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

Как Google использует историю поисковых запросов пользователя для таргетинга рекламы на сторонних сайтах (Поисковый ретаргетинг)

PROVIDING CONTENT USING STORED QUERY INFORMATION (Предоставление контента с использованием сохраненной информации о запросе)
  • US8024316B2
  • Google LLC
  • 2008-01-30
  • 2011-09-20
  • Персонализация
  • Поведенческие сигналы
  • Описание
  • Разбор
  • Выводы
  • Практика
  • FAQ
  • Похожие

Патент описывает технологию Google для улучшения релевантности контекстной рекламы. Система сохраняет информацию о предыдущих поисковых запросах пользователя (например, в cookie) и использует её для выбора рекламы на последующих страницах, которые посещает пользователь, даже если эти страницы уже не содержат контекста исходного поиска.

Описание

Какую проблему решает

Патент решает проблему потери контекста поискового запроса при навигации пользователя вглубь сайта издателя (Publisher). Когда пользователь переходит из поисковой выдачи (SERP) на сайт, информация о его запросе обычно видна в Referring URL. Однако при переходе на вторую, третью и последующие страницы этого сайта (deep pages) эта информация теряется, так как Referring URL меняется. Это ухудшает возможность рекламной системы (Advertisement Server) таргетировать релевантную контекстную рекламу на этих глубоких страницах.

Что запатентовано

Запатентована система для сохранения и последующего использования истории поисковых запросов пользователя в целях таргетинга контента (в частности, рекламы). Когда Advertisement Server впервые обнаруживает поисковый запрос (например, извлекая его из Referring URL), он сохраняет эту информацию локально на устройстве пользователя (например, в cookie). На последующих страницах сервер использует эту сохраненную информацию для выбора релевантной рекламы.

Как это работает

Система (поисковый ретаргетинг) работает следующим образом:

  • Переход и Извлечение: Пользователь выполняет поиск и переходит с SERP на сайт издателя. Advertisement Server видит поисковый запрос в Referring URL и извлекает его.
  • Сохранение: Сервер сохраняет эту информацию о запросе (Query Information) на устройстве пользователя (Access Device), например в cookie.
  • Последующая навигация: Пользователь переходит на другие страницы сайта. Исходный контекст поиска в Referring URL теряется.
  • Использование: При загрузке новой страницы Advertisement Server обращается к сохраненной Query Information на устройстве пользователя и использует её для выбора и показа релевантной рекламы.

Актуальность для SEO

Высокая (для AdTech). Идея использования истории поиска и поведенческого таргетинга является фундаментальной для современных рекламных сетей. Однако конкретная реализация, описанная в патенте (использование cookie для хранения истории), устаревает в связи с ужесточением правил конфиденциальности и глобальным отказом от third-party cookies. Тем не менее, принцип использования данных о поиске для рекламы остается ключевым.

Важность для SEO

Патент имеет минимальное значение для органического SEO (1/10). Он не описывает алгоритмы ранжирования, индексирования, понимания запросов или оценки качества сайтов для поисковой выдачи. Он полностью посвящен механизмам работы контекстной рекламы (AdTech) и тому, как Google отслеживает поведение пользователей после поиска для монетизации трафика на сайтах издателей (например, через AdSense). Для SEO-специалистов он не предоставляет действенных инсайтов по оптимизации.

Детальный разбор

Термины и определения

Access Device (Устройство доступа)
Устройство пользователя (компьютер, телефон), используемое для поиска и просмотра страниц. На нем хранится Query Information.
Advertisement Server (Рекламный сервер)
Компонент системы, отвечающий за извлечение, сохранение и использование Query Information для выбора и предоставления рекламного контента.
Cookie
Упоминается как возможный механизм для хранения Query Information на Access Device.
First Page (Первая страница)
Страница сайта издателя, на которую пользователь попадает непосредственно из поисковой выдачи. При переходе на эту страницу доступен Referring URL, содержащий запрос.
Query Information (Информация о запросе)
Данные, основанные на поисковом запросе пользователя. Могут включать полный Referring URL, извлеченные из него ключевые слова, а также метаданные (страна, язык).
Referring URL (URL источника перехода)
URL предыдущей страницы. При переходе с SERP он часто содержит текст поискового запроса.
Search Provider (Поисковая система)
Система, в которой пользователь выполняет исходный поиск.
Second Page / Deep Page (Вторая / Глубокая страница)
Последующие страницы сайта издателя, на которые пользователь переходит с First Page. При переходе на эти страницы исходный поисковый контекст теряется в Referring URL.
Templates (Шаблоны)
Конфигурации для парсинга Referring URL. Используются для корректного извлечения ключевых слов из URL разных поисковых систем.

Ключевые утверждения (Анализ Claims)

Патент содержит два основных независимых пункта, описывающих процесс с двух сторон: сохранение информации и её последующее использование.

Claim 10 (Независимый пункт): Описывает процесс извлечения и сохранения информации о запросе на первой странице после SERP.

  1. Система получает информацию для предоставления контента на Первой странице. Эта информация извлекается из Referring URL при навигации на Первую страницу и отражает исходный поисковый запрос.
  2. Система предоставляет контент для Первой страницы.
  3. Система сохраняет Query Information на Access Device на основе полученной информации. Эта сохраненная информация предназначена для использования при предоставлении контента как минимум для Второй страницы.

Claim 1 (Независимый пункт): Описывает процесс использования ранее сохраненной информации о запросе на последующей странице.

  1. Система получает информацию для предоставления рекламы на Access Device в ответ на навигацию с Первой страницы на Вторую страницу.
  2. Система получает доступ к Query Information, сохраненной на Access Device. Эта информация основана на запросе, который был отправлен в Search Provider до перехода на Первую страницу.
  3. Система предоставляет рекламу для включения во Вторую страницу, выбранную с использованием полученной информации и доступной Query Information.

Claim 14 (Зависимый от 13 и 12): Детализирует механизм извлечения информации из Referring URL.

  1. Система выбирает один из множества шаблонов (Templates) для парсинга Referring URL.
  2. Каждый шаблон сконфигурирован для парсинга Referring URL от соответствующей поисковой системы.
  3. Система парсит Referring URL, используя выбранный шаблон для извлечения ключевых слов запроса.

Где и как применяется

Этот патент не относится к архитектуре органического поиска (Crawling, Indexing, Ranking и т.д.). Он описывает механизмы работы экосистемы контекстной рекламы (AdTech), которая взаимодействует с браузером пользователя после завершения поиска.

Рекламная экосистема (Advertisement Server)

  • Взаимодействие: Система взаимодействует с Access Device пользователя (для чтения/записи Cookie) и сайтами издателей (для получения запросов на рекламу и Referring URL).
  • Функция: Обеспечение поведенческого таргетинга (поискового ретаргетинга) путем сохранения и использования истории поисковых запросов.

Входные данные:

  • Referring URL (доступен при переходе с SERP на First Page).
  • Запрос на предоставление рекламы от сайта издателя.
  • Cookie или иное локальное хранилище с Query Information (доступно на Second Page).

Выходные данные:

  • Выбранное рекламное объявление для показа пользователю.
  • Инструкция для Access Device сохранить Query Information (например, установить Cookie).

На что влияет

  • Конкретные типы контента: Влияет исключительно на выбор контекстной рекламы (например, AdSense), отображаемой на сайтах издателей.
  • Специфические запросы: Влияет на пользователей, которые приходят на сайт из поисковой системы, независимо от типа запроса (информационный, коммерческий и т.д.).
  • Патент не описывает влияние на органическое ранжирование каких-либо типов контента, запросов или ниш.

Когда применяется

Алгоритм применяется в двух основных сценариях:

  • Сценарий 1: Сохранение информации (На First Page)
    • Триггер активации: Пользователь переходит из поисковой выдачи (SERP) на страницу издателя.
    • Условие: Advertisement Server может идентифицировать и извлечь поисковый запрос из Referring URL.
  • Сценарий 2: Использование информации (На Second/Deep Page)
    • Триггер активации: Пользователь загружает страницу издателя, которая содержит запрос на рекламу.
    • Условие: Advertisement Server может получить доступ к ранее сохраненной Query Information на устройстве пользователя.
    • Актуальность: Патент упоминает возможность выбора сохраненной информации на основе её актуальности (Claim 8): времени запроса или количества навигаций, прошедших с момента поиска.

Пошаговый алгоритм

Процесс сохранения и использования информации о запросе:

  1. Выполнение поиска: Пользователь вводит запрос в Search Provider.
  2. Отображение результатов: Пользователь получает страницу результатов поиска (SERP).
  3. Навигация 1 (Переход на First Page): Пользователь кликает по ссылке на SERP и переходит на Первую страницу сайта издателя.
  4. Получение и Извлечение информации: Advertisement Server получает запрос на рекламу, который включает Referring URL (URL страницы SERP).
  5. Парсинг URL: Сервер определяет поисковую систему по Referring URL и выбирает соответствующий Template. С помощью шаблона сервер извлекает ключевые слова запроса из URL.
  6. Сохранение информации: Сервер сохраняет извлеченные данные как Query Information на Access Device пользователя (например, устанавливает Cookie).
  7. Предоставление контента 1: Сервер выбирает и предоставляет рекламу для Первой страницы (на основе извлеченной информации или контента страницы).
  8. Навигация 2 (Переход на Second Page): Пользователь переходит на другую (глубокую) страницу этого же сайта.
  9. Доступ к сохраненной информации: Advertisement Server получает новый запрос на рекламу. Исходный поисковый Referring URL больше недоступен. Сервер обращается к сохраненной Query Information на устройстве пользователя.
  10. Выбор контента 2: Сервер использует сохраненную Query Information (историю поиска) для выбора релевантной рекламы. При наличии нескольких записей может быть выбрана самая актуальная.
  11. Предоставление контента 2: Реклама отображается на Второй странице.

Какие данные и как использует

Данные на входе

Патент фокусируется на данных, связанных с навигацией и историей пользователя:

  • Технические факторы: Referring URL. Это ключевой источник данных для извлечения исходного поискового запроса.
  • Пользовательские факторы:
    • Access Device: Локальное хранилище на устройстве пользователя (Cookie).
    • История пользователя: Конкретные поисковые запросы (Query Information), которые пользователь вводил ранее.
  • Географические и Языковые факторы: Патент упоминает возможность сохранения метаданных вместе с ключевыми словами, таких как страна (country) и язык (language).

Контентные, ссылочные и другие факторы ранжирования SEO в патенте не упоминаются.

Какие метрики используются и как они считаются

Патент не детализирует алгоритмы выбора рекламы, но описывает метрики для управления сохраненной информацией:

  • Хранение нескольких запросов: Система может хранить несколько порций Query Information, соответствующих разным предыдущим запросам.
  • Критерии выбора актуальной информации: Если сохранено несколько запросов, система может выбирать, какую информацию использовать, на основе следующих критериев (Claim 8):
    • Время исходного запроса (a time of the first query).
    • Время сохранения информации на устройстве (a time the query information was stored).
    • Количество навигаций (переходов), совершенных с момента исходного запроса (a number of navigations undertaken since the first query).
  • Методы анализа текста (Парсинг): Использование специфичных для поисковых систем шаблонов (Templates) для парсинга Referring URL и извлечения ключевых слов (Extraction, Parsing).

Выводы

  1. Фокус на AdTech, а не SEO: Патент описывает инфраструктурный механизм для рекламной сети Google (AdTech). Он не содержит информации об алгоритмах органического ранжирования, индексирования или оценки качества контента.
  2. Сохранение поискового контекста (Поисковый ретаргетинг): Основная цель изобретения — сохранить контекст поискового запроса пользователя после того, как он покинул SERP. Это позволяет улучшить релевантность контекстной рекламы на глубоких страницах сайтов издателей.
  3. Механизм хранения: Система полагается на локальное хранение данных (Cookie) на устройстве пользователя для переноса Query Information между страницами.
  4. Универсальность извлечения: Google разработал механизмы парсинга (Templates) для извлечения ключевых слов из Referring URL не только своего поиска, но и других поисковых систем.
  5. Управление актуальностью: Система учитывает свежесть сохраненной информации (время, количество переходов) для определения наиболее релевантного контекста для таргетинга.
  6. Отсутствие практической ценности для SEO: Практических выводов для SEO-специалистов, направленных на улучшение органического ранжирования, в данном патенте нет.

Практика

Best practices (это мы делаем)

Патент является инфраструктурным и посвящен технологиям контекстной рекламы (AdTech). Он не дает прямых практических рекомендаций для улучшения органического ранжирования (SEO).

Однако, для SEO-специалистов, работающих с сайтами издателей (Publishers), монетизирующими трафик через рекламные сети (например, AdSense), понимание этого механизма полезно:

  • Понимание монетизации поискового трафика: Этот механизм позволяет Google показывать более релевантную и потенциально более дорогую рекламу на глубоких страницах сайта, если пользователь изначально пришел из поиска. Это повышает ценность органического трафика для издателя.
  • Оптимизация пути пользователя (User Journey): Создание структуры сайта, поощряющей длительные сессии и переходы на глубокие страницы, может увеличить доход от рекламы, так как Google сохраняет ценный контекст поиска на протяжении всей сессии.

Worst practices (это делать не надо)

Не применимо. Патент не описывает факторы ранжирования или механизмы борьбы с SEO-манипуляциями.

Стратегическое значение

Патент не влияет на стратегию органического SEO. Стратегическое значение патента заключается в понимании того, как Google использует данные о поведении пользователей в поиске для улучшения своих рекламных продуктов. Это подчеркивает важность поисковых данных как индикатора намерений пользователя в экосистеме Google в целом.

Практические примеры

Практических примеров для применения в SEO нет, так как патент посвящен AdTech. Ниже приведен пример работы механизма в контексте рекламы.

Сценарий: Таргетинг рекламы на основе истории поиска

  1. Поиск: Пользователь ищет в Google "купить зеркальный фотоаппарат canon".
  2. Переход на First Page: Пользователь кликает на органический результат и попадает на главную страницу новостного сайта (например, nytimes.com).
  3. Сохранение: Рекламный сервер Google (AdSense) видит Referring URL, извлекает запрос "купить зеркальный фотоаппарат canon" и сохраняет его в Cookie пользователя. На первой странице показывается реклама фотоаппаратов.
  4. Переход на Second Page: Пользователь кликает на статью о политике на этом же сайте. Контент страницы не имеет отношения к фотоаппаратам.
  5. Использование и Таргетинг: При загрузке рекламы для статьи о политике, рекламный сервер читает Cookie, видит недавний интерес к фотоаппаратам Canon и решает показать рекламу магазина фототехники, а не рекламу, связанную с политикой.
  6. Результат: Пользователь видит релевантную его недавним интересам рекламу, даже находясь на странице с другим контекстом.

Вопросы и ответы

Влияет ли описанный в патенте механизм на органическое ранжирование сайтов?

Нет, не влияет. Патент полностью посвящен технологиям контекстной рекламы (AdTech). Он описывает, как рекламный сервер (например, AdSense) использует историю поисковых запросов пользователя для выбора рекламы на сторонних сайтах, но не затрагивает алгоритмы, определяющие позиции сайтов в органической выдаче.

Описывает ли этот патент, как Google оценивает качество контента или E-E-A-T?

Нет. В патенте не упоминаются факторы оценки качества контента, авторитетности сайтов или сигналы E-E-A-T. Он сфокусирован исключительно на механизмах извлечения, хранения и использования информации о поисковых запросах (Query Information) для рекламного таргетинга.

Что такое "Query Information" в контексте этого патента?

Query Information — это данные, основанные на предыдущем поисковом запросе пользователя. Чаще всего это ключевые слова, которые рекламный сервер извлекает из Referring URL, когда пользователь переходит из поисковой выдачи на сайт издателя. Также это могут быть метаданные, такие как язык и страна.

Как именно сохраняется эта информация и где она хранится?

Информация сохраняется локально на устройстве пользователя (Access Device). В патенте в качестве основного примера механизма хранения упоминаются Cookie. Рекламный сервер устанавливает Cookie при первом посещении сайта после поиска и считывает её при последующих загрузках страниц.

Зачем Google понадобилось сохранять историю поиска для показа рекламы на сторонних сайтах?

Это необходимо для решения проблемы потери контекста. Когда пользователь уходит вглубь сайта (на Deep Pages), информация об исходном поисковом запросе теряется из Referring URL. Сохранение этой информации позволяет продолжать показывать высокорелевантную рекламу, основанную на недавних намерениях пользователя (поисковый ретаргетинг).

Актуальна ли эта технология сегодня, учитывая отказ от third-party cookies?

Идея использования истории поиска для таргетинга остается крайне актуальной. Однако конкретный механизм реализации через Cookie, описанный в патенте 2008 года, устаревает из-за ограничений конфиденциальности и отказа браузеров от поддержки third-party cookies. Сейчас индустрия переходит на альтернативные методы сохранения контекста.

Может ли система извлекать информацию о запросах, сделанных в других поисковых системах (например, Bing или Yahoo)?

Да, патент предусматривает такую возможность. В нем описано использование набора шаблонов (Templates), каждый из которых настроен для парсинга Referring URL конкретной поисковой системы. Это позволяет корректно извлекать ключевые слова независимо от источника поиска.

Что происходит, если пользователь часто ищет разные вещи? Какая информация будет использована?

Система может хранить несколько порций Query Information. Для выбора наиболее актуальной информации патент предлагает использовать критерии свежести: время выполнения запроса, время сохранения информации или количество переходов (навигаций), совершенных пользователем с момента поиска (Claim 8).

Как этот патент связан с Google AdSense?

Этот патент описывает один из ключевых механизмов, который мог быть использован в Google AdSense для улучшения релевантности рекламы на сайтах издателей. Используя историю поиска, AdSense может показывать более персонализированную и эффективную рекламу, что увеличивает доход издателей и рекламодателей.

Какая практическая польза от этого патента для SEO-специалиста?

Прямой пользы для улучшения органического ранжирования нет. Однако SEO-специалистам, работающим на стороне издателей (Publishers), это дает понимание того, как монетизируется привлекаемый ими органический трафик. Понимание того, что Google сохраняет контекст поиска на протяжении всей сессии, подчеркивает ценность привлечения целевого поискового трафика для повышения доходов от рекламы.

Похожие патенты

Как Google использует историю поиска и браузера для персонализации выдачи и определения предпочтений пользователя
Google записывает историю поиска, кликов по результатам и рекламе, а также посещенные сайты в централизованную базу данных пользователя. Эта информация используется для модификации поисковой выдачи: повышения позиций ранее посещенных сайтов, предложения связанных запросов и определения "предпочтительных местоположений" (избранного). Система позволяет пользователю контролировать сбор данных (подписка) и объединять историю с разных устройств.
  • US7747632B2
  • 2010-06-29
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google автоматически определяет поисковые запросы в URL-адресах рефереров для таргетинга рекламы
Google использует систему для автоматического определения того, какой параметр в URL предыдущей посещенной страницы содержит поисковый запрос пользователя. Анализируя разнообразие значений параметров (Diversity Metric), система создает шаблоны для извлечения этих запросов из реферальных URL. Извлеченные данные затем используются для показа релевантной рекламы на текущей странице.
  • US9330093B1
  • 2016-05-03
  • Семантика и интент

  • Персонализация

  • Поведенческие сигналы

Как Google использует историю поиска и контекст (время, местоположение) для проактивного предложения релевантных прошлых результатов на разных устройствах
Google патентует систему, которая анализирует историю поиска пользователя и использует контекстуальные сигналы (время, местоположение и прошлое поведение, такое как клики и время на сайте), чтобы определить актуальность прошлых результатов. Система проактивно предлагает эти результаты в виде информационных элементов на разных устройствах, устраняя необходимость повторного поиска, например, показывая ресторан, который пользователь искал ранее и рядом с которым находится сейчас.
  • US8805828B1
  • 2014-08-12
  • Персонализация

  • Поведенческие сигналы

Как Google использует историю поиска и браузинга пользователя для персонализации и изменения результатов выдачи
Google записывает историю поиска и просмотров пользователя для последующей персонализации выдачи. Система может повышать в ранжировании ранее посещенные сайты, добавлять в текущую выдачу релевантные результаты из прошлых похожих запросов, а также понижать сайты, которые пользователь ранее видел, но проигнорировал. Патент также описывает создание "предпочитаемых локаций" на основе частоты посещений и времени пребывания на сайте.
  • US9256685B2
  • 2016-02-09
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google использует историю поиска и браузинга для персонализации выдачи и определения предпочтений пользователя
Google записывает и анализирует историю действий пользователя: запросы, клики по результатам и рекламе, посещенные страницы. Система группирует связанные действия в сессии, определяет "Предпочитаемые локации" на основе частоты и времени визитов (stay-time), и использует эту историю для изменения порядка ранжирования, повышая позиции ранее посещенных сайтов в персональной выдаче.
  • US20060224583A1
  • 2006-10-05
  • Персонализация

  • Поведенческие сигналы

Популярные патенты

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

  • Поведенческие сигналы

  • SERP

Как Google 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 использует клики по изображениям для определения схожести запросов и картинок (Поведенческая схожесть)
Google анализирует поведение пользователей в поиске по картинкам, чтобы определить схожесть двух запросов (или двух изображений). Если пользователи часто кликают на одни и те же изображения в ответ на разные запросы, эти запросы считаются похожими. Этот механизм (Коллаборативная фильтрация) позволяет находить связи независимо от языка или типа запроса (текст/изображение) и используется для генерации рекомендаций.
  • US8280881B1
  • 2012-10-02
  • Поведенческие сигналы

  • Семантика и интент

  • Мультимедиа

Как Google выбирает сущность для Панели Знаний и решает, когда ее показывать, основываясь на топикальности SERP и CTR
Google использует этот механизм для решения двух задач: выбора наиболее релевантной сущности для Панели Знаний при неоднозначном запросе и определения необходимости показа самой панели. Система анализирует, насколько сущности соответствуют контенту топовых результатов поиска (Topicality Score). Показ панели активируется, если у органических результатов низкий CTR (что указывает на неудовлетворенность пользователей) или если у Google достаточно данных для ее заполнения.
  • US10922326B2
  • 2021-02-16
  • Knowledge Graph

  • SERP

  • Семантика и интент

Как Google использует организационные структуры (папки, ярлыки) как ссылки для расчета PageRank и ранжирования документов
Google может анализировать, как документы организованы пользователями (например, в папках, через ярлыки или закладки), и использовать эти организационные структуры для расчета рейтинга документа. Документы, концептуально сгруппированные вместе, передают друг другу ранжирующий вес (аналогично PageRank), причем более тесные связи (например, в одной папке) передают больше веса, чем более слабые связи (например, в соседних папках).
  • US8090736B1
  • 2012-01-03
  • Ссылки

  • SERP

  • Структура сайта

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 анализирует распределение качества входящих ссылок для классификации и понижения сайтов в выдаче
Google использует систему для оценки качества ссылочного профиля сайта. Система фильтрует входящие ссылки (удаляя шаблонные и дублирующиеся с одного домена), группирует оставшиеся по качеству источника (например, Vital, Good, Bad) и вычисляет взвешенный «Link Quality Score». Если доля низкокачественных ссылок слишком велика, сайт классифицируется как низкокачественный и понижается в результатах поиска.
  • US9002832B1
  • 2015-04-07
  • Ссылки

  • Антиспам

  • SERP

Как Google извлекает сущности из активности пользователя для запуска проактивных (имплицитных) поисковых запросов
Анализ патента Google, описывающего метод идентификации «именованных сущностей» (людей, тем, фраз) путем мониторинга действий пользователя, таких как электронная почта, просмотр веб-страниц и набор текста. Система использует эти сущности для проактивного запуска фоновых поисковых запросов (имплицитных запросов), релевантных текущему контексту пользователя, часто с использованием персонализированных данных.
  • US9009153B2
  • 2015-04-14
  • Персонализация

  • Семантика и интент

  • Поведенческие сигналы

Как Google динамически формирует Панели Знаний, выбирая блоки информации на основе истории поисковых запросов пользователей
Google использует гибридный подход для создания структурированных страниц о сущностях (например, Панелей Знаний). Система анализирует исторические данные о том, что пользователи чаще всего ищут об этой сущности или её классе. На основе этого анализа динамически выбираются блоки информации (например, «Награды», «Саундтрек»), которые дополняют стандартный набор данных, позволяя автоматически адаптировать выдачу под актуальные интересы аудитории.
  • US10110701B2
  • 2018-10-23
  • Knowledge Graph

  • Поведенческие сигналы

  • Персонализация

Как Google создает и наполняет Панели Знаний (Knowledge Panels), используя шаблоны сущностей и популярность фактов
Google использует систему для отображения Панелей Знаний (Knowledge Panels) рядом с результатами поиска. Когда запрос относится к конкретной сущности (человеку, месту, компании), система выбирает соответствующий шаблон и наполняет его контентом из разных источников. Выбор фактов для отображения основан на том, как часто пользователи искали эту информацию в прошлом.
  • US9268820B2
  • 2016-02-23
  • Knowledge Graph

  • SERP

  • Семантика и интент

seohardcore