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

Как Google использует навигационные запросы, консенсус кликов и анкорных текстов для определения глобального качества сайта

DERIVING AND USING DOCUMENT AND SITE QUALITY SIGNALS FROM SEARCH QUERY STREAMS (Получение и использование сигналов качества документа и сайта из потоков поисковых запросов)
  • US7962462B1
  • Google LLC
  • 2005-05-31
  • 2011-06-14
  • Поведенческие сигналы
  • Ссылки
  • SERP
  • Описание
  • Разбор
  • Выводы
  • Практика
  • FAQ
  • Похожие

Google анализирует потоки запросов, чтобы определить, когда пользователи ищут конкретный сайт (навигационный интент). Если запрос явно указывает на документ (через подавляющее большинство кликов пользователей или доминирование в анкор-текстах), этот документ получает «баллы качества». Эти баллы используются как глобальный сигнал качества, повышая ранжирование сайта по всем остальным запросам.

Описание

Какую проблему решает

Патент решает проблему оценки качества документов и сайтов за пределами стандартных оценок релевантности (IR scores) и традиционного анализа ссылочной структуры (например, PageRank), который может быть ненадежным или ограниченным. Цель — создать механизм для выявления высококачественных ресурсов путем анализа того, как пользователи явно ищут их (навигационные запросы) и как на них ссылаются другие авторы, рассматривая эти действия как «голос» за качество.

Что запатентовано

Запатентована система для извлечения независимого от запроса (глобального) сигнала качества (Quality Signal) из зависимых от запроса действий пользователей и структуры ссылок. Система определяет, когда поисковый запрос специфически «спрашивает» (specifically ask for) конкретный документ или сайт. Если такой интент идентифицирован с высокой степенью уверенности (консенсус), документу присваивается значение (points), которое затем используется для повышения его ранжирования глобально во всех последующих поисках.

Как это работает

Система анализирует потоки поисковых запросов (search query streams). Идентификация того, что запрос «спрашивает» конкретный документ, происходит тремя основными способами:

  • Консенсус кликов (Click Consensus): Большинство (majority) или значительное преобладание (preponderance) пользователей, вводящих один и тот же запрос, выбирают один и тот же результат в выдаче.
  • Консенсус анкорных текстов (Anchor Text Consensus): Большинство ссылок в Интернете, использующих текст запроса в качестве анкора, указывают на один конкретный документ.
  • Сходство с заметным текстом: Текст запроса совпадает с prominent text (URL, заголовок, выделенный текст) документа.

Если консенсус достигнут, документу присваиваются «баллы». Если консенсуса нет, баллы не начисляются. Для защиты от манипуляций система применяет ограничения (throttling) на начисление баллов.

Актуальность для SEO

Высокая. Хотя патент подан в 2005 году, описанные концепции остаются фундаментальными. Определение навигационных запросов, анализ поведения пользователей (кликов) и интерпретация анкорных текстов являются ключевыми элементами современного поиска. Механизм перевода узнаваемости бренда и навигационного спроса в глобальный сигнал качества (связанный с E-E-A-T и авторитетностью) критически актуален.

Важность для SEO

Патент имеет критическое значение (9/10). Он предоставляет конкретный механизм, объясняющий, как узнаваемость бренда и навигационный спрос напрямую конвертируются в глобальное преимущество в ранжировании. Он подчеркивает стратегическую важность построения сильного бренда и становления «ожидаемым ответом», который пользователи ищут по имени. Если сайт достигает статуса консенсусного ответа, он получает буст по всем остальным запросам.

Детальный разбор

Термины и определения

"Asking for" / "Specifically ask for" («Запрашивать» документ)
Ситуация, когда поисковый запрос указывает на то, что пользователь ищет конкретный документ или сайт (навигационный интент). Это определяется через механизмы консенсуса.
Anchor Text Consensus (Консенсус анкорных текстов)
Механизм определения авторитетности. Если большинство (majority) или преобладание (preponderance) ссылок, содержащих определенный текст в качестве анкора, указывают на один и тот же документ.
Click Consensus (Консенсус кликов)
Механизм определения авторитетности на основе поведения пользователей. Если большинство или преобладание пользователей, вводящих определенный запрос, кликают на один и тот же результат в SERP.
Points/Value (Баллы/Значение)
Числовое значение, присваиваемое документу, когда система определяет, что запрос «спрашивает» этот документ. Эти баллы накапливаются для формирования Quality Signal.
Prominent text (Заметный текст)
Текст в документе, который выделяется: заголовок, текст с большим размером шрифта, жирный текст, текст, написанный заглавными буквами, или текст в определенных местах (например, вверху документа или в URL).
Quality Signal (Сигнал качества)
Метрика, производная от накопленных баллов. Используется как глобальный (независимый от запроса) фактор для оценки качества документа или сайта в последующих поисках.
Throttling/Restriction (Ограничение)
Механизмы для ограничения количества начисляемых баллов (по времени, пользователю, IP-адресу) для предотвращения манипуляций.

Ключевые утверждения (Анализ Claims)

Патент фокусируется на двух основных механизмах достижения консенсуса с различными вариациями порогов.

Claim 1 (Независимый пункт) - Консенсус анкорных текстов (Majority):

  1. Система получает запрос и идентифицирует набор документов.
  2. Система ищет анкорные тексты (anchor text), которые соответствуют поисковому запросу.
  3. Определяется, указывает ли большинство (majority) ссылок с этим анкорным текстом на один конкретный документ.
  4. Присвоение значения:
    • Если большинство указывает на документ, ему присваивается значение (не равное нулю).
    • Если большинства нет, документу присваивается значение, равное нулю.
  5. Количество присваиваемых значений ограничивается за определенный период времени (restricted).
  6. Присвоенное значение используется как мера качества в последующих поисковых запросах.

Claim 8 (Независимый пункт) - Консенсус анкорных текстов (Threshold): Аналогичен Claim 1, но использует абсолютный порог вместо относительного большинства. Система проверяет, превышает ли количество ссылок с нужным анкором, указывающих на документ, определенный порог.

Claim 15 (Независимый пункт) - Консенсус кликов (Majority):

  1. Система получает один и тот же запрос от множества пользователей.
  2. Система получает информацию о том, какие результаты были выбраны.
  3. Определяется, было ли большинство (majority) выборов сделано в пользу одного конкретного документа.
  4. Присвоение значения:
    • Если большинство выбрало этот документ, ему присваивается значение.
    • Если большинства нет, значение не присваивается (no value).
  5. Количество присваиваемых значений ограничивается за определенный период времени.
  6. Присвоенное значение используется как один из факторов качества в последующих поисковых запросах.

Claim 23 (Система, зависимая от 15): Уточняет механизм кликов, используя термин «преобладание» (preponderance) вместо «большинства». Это может означать самый популярный результат со значительным отрывом, даже если он не набрал >50%.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, используя предварительно обработанные данные и логи для влияния на финальное ранжирование.

INDEXING – Индексирование и извлечение признаков
На этом этапе система анализирует ссылочную структуру и индексирует анкорные тексты. Эти данные необходимы для анализа Anchor Text Consensus. Также извлекается Prominent Text.

(Офлайн-процессы / Анализ логов)
Основная логика расчета баллов происходит здесь. Система анализирует потоки поисковых запросов (Search Query Streams) и логи кликов для определения Click Consensus. Здесь же вычисляются итоговые Quality Signals и применяются механизмы ограничений (Throttling).

RANKING – Ранжирование
Накопленный Quality Signal применяется на этапе ранжирования для последующих поисковых запросов. Этот сигнал функционирует как глобальный, независимый от запроса буст для документов или сайтов, которые были идентифицированы как высококачественные через механизмы консенсуса.

Входные данные:

  • Потоки поисковых запросов (логи).
  • Данные о кликах пользователей (выборы из SERP).
  • Индекс анкорных текстов и ссылочный граф.
  • Заметный текст документов (URL, заголовки).

Выходные данные:

  • Глобальный сигнал качества (Quality Signal / Накопленные баллы), ассоциированный с документами или сайтами.

На что влияет

  • Специфические запросы (Триггеры): Механизм начисления баллов активируется преимущественно навигационными и брендовыми запросами. Это запросы, где интент пользователя четко направлен на конкретный ресурс (например, «facebook», «amazon»).
  • Конкретные типы контента (Бенефициары): Влияние оказывается на все типы контента на сайте, который получил баллы. Quality Signal является глобальным. Если сайт признан авторитетным ответом на навигационный запрос, он получает преимущество при ранжировании по любым другим релевантным запросам.
  • Широкие запросы: Патент специально разработан так, чтобы НЕ начислять баллы по широким запросам, где нет консенсуса. Пример из патента: по запросу [London Hotels] ни один сайт не получает большинства кликов, поэтому баллы не начисляются. По запросу [Ritz Carlton] официальный сайт получает большинство кликов и получает баллы.

Когда применяется

  • Условия для начисления баллов: Алгоритм начисляет баллы только тогда, когда обнаруживается явный консенсус (доминирование):
    • Порог кликов: Большинство (или преобладание) кликов по запросу приходится на один документ.
    • Порог анкоров: Большинство (или преобладание) ссылок с анкорным текстом, соответствующим запросу, указывают на один документ.
  • Триггеры активации: Если консенсус не достигнут (например, клики распределены равномерно), баллы не начисляются (присваивается ноль).
  • Условия использования баллов: Накопленный Quality Signal используется при обработке всех последующих поисковых запросов.
  • Временные рамки и ограничения: Система применяет ограничения на количество баллов, которые можно получить за определенный период времени, от одного пользователя или IP-адреsa, для защиты от спама.

Пошаговый алгоритм

Процесс можно разделить на два основных этапа: Генерация сигнала качества и Использование сигнала качества.

Этап А: Генерация сигнала качества (Анализ данных)

  1. Сбор данных: Система агрегирует потоки запросов, данные о кликах и данные об анкор-текстах.
  2. Анализ запроса: Для конкретного запроса (Q) система определяет, «спрашивает» ли он конкретный документ (D). Это происходит через параллельные проверки:
    1. Консенсус Кликов: Анализ кликов по запросу Q. Получил ли документ D большинство (majority/preponderance) кликов?
    2. Консенсус Анкоров: Анализ ссылок с анкором, похожим на Q. Указывает ли большинство этих ссылок на документ D?
    3. Сходство Текста: Похож ли запрос Q на Prominent Text или URL документа D?
  3. Валидация Доминирования: Если ни один документ явно не доминирует по запросу Q (консенсус не достигнут), процесс останавливается, баллы за этот запрос не начисляются.
  4. Присвоение Баллов: Если доминирование установлено, документу D начисляются баллы (Points).
  5. Применение Ограничений (Throttling): Проверка лимитов (по времени, пользователю, IP). Если лимиты превышены, баллы могут не начисляться. При обнаружении манипуляций могут быть начислены отрицательные баллы (упомянуто в описании патента).
  6. Обновление Сигнала Качества: Накопленные баллы обновляют глобальный Quality Signal документа D (и/или сайта).

Этап Б: Использование сигнала качества (Ранжирование)

  1. Получение нового запроса: Система получает любой последующий запрос.
  2. Ранжирование: При расчете итоговой оценки ранжирования система использует Quality Signal, полученный на Этапе А, как один из факторов. Это дает буст документам с высоким Quality Signal.

Какие данные и как использует

Данные на входе

Система использует комбинацию поведенческих, ссылочных и контентных данных.

  • Поведенческие факторы: Критически важные данные.
    • Потоки поисковых запросов (search query streams).
    • Выборы пользователей (клики): данные о том, на какой результат кликнул пользователь после ввода запроса.
  • Ссылочные факторы: Критически важные данные.
    • Анкорные тексты (anchor text).
    • Распределение ссылок: куда ведут ссылки с определенным анкорным текстом.
  • Контентные факторы:
    • Prominent Text: заголовки, выделенный текст (большой шрифт, жирный).
  • Технические факторы:
    • URL документа.
  • Пользовательские факторы: Используются для предотвращения манипуляций.
    • Идентификатор пользователя.
    • IP-адрес пользователя.

Какие метрики используются и как они считаются

  • Click Consensus Metric: Рассчитывается как доля кликов, приходящихся на самый популярный результат для данного запроса. Пороговое значение: Должно быть достигнуто большинство (majority, например, >50%) или преобладание (preponderance).
  • Anchor Text Consensus Metric: Рассчитывается как доля ссылок с данным анкорным текстом, указывающих на самый частый целевой URL. Пороговое значение: Большинство, преобладание или абсолютный порог (threshold).
  • Quality Signal: Агрегированное значение, основанное на накопленных баллах (Points) от всех запросов, где документ был признан целью консенсуса.
  • Point Limitations (Ограничения баллов): Метрики для защиты от спама. Включают пороговые значения на количество баллов:
    • Запрос-Документ (например, не более 50 баллов для документа X от запроса Y).
    • Пользователь-Документ (например, не более 20 баллов для документа X от пользователя Z).
    • Общие баллы от пользователя или IP-адреса.
    • Временные ограничения (в день/неделю).

Выводы

  1. Навигационный спрос как глобальный сигнал качества: Патент четко описывает механизм, при котором удовлетворение навигационного интента (когда пользователи ищут именно ваш сайт) напрямую конвертируется в глобальный, независимый от запроса Quality Signal. Это повышает ранжирование сайта по всем релевантным запросам.
  2. Критичность консенсуса (Все или ничего): Ключевым элементом является требование консенсуса (majority или preponderance). Недостаточно просто получать много кликов или ссылок. Сайт должен доминировать в интенте для конкретного запроса. Если консенсус не достигнут, баллы не начисляются (значение равно нулю).
  3. Разделение широких и точных интентов: Система эффективно отличает широкие запросы (например, «отели»), где консенсус маловероятен, от точных или брендовых запросов (например, «Ritz Carlton»). Баллы начисляются только за вторые.
  4. Встроенные механизмы защиты от манипуляций: Патент предусматривает многоуровневую систему ограничений (throttling) на начисление баллов (по времени, пользователю, IP), что делает прямые манипуляции (накрутку кликов или анкоров) сложными и ограниченными по эффективности.
  5. Качество на уровне документа и сайта: Механизм позволяет начислять баллы как отдельным документам, так и сайтам в целом (site quality signals), что подтверждает важность общей авторитетности ресурса.

Практика

Best practices (это мы делаем)

  • Построение бренда и узнаваемости: Стратегический приоритет. Необходимо добиваться того, чтобы пользователи искали компанию или продукт по имени. Чем выше навигационный спрос, тем выше глобальный Quality Signal.
  • Оптимизация под брендовые запросы (Click Consensus): Убедитесь, что ваш сайт является доминирующим ответом на запросы, содержащие ваше название. Мониторьте CTR по брендовым запросам и максимизируйте его через оптимизацию сниппетов и управление Brand SERP, чтобы гарантировать получение большинства кликов.
  • Формирование авторитетного ссылочного профиля (Anchor Text Consensus): Работайте над тем, чтобы большинство ссылок с вашим брендовым именем или названием ключевого продукта указывали именно на ваш официальный сайт, а не на агрегаторы или отзывы.
  • Становление «Ожидаемым ответом» в нише: Если сайт может стать консенсусным ответом на специфический информационный запрос (например, если большинство пользователей кликают на вашу статью по узкому запросу), этот ресурс получит глобальный буст.
  • Использование заметного текста (Prominent Text): Убедитесь, что название вашего бренда четко отражено в заголовках (Title, H1) и URL, чтобы максимизировать совпадение с брендовыми запросами.

Worst practices (это делать не надо)

  • Манипуляции с запросами и кликами (Накрутка ПФ): Попытки искусственно генерировать навигационные запросы и клики. Система имеет встроенные ограничения (throttling) по времени, IP и пользователям. Патент также упоминает возможность присвоения отрицательных баллов при обнаружении манипуляций.
  • Игнорирование брендового трафика: Если конкуренты или агрегаторы начнут перехватывать значительную часть кликов по вашим брендовым запросам, вы можете потерять консенсус и, как следствие, глобальный Quality Signal.
  • Размытие ссылочного профиля бренда: Позволять ссылкам с вашим брендовым анкором указывать на множество разных ресурсов вместо вашего основного сайта, что мешает достижению Anchor Text Consensus.

Стратегическое значение

Этот патент подтверждает, что «построение бренда» — это не просто маркетинговая концепция, а конкретная SEO-стратегия с измеримым влиянием на ранжирование. Авторитетность и узнаваемость напрямую влияют на способность сайта ранжироваться по всем запросам, включая высококонкурентные небрендовые. Система вознаграждает сайты, которые являются однозначным, ожидаемым ответом на интент пользователя. Долгосрочная стратегия должна фокусироваться на том, чтобы стать лидером и основным источником, который пользователи ищут в первую очередь.

Практические примеры

Сценарий 1: Консенсус кликов (Брендовый запрос)

  1. Запрос: «Сбербанк онлайн».
  2. Анализ: Тысячи пользователей вводят этот запрос ежедневно.
  3. Поведение: 95% пользователей кликают на официальный сайт Сбербанка (sberbank.ru).
  4. Результат: Достигнут Click Consensus (большинство). Сайт sberbank.ru получает баллы, которые увеличивают его глобальный Quality Signal. Это помогает сайту лучше ранжироваться по другим запросам, например, «ипотека» или «вклады».

Сценарий 2: Отсутствие консенсуса (Широкий запрос)

  1. Запрос: «Купить телевизор».
  2. Анализ: Тысячи пользователей вводят этот запрос.
  3. Поведение: Клики распределяются между М.Видео (25%), Эльдорадо (20%), DNS (15%), Ozon (10%) и другими сайтами.
  4. Результат: Click Consensus НЕ достигнут (ни у кого нет большинства). Ни один сайт не получает баллов качества за этот конкретный запрос.

Сценарий 3: Консенсус анкорных текстов

  1. Анкорный текст (и соответствующий запрос): «Википедия».
  2. Анализ: Миллионы ссылок в интернете используют этот анкор.
  3. Целевые URL: 98% этих ссылок указывают на wikipedia.org.
  4. Результат: Достигнут Anchor Text Consensus. Сайт wikipedia.org получает баллы, что значительно увеличивает его глобальный Quality Signal и помогает ранжироваться по миллионам информационных запросов.

Вопросы и ответы

Означает ли этот патент, что чем больше кликов получает сайт, тем лучше он ранжируется?

Нет, это не совсем так. Патент подчеркивает важность не абсолютного количества кликов, а доли (концентрации) кликов по конкретному запросу. Сайт должен получить большинство (majority) или преобладающее количество (preponderance) кликов по запросу, чтобы это было засчитано как голос качества. Если клики распределены между несколькими сайтами и ни у кого нет большинства, никто не получает баллов.

Влияет ли этот Quality Signal только на ранжирование по тем запросам, за которые были получены баллы?

Нет. Это ключевой момент патента. Баллы, полученные за один запрос (например, брендовый), формируют глобальный Quality Signal. Этот сигнал затем используется для улучшения ранжирования документа или сайта во всех «последующих поисковых запросах», включая небрендовые и коммерческие.

Как этот механизм связан с E-E-A-T?

Этот механизм является одним из способов количественной оценки Авторитетности (Authority) и Доверия (Trust). Если большинство пользователей ищут ваш бренд по имени и выбирают его (Click Consensus), или если большинство авторов ссылаются на вас, используя ваше имя (Anchor Text Consensus), это является сильным сигналом того, что ваш сайт является авторитетным и ожидаемым ответом.

Можно ли манипулировать этой системой, накручивая запросы и клики?

Патент предусматривает защиту от манипуляций (Throttling/Restriction). Введены строгие ограничения на количество баллов, которые можно получить от одного пользователя, с одного IP-адреса, за один и тот же запрос и за определенный период времени. Это делает масштабные накрутки неэффективными.

Что важнее для получения баллов: консенсус кликов или консенсус анкоров?

Патент описывает оба механизма как равнозначные способы определения того, что запрос «спрашивает» документ. Они могут использоваться независимо или в комбинации. В современной SEO оба сигнала крайне важны, так как они отражают как мнение пользователей, так и мнение других создателей контента (вебмастеров).

Как определить, получает ли мой сайт баллы по этому алгоритму?

Прямых данных нет, но можно сделать обоснованные предположения. Проанализируйте свои брендовые запросы в GSC. Если у вас очень высокий CTR по этим запросам (доминирующий), вероятно, вы достигаете Click Consensus. Также проанализируйте свой ссылочный профиль: если большинство брендовых анкоров ведут на ваш сайт, вы, вероятно, достигаете Anchor Text Consensus.

Стоит ли пытаться получить баллы по широким коммерческим запросам, например, «доставка пиццы»?

Это маловероятно. По таким запросам интент распределен, и пользователи склонны выбирать из нескольких вариантов. Достичь большинства кликов или консенсуса анкоров по широкому запросу практически невозможно. Стратегия должна заключаться в фокусировке на брендовых запросах и узкоспециализированных темах, где вы являетесь явным лидером.

Что делать, если агрегатор или новостной сайт перехватывает клики по моему брендовому запросу?

Это серьезная угроза. Если вы потеряете большинство кликов по своему брендовому запросу, вы потеряете и связанный с ним Quality Signal. Необходимо работать над оптимизацией сниппетов, управлением репутацией (SERM) и обеспечивать, чтобы ваш официальный сайт оставался основным выбором пользователей.

Упоминается ли в патенте, что баллы могут быть отрицательными?

Да, в описании (Description) патента упоминается возможность присвоения отрицательных баллов (negative points). Это может произойти, если система обнаружит, что пользователи выдают определенный запрос исключительно с целью попытки накопить баллы для конкретного документа (т.е. при обнаружении манипуляций).

Применяется ли этот механизм к сайту целиком или только к отдельным страницам?

Патент указывает, что баллы могут присваиваться как документу, так и сайту (site quality signals), с которым связан документ. Это означает, что система может агрегировать сигналы качества на разных уровнях (страница, раздел, домен) и использовать их при ранжировании.

Похожие патенты

Как Google использует консенсус анкорных текстов для определения авторитетных источников и проверки фактов в Knowledge Graph
Google определяет, является ли веб-страница авторитетным источником о конкретной сущности (Entity), анализируя все анкорные тексты входящих ссылок. Система находит консенсусное описание (Center of Mass). Если оно совпадает с именем сущности и это имя присутствует в заголовке страницы, документ используется как эталон для проверки (Corroboration) фактов в базе знаний Google (Fact Repository).
  • US9208229B2
  • 2015-12-08
  • Knowledge Graph

  • Ссылки

  • EEAT и качество

Как Google алгоритмически определяет и верифицирует языковые версии страниц, анализируя ссылки, контент и частоту обновлений
Google использует систему для автоматической идентификации связанных версий контента (например, переводов). Система анализирует ссылки между страницами и ищет «индикаторы связи» (названия языков в анкорах или флаги). Обнаруженная связь затем верифицируется с помощью машинного перевода и сравнения контента, а также анализа частоты обновлений. Это позволяет Google показывать пользователю наиболее подходящую языковую или региональную версию в поиске.
  • US8892596B1
  • 2014-11-18
  • Мультиязычность

  • Ссылки

  • SERP

Как Google использует контекст запроса для исправления опечаток и понятийных ошибок, анализируя результаты поиска по оставшимся словам
Google использует механизм для исправления сложных, редких или понятийно ошибочных запросов. Если система идентифицирует потенциально неточный термин (опечатку или перепутанное название), она временно удаляет его и выполняет поиск по оставшимся словам. Затем анализируется контент найденных страниц (заголовки, анкоры, URL), чтобы определить правильный термин для замены, обеспечивая релевантную выдачу даже при ошибках пользователя.
  • US8868587B1
  • 2014-10-21
  • Семантика и интент

Как Google определяет язык и языковую релевантность страницы, анализируя контекст входящих и исходящих ссылок
Google использует контекст входящих и исходящих ссылок для определения языковой релевантности ресурса. Система анализирует язык анкоров, URL, контент ссылающихся и целевых страниц, а также качество ссылок и тип страницы (например, «языковой шлюз»). Это позволяет точно идентифицировать релевантные языки, даже если на самой странице мало текста.
  • US9098582B1
  • 2015-08-04
  • Ссылки

  • Мультиязычность

  • Семантика и интент

Как Google извлекает, обрабатывает и индексирует анкорный текст, контекст и атрибуты входящих ссылок для ранжирования целевых страниц
Фундаментальный патент, описывающий инфраструктуру Google для обработки ссылок. Система извлекает анкорный текст, окружающий контекст и атрибуты форматирования (аннотации) из исходных страниц и инвертирует эти данные в структуру "Sorted Anchor Map". Это позволяет индексировать целевую страницу по тексту ссылок, указывающих на нее, используя эту внешнюю информацию как сигнал релевантности.
  • US7308643B1
  • 2007-12-11
  • Ссылки

  • Индексация

  • Техническое SEO

Популярные патенты

Как Google динамически фильтрует и изменяет подсказки Autocomplete в реальном времени при вводе навигационного запроса
Google использует систему для оптимизации функции автозаполнения (Autocomplete). При вводе частичного запроса система определяет широкий набор потенциальных навигационных ссылок (Superset) и фильтрует его до узкого подмножества (Subset) на основе сигналов, таких как история поиска, популярность и тип документа. Интерфейс может динамически изменять отображаемые подсказки, если пользователь делает паузу при вводе.
  • US9454621B2
  • 2016-09-27
  • Семантика и интент

  • SERP

  • Поведенческие сигналы

Как Google использует пользовательский контент (UGC) и историю поиска для сбора структурированных отзывов
Google анализирует пользовательский контент (фотографии, посты, метаданные) и историю поиска, чтобы определить, с какими объектами (места, продукты, услуги) взаимодействовал пользователь. Система проактивно предлагает оставить структурированный отзыв, используя шаблон, который может быть предварительно заполнен на основе тональности исходного UGC. Это направлено на увеличение объема и подлинности отзывов.
  • US20190278836A1
  • 2019-09-12
  • Семантика и интент

  • Персонализация

  • EEAT и качество

Как Google генерирует интерактивные и иерархические Sitelinks на основе структуры и популярности разделов сайта
Google анализирует навигационную иерархию сайта (DOM), популярность ссылок и глубину разделов для создания интерактивного представления ресурса (расширенных Sitelinks) в SERP. Это позволяет пользователям просматривать ключевые категории и вложенные ссылки через интерфейс вкладок, не покидая страницу результатов поиска.
  • US9348846B2
  • 2016-05-24
  • Структура сайта

  • SERP

  • Ссылки

Как Google использует модель D-Q-D и поведение пользователей для предложения разнообразных запросов, связанных с конкретными результатами поиска
Google использует модель "Документ-Запрос-Документ" (D-Q-D), построенную на основе данных о поведении пользователей (клики, время просмотра), для генерации связанных поисковых подсказок. Система предлагает альтернативные запросы, привязанные к конкретному результату, только если эти запросы ведут к новому, разнообразному набору документов, облегчая исследование смежных тем.
  • US8583675B1
  • 2013-11-12
  • Поведенческие сигналы

  • SERP

  • Семантика и интент

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 в Autocomplete динамически выбирает между показом общих категорий и конкретных подсказок в зависимости от «завершенности запроса»
Google анализирует «меру завершенности запроса» (Measure of Query Completeness) по мере ввода текста пользователем. Если намерение неясно и существует много вариантов продолжения (низкая завершенность, высокая энтропия), система предлагает общие категории (например, «Регионы», «Бизнесы»). Если намерение становится ясным (высокая завершенность, низкая энтропия), система переключается на конкретные подсказки или сущности.
  • US9275147B2
  • 2016-03-01
  • Семантика и интент

  • Поведенческие сигналы

  • Персонализация

Как Google использует историю навигации и клики по рекламе для генерации ключевых слов, гео-таргетинга и выявления MFA-сайтов
Патент Google, описывающий три механизма, основанных на анализе поведения пользователей (selection data). Система использует путь навигации пользователя для генерации новых ключевых слов для рекламы, улучшает гео-таргетинг объявлений на основе предпочтений пользователей, а также выявляет низкокачественные сайты (MFA/манипулятивные) по аномально высокому CTR рекламных блоков.
  • US8005716B1
  • 2011-08-23
  • Поведенческие сигналы

  • Семантика и интент

  • Антиспам

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 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 динамически повышает порог качества для результатов поиска по «рискованным» запросам
Google оценивает «риск» поискового запроса, анализируя общее качество топовых результатов. Если запрос часто привлекает спам, кликбейт или нежелательный контент (особенно видео), система динамически повышает минимальный порог качества. Контент, не соответствующий этому повышенному стандарту, понижается в выдаче, при этом учитываются такие сигналы, как показатель просмотров (Watch Rate).
  • US11609949B2
  • 2023-03-21
  • Антиспам

  • SERP

  • Поведенческие сигналы

seohardcore