценки на основе этого определения.

Claim 12 (Зависимый от 1): Определяет механизм агрегации Personalized AT score как суммирование произведений веса, основанного на анкорном тексте (anchor text-based weight), каждого исходного документа на его соответствующий Personalized Page Importance Score.

Claim 15 (Зависимый от 1): Указывает, что этап определения IR score может включать расчет персонализированного IR score в соответствии с user-specific parameters.

Где и как применяется

Изобретение затрагивает этапы индексирования (для предварительного расчета оценок) и ранжирования/переранжирования (для применения этих оценок во время запроса).

INDEXING – Индексирование и извлечение признаков
На этом этапе рассчитываются глобальные Page Importance Scores. Также, согласно патенту, компонент Page Importance Ranker может использовать User Profile для офлайн-расчета и сохранения Personalized Page Importance Scores. Эти персонализированные оценки смещают (boost) важность документов, соответствующих профилю пользователя, и распространяют эту важность по ссылочному графу.

RANKING – Ранжирование / RERANKING – Переранжирование
Основное применение патента происходит во время обработки запроса.

  1. На этапе RANKING генерируется начальный набор результатов и рассчитываются базовые IR scores.
  2. Для этих результатов система (Personalized AT Score Generator) извлекает данные о входящих ссылках и анкорном тексте из Inverted Anchor Text Index.
  3. Система фильтрует ссылающиеся документы, оставляя те, чей анкорный текст соответствует запросу.
  4. Система извлекает из базы данных (или рассчитывает на лету) Personalized Page Importance Scores для этих отфильтрованных ссылающихся документов, используя профиль текущего пользователя.
  5. Рассчитывается Personalized AT Score путем агрегации этих оценок.
  6. Компонент Search Result Ranking Function выполняет финальное ранжирование, комбинируя IR Score и Personalized AT Score.

Входные данные:

  • Поисковый запрос.
  • Профиль пользователя (User Profile).
  • Индексы (Контента и Анкорного текста).
  • База данных Page Importance Scores (глобальных и/или персонализированных).

Выходные данные:

  • Список результатов поиска, упорядоченный в соответствии с персонализированным ранжированием.

На что влияет

  • Специфические запросы: Наибольшее влияние оказывается на запросы, по которым у пользователя есть ярко выраженные предпочтения или история взаимодействия (например, предпочтение определенным брендам, новостным источникам, хобби). Также влияет на неоднозначные запросы, где глобальная и персональная авторитетность могут сильно различаться.
  • Конкретные ниши: Влияет на ниши, где существует четкая структура сообществ и где предпочтения пользователей могут сильно отличаться от глобального консенсуса.

Когда применяется

  • Условия применения: Алгоритм применяется при обработке поискового запроса от пользователя, для которого доступен User Profile (явно заданный или неявно сформированный).
  • Триггеры активации: Механизм расчета Personalized AT Score активируется, если для документа-кандидата существуют входящие ссылки, анкорный текст которых соответствует терминам запроса.

Пошаговый алгоритм

Процесс обработки запроса и персонализированного ранжирования документа:

  1. Идентификация документов: Получение списка документов-кандидатов, удовлетворяющих запросу.
  2. Расчет IR Score: Для каждого документа определяется IR score на основе его контента и запроса. (Этот этап может включать персонализацию IR Score).
  3. Идентификация исходных документов: Для целевого документа находятся ссылающиеся на него (Source Documents).
  4. Фильтрация по анкорному тексту: Исходные документы фильтруются. Отбираются только те, чей анкорный текст удовлетворяет предопределенному требованию (например, содержит хотя бы одно слово из запроса).
  5. Определение Personalized Importance: Для каждого отфильтрованного исходного документа определяется его Personalized Page Importance Score на основе профиля пользователя.
  6. Агрегация (Accumulation): Рассчитывается Personalized AT Score целевого документа путем агрегации (например, суммирования) Personalized Page Importance Scores отфильтрованных исходных документов, взвешенных по релевантности анкора.
  7. Генерация финального ранжирования: IR score и Personalized AT score (и, опционально, собственная Page Importance Score документа) комбинируются с помощью функции ранжирования для получения финальной персонализированной оценки.
  8. Сортировка: Документы упорядочиваются по их финальным персонализированным оценкам.

Какие данные и как использует

Данные на входе

  • Контентные факторы: Текст документа используется для расчета базового IR score.
  • Ссылочные факторы: Критически важны. Используется структура ссылок и анкорный текст. Анкорный текст используется как фильтр для активации передачи персонализированного веса.
  • Пользовательские факторы: User Profile или user-specific parameters. Патент упоминает:
    • Явно указанные предпочтения (например, список favored websites).
    • URL keywords (ключевые слова для идентификации предпочитаемых сайтов по их URL).
    • Неявно собранные данные (анализ предыдущих запросов пользователя и его кликов по результатам).
  • Технические факторы: URL документов используются как основа для определения предпочтений пользователя (URL keywords).

Какие метрики используются и как они считаются

  • Personalized Page Importance Score (psᵢ): Рассчитывается для ссылающихся страниц. Достигается путем смещения (biasing) стандартного алгоритма расчета важности (например, PageRank) в сторону предпочтений пользователя. Страницы, соответствующие профилю пользователя, получают повышение (boost) оценки важности, которое затем распространяется по графу ссылок.
  • Anchor Text Weight (aᵢ): Вес анкорного текста. В одном из вариантов реализации

Выводы

  1. Субъективная авторитетность ссылок: Патент вводит концепцию, согласно которой авторитетность источника ссылки не является глобальной константой, а субъективна для каждого пользователя. Вес ссылки может изменяться в зависимости от того, насколько пользователь доверяет или интересуется ссылающимся сайтом.
  2. Анкорный текст как активатор персонализированного веса: Personalized Page Importance Score ссылающейся страницы влияет на ранжирование целевой страницы, только если анкорный текст ссылки релевантен запросу. Анкор выступает в роли фильтра или активатора для передачи персонализированного авторитета.
  3. Зависимость от профиля пользователя: Эффективность механизма напрямую зависит от наличия и качества данных в User Profile. Персонализация основана на предположении, что система знает предпочтения пользователя (явно или неявно).
  4. Многоуровневая персонализация: Патент описывает комплексный подход, включающий: (1) Персонализацию оценок важности страниц (Personalized PageRank), (2) Использование этих оценок для расчета Personalized AT Score, и (3) Возможность персонализации базовой оценки релевантности (Personalized IR Score).
  5. Персонализация может преобладать над глобальной авторитетностью: Документ, на который ссылаются источники с высокой персонализированной важностью, может ранжироваться выше, чем документ с более высоким глобальным PageRank, но менее релевантными для пользователя ссылками.

Практика

Best practices (это мы делаем)

  • Понимание "Центров Притяжения" Аудитории: Необходимо определить сайты, которые ваша целевая аудитория часто посещает или считает наиболее авторитетными в данной тематике. Эти сайты, вероятно, будут иметь высокий Personalized Page Importance Score для вашего целевого сегмента пользователей.
  • Стратегический целевой линкбилдинг: Сосредоточьтесь на получении ссылок с сайтов, популярных именно среди вашей целевой аудитории (аудитория-центричный подход). Такие ссылки могут дать больший эффект для ранжирования в этом сегменте, чем ссылки с сайтов с высоким глобальным PageRank, но нерелевантных интересам ваших пользователей.
  • Критичность релевантного анкорного текста: Патент подтверждает важность использования в анкорах ключевых слов, релевантных запросам. Передача персонализированного веса (Personalized AT Score) активируется только при совпадении анкора с запросом.
  • Построение бренда и сообщества: Работайте над тем, чтобы ваш собственный сайт стал предпочтительным ресурсом (favored website) для определенной аудитории. Это повысит ваш собственный Personalized Page Importance Score для этих пользователей.

Worst practices (это делать не надо)

  • Фокус исключительно на глобальных метриках авторитетности: Оценка доноров ссылок только по глобальным метрикам (DR, DA) без учета аудиторной релевантности. Глобально авторитетный сайт может иметь низкий персонализированный вес для конкретного пользователя или сегмента.
  • Использование нерелевантных или общих анкоров: Размещение ссылок с общими анкорами на авторитетных для аудитории площадках неэффективно. Даже если донор имеет высокий Personalized Page Importance Score, этот вес не будет учтен в Personalized AT Score, если анкор не соответствует запросу.
  • Игнорирование нишевых площадок: Пренебрежение небольшими, но высоко ценимыми в узком сообществе сайтами в пользу крупных порталов. Нишевые сайты могут обладать значительным персонализированным весом для своей аудитории.

Стратегическое значение

Патент подчеркивает стратегическую важность перехода от чисто технического SEO и массового линкбилдинга к более тонкому, ориентированному на пользователя маркетинговому подходу. Долгосрочная стратегия должна фокусироваться на построении репутации и авторитетности не в вакууме, а в контексте интересов конкретной целевой аудитории. Это демонстрирует, как Google может использовать поведенческие данные и профили пользователей для модификации фундаментальных механизмов ранжирования, таких как интерпретация ссылочного графа.

Практические примеры

Сценарий: Продвижение специализированного магазина для аквариумистов.

  1. Анализ аудитории: Определяем, что целевая аудитория (опытные аквариумисты) активно посещает форум forum.aquarium.com и блог practicalfishkeeping.co.uk. Google, основываясь на истории поиска и кликов (User Profile), присваивает этим ресурсам высокий Personalized Page Importance Score для этого сегмента пользователей.
  2. Целевой запрос: "купить внешний фильтр Eheim".
  3. Действия (Линкбилдинг):
    Вариант А (Глобальный): Получить ссылку с крупного новостного портала (высокий глобальный PageRank, низкий Personalized Page Importance Score для аквариумистов).
    Вариант Б (Персонализированный): Получить ссылку из обзора на practicalfishkeeping.co.uk с анкором "внешний фильтр Eheim" (средний глобальный PageRank, высокий Personalized Page Importance Score для аквариумистов).
  4. Ожидаемый результат: Когда опытный аквариумист вводит запрос, Вариант Б окажет более сильное положительное влияние на ранжирование магазина за счет высокого Personalized AT Score, чем Вариант А. Для случайного пользователя результат может быть обратным.

Вопросы и ответы

Чем Personalized Anchor Text Score отличается от стандартного использования анкорного текста?

Стандартно вес анкорного текста часто зависит от глобального PageRank ссылающейся страницы. Personalized AT Score изменяет этот механизм: вес анкорного текста зависит от Personalized Page Importance Score (персонализированного PageRank) ссылающейся страницы, рассчитанного на основе предпочтений конкретного пользователя.

Что такое Personalized Page Importance Score и как он рассчитывается?

Это аналог PageRank, но рассчитанный индивидуально для пользователя на основе его User Profile. Система повышает важность страниц, соответствующих профилю (например, любимые сайты или сайты с определенными URL keywords), и затем эта повышенная важность распространяется по ссылкам, создавая персонализированный взгляд на авторитетность веба.

Должен ли анкорный текст точно соответствовать запросу, чтобы механизм сработал?

Согласно патенту (Claim 4), анкорный текст должен удовлетворять предопределенному требованию, например, содержать хотя бы один термин из запроса. Если анкор нерелевантен запросу, Personalized Page Importance Score ссылающейся страницы не будет учитываться в Personalized AT Score.

Как Google определяет, какие сайты предпочитает пользователь?

Патент упоминает несколько способов формирования User Profile. Это могут быть явно указанные пользователем данные, URL keywords, а также неявные данные, полученные путем анализа истории поисковых запросов пользователя и его кликов по результатам поиска.

Означает ли это, что ссылки с сайтов с низким глобальным PageRank могут быть полезными?

Да, абсолютно. Если сайт с низким глобальным PageRank высоко ценится определенным сегментом пользователей (имеет высокий Personalized Page Importance Score для них), то ссылка с него с релевантным анкором может оказать значительное положительное влияние на ранжирование для этого сегмента аудитории.

Влияет ли этот механизм на все запросы?

Теоретически да, если у пользователя есть сформированный профиль. Однако наибольшее влияние он оказывает в тематиках, где у пользователя есть четко выраженные предпочтения (хобби, исследования, специфические ниши) и где существует значительная разница между глобальной и персонализированной авторитетностью сайтов.

Может ли сам IR Score (оценка релевантности контента) быть персонализированным?

Да, патент явно упоминает эту возможность (Claim 15). Например, система может добавлять к запросу термины из профиля пользователя как "опциональные". Если эти термины найдены в документе (особенно в заголовке или URL), его IR Score повышается для данного пользователя.

Как этот патент соотносится с современными реалиями SEO, учитывая его возраст?

Хотя техническая реализация могла измениться (например, из-за ресурсоемкости расчета персонализированного PageRank для всех), сама идея использования персонализированных сигналов для изменения веса факторов ранжирования крайне актуальна. Современные системы могут использовать более эффективные методы аппроксимации персонализированной авторитетности на лету.

Как на практике определить сайты с высоким Personalized Page Importance Score для моей аудитории?

Прямых инструментов для этого нет. Необходимо использовать маркетинговый анализ: опросы аудитории, анализ пересечения интересов, изучение того, какие ресурсы цитируются лидерами мнений в вашей нише. Сайты, которые являются "хабами" для вашего сообщества, вероятно, имеют высокий персонализированный вес.

Какова главная стратегическая рекомендация для SEO, исходя из этого патента?

Главная рекомендация — сместить фокус с погони за глобальной авторитетностью на построение авторитетности в глазах вашей целевой аудитории. Это достигается через создание контента, отвечающего их интересам, и получение ссылок с ресурсов, которые они уже знают и которым доверяют.

Похожие патенты

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 использует историю поиска, поведение и многофакторные профили пользователей для персонализации поисковой выдачи
Google создает детальные профили пользователей на основе истории запросов, взаимодействия с результатами (клики, время просмотра) и анализа контента посещенных страниц. Эти профили (включающие интересы по терминам, категориям и ссылкам) используются для корректировки стандартных оценок ранжирования. Степень персонализации динамически регулируется уровнем уверенности системы в профиле (Confidence Score).
  • US9298777B2
  • 2016-03-29

  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google использует персональные оценки и метки (аннотации) для персонализации и переранжирования поисковой выдачи
Патент Google описывает систему, позволяющую пользователям явно оценивать, комментировать и помечать веб-страницы. Эти аннотации используются для переранжирования будущих результатов поиска пользователя, повышая полезные страницы и понижая бесполезные. Система также вычисляет общие оценки сайтов (Site Rating) на основе оценок отдельных страниц для дальнейшей персонализации.
  • US8990193B1
  • 2015-03-24

  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google использует персональные оценки пользователей для экстраполяции предпочтений и персонализации поисковой выдачи
Google использует механизм для агрегации оценок (явных или неявных), которые пользователь дает отдельным веб-страницам. Система формирует персональный «рейтинг сайта» или раздела сайта на основе этих данных. Затем этот агрегированный рейтинг используется для повышения или понижения позиций других страниц этого сайта в будущих поисковых результатах конкретного пользователя, даже если эти страницы он ранее не оценивал.
  • US8589391B1
  • 2013-11-19

  • Персонализация

  • SERP

  • Поведенческие сигналы

Как Google персонализирует поисковую выдачу, анализируя историю кликов и поведение пользователя на сайте
Google использует механизм для персонализации поисковой выдачи на основе истории взаимодействия пользователя с результатами поиска. Система отслеживает, какие сайты пользователь выбирает, как долго он на них остается (Dwell Time), частоту и контекст выбора. Основываясь на этих данных, предпочитаемые пользователем ресурсы повышаются в ранжировании при его последующих запросах.
  • US9037581B1
  • 2015-05-19

  • Персонализация

  • Поведенческие сигналы

  • SERP

Популярные 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 понижает в выдаче результаты, которые пользователь уже видел или проигнорировал в рамках одной поисковой сессии
Google использует механизм для улучшения пользовательского опыта во время длительных поисковых сессий. Если пользователь вводит несколько связанных запросов подряд, система идентифицирует результаты, которые уже появлялись в ответ на предыдущие запросы. Эти повторяющиеся результаты понижаются в ранжировании для текущего запроса, чтобы освободить место для новых, потенциально более полезных страниц. Понижение контролируется порогом релевантности, чтобы не скрывать важный контент.
  • US8051076B1
  • 2011-11-01

  • SERP

  • Поведенческие сигналы

Как Google выбирает предлагаемые запросы, анализируя вероятность завершения поиска и коммерческую ценность
Google использует графовую модель для анализа поисковых сессий пользователей. Система определяет, какие уточняющие запросы чаще всего приводят к завершению поиска (становятся «финальным пунктом назначения»). Эти запросы считаются обладающими наибольшей «полезностью» (Utility) и предлагаются пользователю в качестве подсказок или связанных запросов. Система также учитывает коммерческий потенциал этих запросов и может показывать для них релевантные рекламные блоки.
  • US8751520B1
  • 2014-06-10

  • SERP

  • Поведенческие сигналы

  • Семантика и интент

Как Google определяет связанность документов с использованием Co-citation, анализа текста вокруг ссылок и паттернов пользовательского доступа
Google использует методы для ограничения результатов поиска на основе заданного контекста (например, набора URL-адресов или категории). Патент детализирует, как система определяет «связанность» между документами, используя такие методы, как анализ совместного цитирования (co-citation), анализ текста, окружающего ссылки в цитирующих документах, и анализ корреляции паттернов доступа пользователей.
  • US7305380B1
  • 2007-12-04

  • Ссылки

  • SERP

  • Поведенческие сигналы

Как Google автоматически генерирует блоки "Связанные ссылки" и "Похожие запросы", анализируя контент страницы при загрузке
Патент описывает систему для динамической генерации виджетов связанных ссылок. При загрузке страницы система извлекает текст (заголовок, контент, запрос из реферера), определяет наиболее важные ключевые слова с помощью глобального репозитория (Keyword Repository), выполняет поиск по этим словам (часто в пределах того же домена) и отображает топовые результаты для улучшения навигации.
  • US9129009B2
  • 2015-09-08

  • Ссылки

  • Семантика и интент

  • Техническое SEO

Как Google использует язык интерфейса пользователя и поведенческие сигналы для определения языковой релевантности документа
Google определяет, для носителей каких языков релевантен документ, анализируя агрегированные данные о кликах. Система изучает, какой языковой интерфейс поиска (например, google.fr или google.de) использовали пользователи, кликнувшие на результат. Учитывая поведенческие факторы, такие как время пребывания на странице (Dwell Time) и позиция клика, Google рассчитывает Оценку Языковой Релевантности. Это позволяет определить целевую аудиторию страницы независимо от языка ее контента.
  • US9208231B1
  • 2015-12-08

  • Мультиязычность

  • Поведенческие сигналы

  • SERP

Как Google использует клики и пропуски пользователей для оценки и корректировки правил близости терминов (Proximity Rules)
Google анализирует поведение пользователей для оценки эффективности правил близости (Proximity Rules), которые влияют на ранжирование в зависимости от расстояния между ключевыми словами на странице. Система отслеживает, кликают ли пользователи на результаты, где термины расположены далеко друг от друга, или пропускают их. На основе этих данных (Click Count, Skip Count) вычисляется оценка качества правила, что позволяет Google динамически адаптировать важность фактора близости.
  • US9146966B1
  • 2015-09-29

  • Поведенческие сигналы

  • SERP

Как Google идентифицирует, связывает и индексирует концепции (фразы) для понимания тем документов
Фундаментальный патент Google, описывающий переход от индексирования слов к индексированию концепций (фраз). Система определяет «хорошие фразы» на основе частотности и их способности прогнозировать появление других фраз (Information Gain). Документы индексируются не только по содержащимся в них фразам, но и по наличию связанных фраз, что позволяет системе определять основные и второстепенные темы документа, а также контекстуально оценивать анкорный текст ссылок.
  • US7536408B2
  • 2009-05-19

  • Индексация

  • Семантика и интент

  • Ссылки

Как Google запоминает прошлые уточнения поиска пользователя и автоматически перенаправляет его к конечному результату
Google использует механизм персонализации, который отслеживает, как пользователи уточняют свои поисковые запросы. Если пользователь часто вводит общий запрос, а затем выполняет ряд действий (например, меняет запрос или взаимодействует с картой), чтобы добраться до конкретного результата, система запоминает эту последовательность. В будущем, при вводе того же общего запроса, Google может сразу показать конечный результат, минуя промежуточные шаги.
  • US9305102B2
  • 2016-04-05

  • Персонализация

  • Поведенческие сигналы

Как Google использует паттерны просмотра пользователей (co-visitation) для определения связанности документов и улучшения поиска
Google использует систему для определения того, насколько тесно связаны два документа, основываясь на агрегированных данных о поведении пользователей. Система рассчитывает вероятность того, что пользователь просмотрит Документ B в течение определенного времени после того, как Документ А был показан ему в результатах поиска. Эти данные используются для персонализации выдачи, предложения рекомендаций и улучшения релевантности на основе контекста сессии пользователя.
  • US8447760B1
  • 2013-05-21

  • Поведенческие сигналы

  • Персонализация

  • Семантика и интент