Google может использовать многоэтапный процесс поиска. Сначала система выполняет поиск по первой части запроса. Затем результаты этого поиска определяют ограниченную область (например, конкретный веб-сайт, домен или связанные страницы) для выполнения второго поиска по второй части запроса. Это позволяет итеративно уточнять результаты.

Описание

Какую проблему решает

Патент решает задачу повышения точности и эффективности поиска путем предоставления механизма для последовательного уточнения (search refinement) или поиска в заданной области (scoped search). Он позволяет пользователям (или самой системе) находить специфическую информацию в рамках более широкого контекста, уже идентифицированного предыдущим поиском. Например, если пользователь ищет "Отели Лас-Вегаса", а затем хочет найти информацию о "буфетах" именно на сайтах этих отелей.

Что запатентовано

Запатентован метод выполнения последовательных связанных поисков. Ключевым механизмом является использование результатов первого поиска для динамического определения корпуса документов (области поиска или scope) для второго поиска. Система обрабатывает запрос, состоящий из нескольких частей, используя первую часть для широкого поиска, а вторую – для поиска в ограниченном наборе контента, определенном на предыдущем этапе.

Как это работает

Система работает итеративно:

  • Получение запроса: Система получает запрос, состоящий из нескольких частей (полученных одновременно или последовательно).
  • Первый поиск: Выполняется поиск по первой части запроса в общем индексе (first plurality of content items).
  • Определение области: Search Results Analyzer анализирует результаты первого поиска и определяет область для второго поиска (second plurality of content items). Эта область может включать сайты из результатов, связанные с ними страницы (по ссылкам) или активы внутри найденных страниц.
  • Второй поиск: Выполняется поиск по второй части запроса, но только в рамках определенной на предыдущем шаге ограниченной области.
  • Представление результатов: Результаты (часто в комбинированном или вложенном виде) предоставляются пользователю.

Актуальность для SEO

Средняя. Конкретные реализации пользовательского интерфейса, описанные в патенте (например, функция "Поиск в топ-10 результатов"), устарели и не являются стандартными для Google Поиска в 2025 году. Однако базовая концепция итеративного, контекстно-зависимого и уточняющего поиска является фундаментальной для Information Retrieval. Эти идеи лежат в основе реализации операторов (например, site:) и могут использоваться во внутренних процессах системы при обработке сложных запросов.

Важность для SEO

Низкое влияние (3.5/10). Этот патент описывает инфраструктуру выполнения запросов и функциональность поиска, а не основные алгоритмы ранжирования. Он не вводит новые факторы ранжирования и не описывает, как Google определяет качество контента. Его ценность для SEO заключается в понимании важности информационной архитектуры сайта для обеспечения эффективного поиска информации внутри ресурса.

Детальный разбор

Термины и определения

Assets (Активы)
Компоненты единицы контента (например, веб-страницы). Включают текст, графику, метаданные, ссылки, мультимедиа и скрипты. Могут выступать областью для второго поиска.
Content Item (Единица контента)
Документ, веб-страница или другой ресурс, который может быть проиндексирован и найден.
Domain Name (Доменное имя)
Часть веб-адреса (URL). Используется как один из способов определения области для второго поиска (например, все страницы в одном домене).
First/Second Portion of the Search Query (Первая/Вторая часть поискового запроса)
Разделенные части одного запроса или последовательные запросы, используемые для выполнения многоэтапного поиска.
First/Second plurality of content items (Первое/Второе множество элементов контента)
Корпус документов или область поиска (scope). Первое множество – это обычно общий индекс. Второе множество – это ограниченная область, определенная на основе результатов первого поиска.
Query Analyzer (Анализатор запросов)
Компонент системы, отвечающий за обработку входящего запроса и, возможно, его автоматическое разделение на части для последовательных поисков.
Search Results Analyzer (Анализатор результатов поиска)
Ключевой компонент. Обрабатывает результаты поиска и определяет множество элементов контента (область), по которому будет проводиться следующий поиск.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод выполнения многоэтапного поиска.

  1. Система получает поисковый запрос.
  2. Выполняется первый поиск по первому множеству контента (Corpus 1), используя первую часть запроса. Идентифицируется первый набор результатов.
  3. На основе результатов первого поиска определяется второе множество контента (Corpus 2) для выполнения второго поиска. Важное уточнение: Corpus 2 включает элементы контента, которые НЕ были идентифицированы в первом наборе результатов (например, другие страницы того же сайта, которые не ранжировались по первому запросу).
  4. Выполняется второй поиск по второму множеству контента (Corpus 2), используя вторую часть запроса.

Claims 6-9 (Зависимые): Определяют различные методы формирования второго множества контента (Corpus 2) на основе конкретного результата (First Result) из первого поиска.

  • Claim 6: Corpus 2 состоит из веб-страниц, чьи адреса имеют то же доменное имя (Domain Name), что и First Result. (Реализация поиска по сайту).
  • Claim 7: Corpus 2 состоит из веб-страниц, на которые ссылается (исходящие ссылки) First Result.
  • Claim 8: Corpus 2 состоит из веб-страниц, которые ссылаются на (входящие ссылки) First Result.
  • Claim 9: Corpus 2 состоит из активов (Assets), содержащихся внутри веб-страницы First Result. (Поиск внутри страницы).

Claims 11, 13, 14 (Зависимые): Описывают варианты пользовательского интерфейса (UI) для ввода запросов.

  • Claim 11: GUI содержит несколько текстовых полей для одновременного ввода разных частей запроса.
  • Claim 13: GUI содержит одно текстовое поле. Система автоматически идентифицирует первую и вторую части запроса из введенной строки.
  • Claim 14: Последовательный ввод. Сначала интерфейс для ввода первой части и отображение результатов, затем второй интерфейс для ввода второй части (например, функция "Поиск в результатах").

Где и как применяется

Изобретение представляет собой методологию обработки запросов и выполнения поиска, затрагивающую несколько этапов.

QUNDERSTANDING – Понимание Запросов
На этом этапе Query Analyzer определяет, следует ли применять многоэтапный поиск. Это может происходить путем анализа одного сложного запроса на предмет его разделения на части (Claim 13) или путем обработки последовательных действий пользователя в интерфейсе (Claims 11, 14).

RANKING – Ранжирование (включая Retrieval/Отбор кандидатов)
На этом этапе выполняется первый поиск (Stage 1) по общему индексу для получения первоначального набора результатов.

METASEARCH – Метапоиск / Специализированный поиск
Основное применение патента. После получения результатов первого поиска активируется Search Results Analyzer. Он определяет ограниченную область (Corpus 2) для второго поиска. Затем Search Engine выполняет второй поиск (Stage 2) в рамках этой области. Это может быть реализовано как повторный запрос к индексу с применением фильтров области (например, ограничение по домену или URL).

Входные данные:

  • Поисковый запрос (первая и вторая части).
  • Первое множество контента (общий индекс).
  • Структурные данные (доменные имена, ссылочный граф, активы страниц).

Выходные данные:

  • Второй (уточненный) набор результатов поиска.

На что влияет

  • Специфические запросы: Наибольшее влияние оказывается на составные запросы, где пользователь хочет найти пересечение двух тем или найти специфическую информацию в рамках более широкого контекста (например, «[Объект] [Характеристика]» или «[Модель телефона] [Решение проблемы]»).
  • Типы контента: Влияет на обнаружение глубокого контента (например, конкретных товаров, статей в подразделах) на сайтах, которые ранжируются по более общим запросам.

Когда применяется

Алгоритм применяется в следующих сценариях:

  • Явное уточнение пользователем: Когда пользователь использует функцию "Искать среди результатов", интерфейс с несколькими полями ввода или аналогичные интерфейсы для сужения поиска после получения первичной выдачи (Claims 11, 14).
  • Автоматическая обработка (Потенциально): Когда Query Analyzer интерпретирует запрос как многоэтапный и решает применить последовательный поиск для повышения точности (Claim 13).

Пошаговый алгоритм

Процесс выполнения многоэтапного поиска:

  1. Получение запроса: Система получает по крайней мере часть поискового запроса от пользователя. (Может быть весь запрос сразу или только первая часть).
  2. Выполнение первого поиска: Система выполняет первый поиск на основе первой части поискового запроса по общему корпусу документов (Первое множество контента).
  3. Анализ результатов: Search Results Analyzer обрабатывает результаты первого поиска.
  4. Определение параметров второго поиска: Система определяет параметры второго поиска на основе результатов первого поиска и второй части поискового запроса (если она не была получена ранее, система может её запросить). Ключевой шаг – определение области поиска (Второе множество контента).

    Методы определения области:

    • Ограничение по домену результата (Claim 6).
    • Ограничение по связанным страницам (входящие/исходящие ссылки) (Claims 7, 8).
    • Ограничение активами внутри найденных страниц (Claim 9).
  5. Выполнение второго поиска: Система выполняет второй поиск, используя вторую часть запроса и ограничиваясь определенной областью.
  6. Передача результатов: Система передает результаты поиска пользователю (обычно результаты второго поиска, возможно, в контексте первого).

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании структурных данных для определения области поиска, а не на факторах ранжирования.

  • Технические факторы: URL и Доменные имена (Domain Name) критически важны. Они используются для реализации ограничения поиска по сайту (Claim 6).
  • Ссылочные факторы: Входящие и исходящие ссылки явно указаны как механизмы для определения области второго поиска (Claims 7 и 8). Система должна иметь доступ к графу ссылок.
  • Структурные/Контентные факторы: Система анализирует структуру документа для идентификации его активов (Assets) — текста, изображений, метаданных, если второй поиск выполняется внутри страницы (Claim 9).

Какие метрики используются и как они считаются

В патенте не указаны конкретные метрики ранжирования, формулы расчета релевантности, оценки качества или пороговые значения. Он описывает исключительно инфраструктурный механизм определения области (scope) для последовательных поисков.

Выводы

  1. Инфраструктурный механизм, а не алгоритм ранжирования: Патент описывает технический метод выполнения последовательных (каскадных) поисков для уточнения результатов. Он не описывает, как Google определяет качество или релевантность контента.
  2. Динамическое сужение области поиска (Dynamic Scoping): Ключевая идея — использование результатов первого (общего) поиска для определения области второго (уточняющего) поиска. Важно, что второй поиск ищет новые результаты в связанной области, а не просто фильтрует уже найденные.
  3. Гибкость определения области: Патент защищает несколько способов сужения поиска: ограничение по домену (поиск внутри сайта), поиск по связанным ресурсам (входящие/исходящие ссылки) и поиск по активам документа (поиск внутри страницы).
  4. Реализация функций уточнения: Этот механизм лежит в основе функций типа "Искать среди результатов" или реализации оператора site:.
  5. Важность структуры сайта: Для SEO этот патент косвенно подчеркивает важность того, как организован контент. Структура сайта и ссылочный граф используются системой для определения логических границ контента.

Практика

Этот патент носит преимущественно инфраструктурный характер. Прямых практических выводов для влияния на ранжирование в органическом поиске мало, но он дает контекст для важности базовых SEO-практик.

Best practices (это мы делаем)

  • Обеспечение четкой и логичной структуры сайта и URL: Это критически важно для функции поиска внутри сайта (Claim 6). Логичная структура гарантирует, что система сможет легко идентифицировать все страницы, принадлежащие домену, и включить их в область уточняющего поиска.
  • Глубокая проработка тематики (Topical Depth): Сайт должен быть готов к тому, что пользователь, найдя его по общему запросу (Первый Поиск), захочет найти уточняющую информацию (Второй Поиск) внутри ресурса. Необходимо иметь контент, отвечающий на эти детализированные запросы.
  • Оптимизация внутренней перелинковки: Патент упоминает использование ссылок для определения области поиска (Claims 7 и 8). Структурированная перелинковка помогает системе понять взаимосвязи между страницами, что полезно для любой формы контекстного или ограниченного поиска.
  • Использование понятной разметки (Assets): Если второй поиск выполняется по активам внутри страницы (Claim 9), четкая структура контента (заголовки, списки, оптимизированные изображения) помогает системе идентифицировать конкретные ответы внутри документа.

Worst practices (это делать не надо)

  • Размещение связанного контента на разных хостах/поддоменах: Если система ограничивает второй поиск строго по доменному имени, найденному в первом поиске (Claim 6), контент на не связанных поддоменах может быть исключен из области уточняющего поиска.
  • Обфускация структуры и ссылок: Использование сложных URL без иерархии или методов перелинковки, скрывающих граф ссылок от поисковых систем, может помешать механизмам определения области поиска, основанным на структуре и ссылках.
  • Скрытие контента от индексации: Если часть контента на сайте закрыта от индексации, механизм поиска внутри сайта не сможет её найти, даже если основная страница хорошо ранжируется.

Стратегическое значение

Патент имеет низкое стратегическое значение для современных SEO-стратегий, ориентированных на ранжирование. Он подтверждает, что структурные элементы (домены, ссылки) используются не только для ранжирования, но и для обеспечения функциональных возможностей поисковой системы. Он подчеркивает важность построения авторитетных ресурсов с сильной информационной архитектурой, которые поддерживают дальнейшее уточнение запроса внутри ресурса.

Практические примеры

Сценарий: Уточнение поиска на сайте ритейлера (Применение Claim 6)

  1. Первый Запрос (Part 1): "Винтажная одежда".
  2. Первый Поиск: Система ищет по всему интернету.
  3. Результат Первого Поиска: В топе находится сайт www.rustyzipper.com.
  4. Интерфейс уточнения: Пользователь видит опцию (например, поле в SERP) "Искать в результатах" и вводит уточнение.
  5. Второй Запрос (Part 2): "Джинсы".
  6. Определение области: Система определяет область второго поиска как все страницы на домене www.rustyzipper.com (согласно Claim 6).
  7. Второй Поиск: Система ищет "джинсы" только на сайте www.rustyzipper.com.
  8. Результат: Пользователю показываются результаты с сайта www.rustyzipper.com, релевантные запросу "джинсы", часто в контексте исходного результата.

Вопросы и ответы

Описывает ли этот патент новый алгоритм ранжирования?

Нет. Патент полностью сосредоточен на методологии выполнения последовательных поисков, где результаты одного поиска определяют область (scope) для следующего. Он не обсуждает, как именно система определяет релевантность или качество результатов в рамках этих поисков.

Второй поиск просто фильтрует результаты первого поиска?

Нет, это ключевое отличие. В Claim 1 указано, что второе множество контента (область второго поиска) включает элементы, которые НЕ были идентифицированы в первом наборе результатов. Это означает, что система запускает новый поиск в связанной области, а не просто фильтрует уже найденное.

Как именно Google определяет область для второго поиска?

Патент предлагает четыре основных метода, основанных на результатах первого поиска: 1) Ограничение по домену (поиск внутри сайта, Claim 6). 2) Ограничение по страницам, на которые ссылается результат (исходящие ссылки, Claim 7). 3) Ограничение по страницам, которые ссылаются на результат (входящие ссылки, Claim 8). 4) Ограничение по активам внутри найденного документа (Claim 9).

Отличается ли механизм, описанный в патенте, от использования оператора site:?

Оператор site: является одной из реализаций логики, описанной в Claim 6 (ограничение по домену). Однако патент описывает более широкую систему, которая может использовать другие методы ограничения (ссылки, активы) и делать это итеративно на основе результатов поиска, а не только по явному указанию домена пользователем.

Как система решает, как разделить запрос на первую и вторую части?

Патент предусматривает несколько вариантов. Пользователь может явно ввести части в разные поля (Claim 11) или последовательно (Claim 14). Также Query Analyzer может автоматически разделить запрос, введенный в одно поле (Claim 13), хотя конкретные методы автоматического разделения не описаны.

Актуален ли этот патент сегодня? Я не вижу функции "Поиск в результатах" в Google.

Хотя конкретный пользовательский интерфейс (UI), показанный в патенте, устарел, сама концепция многоэтапного уточняющего поиска остается актуальной. Она может использоваться во внутренних механизмах системы, при реализации операторов поиска или в диалоговых системах.

Как этот патент влияет на стратегию внутренней перелинковки?

Патент подтверждает, что Google анализирует ссылочный граф для понимания взаимосвязей между страницами (Claims 7 и 8). Хотя это не связано с ранжированием в данном контексте, это подчеркивает необходимость логичной и доступной для сканирования структуры ссылок, чтобы система могла корректно определять связанные области контента для выполнения поиска.

Что такое "Активы" (Assets) страницы и как они используются?

Активы — это компоненты страницы: текст, графика, метаданные, ссылки. Патент (Claim 9) описывает возможность выполнения второго поиска исключительно внутри этих активов. Это соответствует функции поиска информации внутри конкретного документа, найденного на первом этапе.

Стоит ли специально оптимизировать сайт под этот патент?

Специальных действий не требуется. Однако, поскольку механизм часто используется для поиска внутри сайта, наличие хорошей структуры, полной индексации и качественного контента на всех страницах (Topical Depth) гарантирует, что пользователи, применяющие функции уточнения к вашему сайту, найдут релевантную информацию.

Какова основная ценность этого патента для Senior SEO?

Основная ценность заключается в понимании инфраструктуры и основ Information Retrieval. Патент дает представление о том, как Google использует структурные связи (домен, ссылки, активы) для выполнения сложных, многоэтапных поисковых задач, что является основой для современных систем понимания запросов и улучшения пользовательского опыта.

Похожие патенты

Как Google сегментирует сложные запросы на смысловые компоненты для генерации поисковых подсказок и связанных запросов
Google использует механизм для генерации уточнений запроса (поисковых подсказок или связанных запросов) путем разделения исходного запроса на семантические компоненты (устойчивые фразы) с помощью вероятностного анализа. Система находит уточнения для каждого компонента по отдельности, а затем рекомбинирует их, сохраняя исходный порядок. Финальные кандидаты строго фильтруются на основе пользовательских данных (CTR) и синтаксической схожести.
  • US9703871B1
  • 2017-07-11

  • Семантика и интент

  • SERP

  • Поведенческие сигналы

Как Google генерирует связанные запросы (Related Searches), используя сущности из топовых результатов и сохраняя структуру исходного запроса
Google использует систему для автоматической генерации уточнений запросов (например, «Связанные запросы»). Система анализирует топовые документы в выдаче и извлекает из них ключевые сущности. Затем эти сущности комбинируются с важными терминами исходного запроса, при этом строго сохраняется исходный порядок слов, чтобы создать релевантные и естественно звучащие предложения для дальнейшего поиска.
  • US8392443B1
  • 2013-03-05

  • Семантика и интент

  • Поведенческие сигналы

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 группирует похожие запросы и поисковые подсказки, определяя интент пользователя через анализ сессий и кликов
Google использует графовую модель (Марковскую цепь) для кластеризации поисковых подсказок и связанных запросов. Система анализирует, какие запросы пользователи вводят в одной сессии и на какие документы они кликают. Это позволяет сгруппировать запросы, ведущие к схожему контенту, и предложить пользователю разнообразный набор подсказок, отражающих разные интенты.
  • US8423538B1
  • 2013-04-16

  • Семантика и интент

  • Поведенческие сигналы

  • SERP

Как Google определяет неудовлетворенность пользователя поисковой сессией и предлагает корректирующие действия
Google анализирует поведение пользователя во время поисковой сессии (клики, время на сайте, последующие запросы), чтобы определить уровень удовлетворенности. Если система фиксирует признаки неудовлетворенности (например, много коротких кликов или серия уточняющих запросов), она автоматически запускает "корректирующие операции": предлагает альтернативные запросы, ключевые слова из просмотренных страниц или запрашивает обратную связь.
  • US8316037B1
  • 2012-11-20

  • Поведенческие сигналы

Популярные патенты

Как Google определяет ключевые аспекты (фасеты) сущности для организации и диверсификации поисковой выдачи
Google использует систему для автоматической идентификации различных «аспектов» (подтем или фасетов) сущности в запросе. Анализируя логи запросов и базы знаний, система определяет, как пользователи исследуют информацию. Затем эти аспекты ранжируются по популярности и разнообразию и используются для организации результатов поиска в структурированном виде (mashup), облегчая пользователю навигацию и исследование темы.
  • US8458171B2
  • 2013-06-04

  • Семантика и интент

  • SERP

  • Поведенческие сигналы

Как Google использует структуру сайта и анкорные тексты для извлечения Сущностей из шумных заголовков (Title)
Google использует метод для точного определения основного объекта (Сущности) веб-страницы, когда заголовок (Title) содержит лишнюю информацию (брендинг, рубрики). Система анализирует заголовки похожих страниц на том же сайте (Peer Documents) и анкорные тексты, ссылающиеся на них. Выявляя повторяющиеся шаблоны (префиксы и суффиксы) в заголовках, Google отделяет название Сущности от шума.
  • US7590628B2
  • 2009-09-15

  • Семантика и интент

  • Структура сайта

  • Ссылки

Как Google использует генеративный ИИ для создания динамических и гиперперсонализированных бизнес-профилей
Google разрабатывает систему, которая заменяет статические бизнес-профили динамическими «курируемыми профилями», генерируемыми ИИ (например, LLM). Эти профили адаптируются в реальном времени под конкретного пользователя, учитывая его запрос, предпочтения, историю поиска и демографию, чтобы показать наиболее релевантный контент, продукты и описания бренда.
  • US20250054045A1
  • 2025-02-13

  • Персонализация

  • Поведенческие сигналы

  • Семантика и интент

Как Google переносит авторитетность бренда и описательные термины между страницами одного сайта для улучшения ранжирования
Google использует механизмы для улучшения релевантности страниц путем переноса сигналов внутри сайта. Система распространяет "авторитетные" термины (например, бренд) с главной страницы на внутренние разделы и, наоборот, поднимает "высокоописательные" термины (например, адреса, категории, уникальные слова) с внутренних страниц на главную. Это позволяет ранжировать наиболее подходящую страницу сайта, даже если нужные ключевые слова на ней отсутствуют.
  • US7933890B2
  • 2011-04-26

  • Структура сайта

  • Техническое SEO

  • Индексация

Как Google использует анализ многословных фраз для улучшения подбора синонимов с учетом грамматического согласования
Google анализирует, как пользователи одновременно меняют несколько слов в запросе (например, при изменении числа или рода). Подтверждая, что каждое измененное слово является лексическим или семантическим вариантом оригинала, Google идентифицирует «синонимы с N-граммным согласованием». Это позволяет системе улучшить понимание синонимов отдельных слов, даже если эти слова редко меняются поодиночке в определенных контекстах.
  • US7925498B1
  • 2011-04-12

  • Семантика и интент

  • Поведенческие сигналы

Как Google фильтрует персонализированные предложения запросов на основе контента просматриваемой страницы
Google использует механизм для генерации предложений следующего запроса после того, как пользователь покинул страницу выдачи. Система создает кандидатов на основе истории поиска пользователя, а затем фильтрует их, проверяя релевантность контенту страницы, которую пользователь просматривает в данный момент. Это гарантирует, что предложения соответствуют как интересам пользователя, так и текущему контексту просмотра.
  • US8392435B1
  • 2013-03-05

  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google использует историю местоположений для определения физической активности пользователя и гиперперсонализации поиска
Google анализирует историю перемещений пользователя (местоположения и скорость), чтобы определить его текущую физическую активность (например, поход, шоппинг) и способ передвижения (например, пешком, на автобусе). Эта информация используется для радикальной персонализации: система корректирует ранжирование результатов, изменяет запросы и формирует подсказки, чтобы они соответствовали контексту реальных действий пользователя.
  • US20150006290A1
  • 2015-01-01

  • Поведенческие сигналы

  • Персонализация

  • Local SEO

Как Google агрегирует, оценивает и ранжирует комментарии, отзывы и упоминания о веб-странице из разных источников
Google собирает комментарии, отзывы и посты в блогах, относящиеся к определенной веб-странице. Система использует сложные алгоритмы для определения основной темы упоминаний (особенно если в них несколько ссылок) и ранжирует эти комментарии на основе авторитетности автора, свежести, качества языка и обратной связи пользователей, чтобы представить наиболее полезные мнения.
  • US8745067B2
  • 2014-06-03

  • EEAT и качество

  • Свежесть контента

  • Семантика и интент

Как Google использует машинное обучение и данные о длительности сессий для выявления битых Deep Links в мобильных приложениях
Google использует систему машинного обучения для анализа того, как долго пользователи взаимодействуют с контентом в приложении после перехода по Deep Link (Presentation Duration). Анализируя распределение этих временных интервалов, система классифицирует ссылку как рабочую или битую без необходимости прямого сканирования контента. Это позволяет Google удалять неработающие ссылки из индекса.
  • US10628511B2
  • 2020-04-21

  • Ссылки

  • Индексация

  • Поведенческие сигналы

Как Google использует контекст текущей сессии и поведение похожих пользователей для персонализации и переранжирования выдачи
Google анализирует недавнюю активность пользователя (запросы и клики в рамках сессии), чтобы определить его краткосрочный интерес. Система сравнивает, как другие пользователи с таким же интересом взаимодействовали с результатами по текущему запросу, по сравнению с общим поведением. Если предпочтения статистически значимо различаются, Google переранжирует выдачу, повышая результаты, предпочитаемые «похожей» аудиторией, учитывая при этом время взаимодействия с контентом (Dwell Time).
  • US8972391B1
  • 2015-03-03

  • Персонализация

  • Поведенческие сигналы

  • SERP