Как Google фильтрует географические синонимы, чтобы предотвратить подмену местоположений в поиске

Термины и определения

Correlated Geographic Synonym (Коррелирующий географический синоним)

Два термина, которые являются потенциальными синонимами (например, на основе анализа поведения пользователей), но которые не должны рассматриваться как синонимы, поскольку они связаны с разными, но коррелирующими географическими контекстами. В Claims используется синонимичный термин Problem Synonyms.

Geographic Data Set (Набор географических данных)

Структурированная база данных географических объектов и отношений между ними. Описана как древовидная структура (tree structure), включающая страны, регионы (штаты, провинции) и города. Может также включать координаты, переводы названий на разные языки и диакритические варианты.

Problem Synonyms (Проблемные синонимы)

Термин, используемый в патенте для обозначения Correlated Geographic Synonyms. Это два термина, имеющие связанные географические контексты согласно древовидной структуре.

Tree Structure (Древовидная структура)

Способ организации Geographic Data Set, где географические объекты представлены как узлы, а их отношения (например, включение) как связи. Разные позиции на одном уровне соответствуют разным географическим локациям одного типа (например, два города).

Peer Relationship (Отношение равного уровня)

Отношение между двумя разными географическими объектами, находящимися на одном уровне иерархии (same level).

Containment Relationship (Отношение вложенности/содержания)

Отношение, при котором один объект является предком (ancestor) другого в иерархии.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод идентификации проблемных географических синонимов.

1. Система получает термин запроса и его возможный синоним.
2. Система обращается к Geographic Data Set, который связывает географические названия с позициями в tree structure.
3. Система идентифицирует первую позицию в дереве для термина и вторую позицию для возможного синонима.
4. Система определяет, что термин и возможный синоним являются problem synonyms, основываясь как минимум на их относительном положении (relative position) в древовидной структуре.
5. Система уведомляет поисковый движок о том, что эта пара является problem synonyms.

Claim 2 (Зависимый от 1): Уточняет условие Peer Relationship.

Определение того, что термин и синоним являются проблемными, включает установление факта, что их позиции находятся на одном уровне (same level) в древовидной структуре (т.е. являются одноранговыми географическими объектами).

Claim 3 (Зависимый от 2): Добавляет дополнительное условие к Claim 2.

Определение также включает установление факта, что обе позиции имеют общего родителя (share a parent) в древовидной структуре (например, два города в одном штате).

Claim 6 (Зависимый от 2): Добавляет условие физической близости к Claim 2.

Определение также включает установление факта, что географические локации, соответствующие термину и синониму, разделены расстоянием, удовлетворяющим пороговому физическому расстоянию (threshold physical distance).

Claim 8 и 9 (Зависимые от 1): Уточняют условие Containment Relationship.

Определение того, что термин и синоним являются проблемными, включает установление факта, что одна позиция является предком (ancestor) другой позиции в древовидной структуре (т.е. один объект содержит другой).

Claim 15 и 16 (Зависимые): Описывают действия поисковой системы.

После уведомления поисковая система может исключить синоним (Claim 15) или понизить его вес (demoting a weight) (Claim 16).

Где и как применяется

Изобретение применяется на этапе понимания запроса и влияет на последующее ранжирование, используя предварительно созданные структурированные данные.

INDEXING – Индексирование и извлечение признаков
На этом этапе (или в рамках построения Knowledge Graph) создается и поддерживается Geographic Data Set. Система должна проанализировать географические данные, построить иерархическую Tree Structure, а также обработать названия сущностей, включая их переводы и диакритические варианты.

QUNDERSTANDING – Понимание Запросов
Основное применение патента. Когда система обработки запросов генерирует или рассматривает кандидатов в синонимы, этот механизм выступает в роли валидатора или фильтра.

• Валидация синонимов: Система использует Geographic Data Set для проверки отношений между сущностями. Если они идентифицированы как Correlated Geographic Synonyms, правило синонимизации может быть заблокировано или скорректировано.

RANKING / RERANKING – Ранжирование / Переранжирование
На этот этап влияют результаты работы механизма. Если синоним был отклонен, он не используется для поиска документов. Если его вес был понижен (demoted), это напрямую влияет на то, как будут оценены документы, найденные по этому синониму, предотвращая появление в топе выдачи документов, релевантных неверному географическому контексту.

Входные данные:

• Термин запроса (query term).
• Возможный синоним (possible synonym).
• Структурированный Geographic Data Set (Tree Structure).

Выходные данные:

• Определение того, является ли пара Problem Synonyms.
• Уведомление поисковой системы (которое может включать скорректированный вес синонима).

На что влияет

• Конкретные типы контента и ниши: Наибольшее влияние оказывается на локальный поиск (Local SEO), туризм, недвижимость и электронную коммерцию, где точное определение местоположения критически важно.
• Специфические запросы: Влияет на запросы с явным или подразумеваемым географическим интентом.
• Языковые и географические ограничения: Механизм разработан для работы на разных языках, так как Geographic Data Set включает переводы названий. Эффективность может зависеть от плотности (geo-density) и качества географических данных для конкретного региона.

Когда применяется

Алгоритм активируется при выполнении следующих условий:

• Триггер активации: Когда система генерации синонимов предлагает кандидата в синонимы для термина запроса.
• Условие применения: Когда и исходный термин, и кандидат в синонимы могут быть идентифицированы как географические сущности в Geographic Data Set.
• Особые случаи: Если термин многозначен (например, «Springfield»), система анализирует все возможные пары географических сущностей, связанных с термином и синонимом.

Пошаговый алгоритм

Процесс фильтрации географических синонимов:

1. Получение входных данных: Система получает термин и возможный синоним.
2. Нормализация и расширение (Опционально): Генерация языковых (переводы) и лексических (диакритические варианты) вариаций для обоих терминов.
3. Поиск в географической базе: Система определяет, присутствуют ли оба термина (или их вариации) в Geographic Data Set.
4. Проверка наличия (Условие): Присутствуют ли оба термина в базе?
   • Если НЕТ: Процесс завершается. Термины не считаются коррелирующими географическими синонимами.
   • Если ДА: Перейти к шагу 5.
5. Определение позиций в дереве: Система идентифицирует позиции (узлы) для обоих терминов в Tree Structure. Если термин многозначен, идентифицируются все его позиции.
6. Анализ отношений: Система сравнивает относительное положение двух позиций в иерархии. Если термины многозначны, сравниваются все возможные пары позиций.
7. Применение критериев корреляции: Система проверяет, удовлетворяет ли относительное положение пары одному из критериев Correlated Geographic Synonym:
   • Критерий 1 (Peer): Находятся ли объекты на одном уровне иерархии? Дополнительно может проверяться наличие общего родителя или нахождение в пределах порогового физического расстояния.
   • Критерий 2 (Containment): Является ли один объект предком другого?
8. Принятие решения (Условие): Является ли пара Problem Synonym на основе критериев?
   • Если ДА: Перейти к шагу 9.
   • Если НЕТ: Процесс завершается.
9. Уведомление и корректировка: Система уведомляет поисковую систему. Информация о синонимах фильтруется (синоним исключается) или корректируется (вес синонима понижается — demoting a weight).

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании структурированных географических данных для валидации синонимов.

• Географические факторы (Структурированные данные): Критически важные данные. Используется Geographic Data Set, организованный как Tree Structure. Этот набор данных содержит:
  • Иерархию стран, регионов (штаты, провинции) и городов.
  • Отношения вложенности между ними.
  • Названия сущностей на разных языках (полученные через автоматический перевод).
  • Диакритические варианты названий.
  • Возможно, координаты или bounding box для сущностей.
• Системные данные (Кандидаты в синонимы): Пары «термин-синоним», сгенерированные другими компонентами поисковой системы (например, путем анализа логов запросов и замен в сессиях).

Какие метрики используются и как они считаются

Система использует качественные метрики, основанные на структуре данных, а не на сложных вычислениях оценок.

• Метрики отношений в дереве (Структурные метрики):
  • Same Level (Одноранговые): Проверка, находятся ли два узла на одном уровне иерархии.
  • Share a Parent (Общий родитель): Проверка, имеют ли два узла один и тот же родительский узел.
  • Ancestor/Descendant (Предок/Потомок): Проверка, находится ли один узел выше или ниже другого в одной ветке дерева.
• Географические метрики (Опционально):
  • Физическое расстояние (Physical Distance): Может рассчитываться на основе координат и сравниваться с пороговым значением (threshold physical distance) (Claim 6).
  • Географическая плотность (Geographic Density): Плотность данных в регионе может использоваться для адаптации строгости тестов на географическую близость (Claim 7).

1. Приоритет географической точности над расширением запроса: Google активно предотвращает географический «дрейф темы». Система предпочтет сохранить исходный географический интент пользователя, даже если это означает отказ от использования потенциально релевантного, но географически смещенного синонима.
2. Структурированные данные как валидатор синонимов: Патент демонстрирует, как внешние структурированные данные (Geographic Data Set, компонент Knowledge Graph) используются для проверки качества синонимов, сгенерированных другими методами (например, машинным обучением на логах запросов).
3. Иерархические отношения как негативный сигнал: Если два термина находятся в четких иерархических отношениях (Peer или Containment) в географической структуре, это служит сильным сигналом против того, чтобы считать их синонимами.
4. Связанность не равна синонимичности: Ключевой вывод для SEO — то, что пользователи часто ищут два объекта вместе или последовательно, не означает, что Google будет их взаимозаменяться. Связанность (relatedness) не равна синонимичности (synonymy).
5. Гибкость реагирования: Система не просто блокирует синонимы, но предусматривает варианты: полное исключение, понижение веса (demotion) или предоставление пользователю выбора между строгим и расширенным поиском.

Best practices (это мы делаем)

• Обеспечение точных и однозначных географических сигналов: Критически важно четко указывать основное местоположение бизнеса или целевую аудиторию контента. Не используйте названия соседних городов или регионов в надежде, что Google посчитает их синонимами вашего основного местоположения.
• Точная оптимизация под целевые локации (Local SEO): Создавайте отдельные посадочные страницы для каждого физического местоположения или зоны обслуживания. Если вы работаете в Миннеаполисе, оптимизируйте страницу под «Миннеаполис», а не пытайтесь охватить и «Сент-Пол» на той же странице, так как система расценит их как разные географические контексты (Problem Synonyms).
• Использование структурированных данных (Schema.org): Используйте разметку LocalBusiness, PostalAddress максимально точно и полно. Используйте areaServed для определения зон обслуживания. Это укрепляет связь сущности с ее местоположением в географической иерархии и снижает риск неправильной интерпретации.
• Учет иерархии местоположений в контенте: При создании контента учитывайте географическую иерархию. Упоминание штата для города уместно для контекста, но не должно заменять основной термин, так как система видит между ними отношение вложенности (Containment) и не считает их взаимозаменяемыми в запросе.

Worst practices (это делать не надо)

• Географический спам (Geo-stuffing) и смешивание локаций: Перечисление списков городов или использование названий соседних городов как взаимозаменяемых в тексте или заголовках. Этот патент подтверждает, что Google различает эти местоположения как отдельные сущности. Попытка рассматривать их как одно целое противоречит логике системы.
• Подмена города регионом (или наоборот) в оптимизации: Попытка оптимизировать страницу, посвященную узкой локации, под более широкий регион (или наоборот). Из-за отношения вложенности Google не будет автоматически расширять запрос пользователя о городе до уровня штата.
• Создание дорвеев с подменой локаций: Генерация множества страниц, где меняется только название города в шаблоне. Патент показывает, что Google стремится к точному соответствию локации в запросе и контенте, а не к расширению на смежные области.

Стратегическое значение

Патент подчеркивает важность точности в понимании сущностей (Entity Understanding) и их атрибутов. Для Google географическое местоположение — это не просто строка текста, а узел в иерархической структуре данных с четко определенными отношениями. Стратегия SEO, особенно локального, должна строиться на предоставлении системе точных, непротиворечивых сигналов, которые позволяют однозначно идентифицировать географическую привязку. Система настроена на разделение, а не на объединение географических контекстов.

Практические примеры

Сценарий: Оптимизация сайта для бизнеса, работающего в двух соседних городах.

Бизнес физически находится в городе А (например, Химки), но также активно обслуживает соседний крупный город Б (например, Москва).

1. Анализ запросов: Пользователи ищут «[услуга] Химки» и «[услуга] Москва». Анализ логов мог бы показать, что пользователи иногда меняют эти запросы в одной сессии.
2. Работа алгоритма: Система генерации синонимов предлагает пару (Химки, Москва) как синонимы. Описанный в патенте механизм проверяет эту пару по Geographic Data Set. Он определяет, что это два разных города (одноранговые узлы) или что Москва содержит Химки (в зависимости от структуры базы).
3. Результат: Пара помечается как Correlated Geographic Synonym. Google не будет автоматически заменять «Химки» на «Москва» в запросе (и наоборот).
4. Действия SEO-специалиста:
   • Неправильно: Создать одну страницу с заголовком «[Услуга] Химки Москва» и пытаться использовать эти слова как синонимы в тексте.
   • Правильно: Создать основную страницу «[Услуга] в Химках» с точным адресом и разметкой. Создать отдельную посадочную страницу «[Услуга] в Москве», где описать специфику работы в этом городе (например, условия доставки или выезда). Это позволит ранжироваться по запросам в Москве за счет релевантности контента, а не за счет ожидания, что Google посчитает города синонимами.