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

Как Google визуально выделяет в поиске продавцов, использующих доверенную платежную систему (Брокера)

DISTINGUISHING SEARCH RESULTS ASSOCIATED WITH AN ELECTRONIC COMMERCE SYSTEM (Различение результатов поиска, связанных с системой электронной коммерции)
  • US8078497B1
  • Google LLC
  • 2007-09-19
  • 2011-12-13
  • SERP
  • EEAT и качество
  • Описание
  • Разбор
  • Выводы
  • Практика
  • FAQ
  • Похожие

Google использует механизм для повышения доверия пользователей к результатам поиска в электронной коммерции. Система идентифицирует продавцов, которые принимают оплату через доверенную стороннюю систему (Брокера), и визуально выделяет их контент (рекламу или органические ссылки) специальным значком (Badge). Значки могут иметь несколько уровней и указывать не только на поддержку платежной системы, но и на репутацию продавца и вероятность успешной покупки.

Описание

Какую проблему решает

Патент решает проблему недоверия пользователей при совершении покупок у небольших или неизвестных онлайн-продавцов. Пользователи часто опасаются предоставлять платежную информацию таким продавцам из-за отсутствия у них узнаваемости бренда и репутации. Изобретение призвано повысить доверие, визуально выделяя в результатах поиска тех продавцов, которые используют централизованную и доверенную систему электронной коммерции (Broker), которой пользователи уже доверяют свои платежные данные.

Что запатентовано

Запатентована система, которая позволяет поисковой системе идентифицировать и визуально отличать результаты поиска (включая рекламу и органические ссылки), связанные с продавцами, использующими определенную систему электронной коммерции (Broker). Поисковая система взаимодействует с Broker для получения списка участвующих продавцов и данных об их характеристиках. При отображении результатов поиска система добавляет визуальный индикатор (Badge) к контенту этих продавцов.

Как это работает

Механизм работает следующим образом:

  • Сбор данных о продавцах: Broker предоставляет поисковой системе идентификаторы (например, Business URLs) продавцов, использующих его платежную систему, а также сигналы о характеристиках этих продавцов (репутация, конверсия, возвраты).
  • Обработка запроса: Поисковая система получает запрос и генерирует набор результатов.
  • Идентификация контента: Система определяет, какой контент в результатах связан с участвующими продавцами, например, путем сравнения Visible URL результата с Business URLs.
  • Определение значка (Badging): Модуль Badge Association Module определяет, следует ли показывать значок и какой тип значка использовать. Это может зависеть от характеристик продавца, запроса пользователя и вероятности успешной покупки.
  • Отображение: К идентифицированному контенту добавляется визуальный Badge (например, иконка корзины или звезда), чтобы отличить его от остальных результатов.

Актуальность для SEO

Высокая для E-commerce. Хотя патент описывает систему, которая могла использоваться для Google Checkout (ныне не существует), базовые принципы критически важны. Механизм использования данных о производительности и надежности продавца (полученных от брокера или собственных систем, таких как Merchant Center) для визуального аннотирования результатов поиска (например, рейтинги продавцов, значки Trusted Store) остается центральным элементом повышения доверия и CTR в современном поиске товаров.

Важность для SEO

Патент имеет высокое значение для SEO в электронной коммерции. Он описывает механизм, с помощью которого Google может визуально повысить привлекательность и надежность определенных результатов поиска на основе внешних данных о качестве продавца. Это напрямую влияет на восприятие пользователем (Trust) и показатель кликабельности (CTR). Участие в доверенных программах и поддержание высоких показателей производительности продавца становятся факторами, влияющими на видимость и эффективность как платного, так и органического трафика.

Детальный разбор

Термины и определения

Badge (Значок)
Визуальный индикатор (графическая иконка, текстовое сообщение), отображаемый в результатах поиска рядом с контентом продавца. Используется для визуального отличия контента, связанного с продавцами, поддерживающими систему Broker.
Badge Association Module (Модуль ассоциации значков)
Компонент поисковой системы, который решает, какой тип Badge будет связан с контентом, основываясь на характеристиках продавца, запросе и/или данных о покупателе.
Badge Determination Module (Модуль определения значков)
Компонент поисковой системы, который определяет, следует ли вообще отображать Badge для конкретного контента, обычно путем сравнения URL контента с Business URLs участвующих продавцов.
Broker (Брокер)
Посредник, предоставляющий централизованную систему электронной коммерции (платежную систему), которую покупатели могут использовать для оплаты товаров у разных продавцов. Пример: Google Checkout/Wallet, PayPal.
Business URL (Бизнес-URL)
URL, предоставленный продавцом Broker'у, который идентифицирует доменное имя веб-сайта продавца. Используется поисковой системой для идентификации контента продавца.
Destination URL (Целевой URL)
Фактический сетевой адрес, на который перенаправляется пользователь при клике на результат поиска. Может отличаться от Visible URL.
Multilevel Badges (Многоуровневые значки)
Система использования разных типов значков. Первый уровень указывает, что продавец использует систему Broker. Последующие уровни указывают на вероятность того, что у покупателя будет успешный опыт покупки (successful buying experience).
Reputation Module (Модуль репутации)
Компонент Broker'а, который отслеживает транзакции и рассчитывает оценки репутации для покупателей и/или продавцов, например, на основе процента возвратов или оспариваемых транзакций.
Visible URL (Видимый URL)
URL, который отображается в результатах поиска (например, в рекламном объявлении). В описанном механизме именно он используется для принятия решения о показе Badge.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает базовый метод различения результатов поиска.

  1. Система идентифицирует контент результатов поиска, сгенерированный в ответ на запрос.
  2. Система идентифицирует внутри этих результатов контент продавца (merchant content), связанный с продавцом, который использует систему электронной коммерции (Broker).
  3. Система передает инструкции для генерации отображения результатов поиска, включающего Badge в ассоциации с контентом продавца. Этот значок визуально указывает, что продавец использует данную систему.

Claim 3 (Зависимый от 1): Детализирует метод идентификации контента продавца.

  1. Идентификация Visible URL, связанного с результатом поиска и отображаемого вместе с ним.
  2. Определение, ссылается ли этот Visible URL на продавца, использующего систему.
  3. При положительном определении, контент, связанный с этим Visible URL, идентифицируется как merchant content.

Claim 4 (Зависимый от 3): Уточняет разницу между URL.

Система также идентифицирует Destination URL, который ссылается на сетевое расположение, куда направляется покупатель при клике. Подчеркивается, что Destination URL может отличаться от Visible URL (который используется для принятия решения о показе значка согласно Claim 3).

Claim 5 (Зависимый от 1): Указывает на функциональность значка.

Badge визуально описывает характеристики продавца.

Claim 6 (Зависимый от 5): Перечисляет возможные характеристики продавца.

Характеристики могут включать: коэффициент конверсии (conversion rate); местоположение покупателей; объем продаж в определенные даты/время; количество обработанных заказов за период; количество отмененных заказов, возвратов и/или чарджбэков (chargebacks).

Claim 7 (Зависимый от 1): Описывает многоуровневую систему значков.

Badge выбирается из множества значков на основе данных о характеристиках продавца. Упоминается наличие первого значка, указывающего на использование системы, и второго значка, указывающего на вероятность успешного опыта покупки (likelihood that a customer will have a successful buying experience) с этим продавцом через эту систему.

Где и как применяется

Изобретение применяется на финальных этапах формирования поисковой выдачи для ее визуального обогащения.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна обработать данные, полученные от Broker (офлайн или через API). Business URLs участвующих продавцов и их характеристики (репутация, конверсия) должны быть сохранены и ассоциированы с контентом в индексе (как в рекламном индексе, так и, возможно, в основном веб-индексе).

RANKING – Ранжирование
На этом этапе генерируется стандартный набор результатов (реклама, органические ссылки) в ответ на запрос.

METASEARCH – Метапоиск и Смешивание / RERANKING – Переранжирование
Основное применение патента происходит здесь, на этапе формирования SERP (SERP annotation/enhancement).

  1. Идентификация участников: Badge Determination Module анализирует сгенерированные результаты и определяет, какие из них принадлежат продавцам, использующим Broker, сравнивая Visible URLs с базой Business URLs.
  2. Выбор значка: Badge Association Module определяет тип значка для показа. Он использует данные о продавце (из индекса), данные о запросе и, возможно, данные о пользователе, чтобы решить, показывать ли базовый значок или значок более высокого уровня (например, указывающий на надежность).
  3. Генерация SERP: Badge Generation Module генерирует финальное отображение SERP, добавляя выбранные значки к соответствующим результатам.

Входные данные:

  • Поисковый запрос.
  • Сгенерированный набор результатов поиска (с их Visible и Destination URLs).
  • База данных Business URLs продавцов, использующих Broker.
  • Данные о характеристиках продавцов (репутация, конверсия, возвраты), полученные от Broker.

Выходные данные:

  • Обогащенная страница результатов поиска (SERP), где контент участвующих продавцов визуально выделен соответствующими значками (Badges).

На что влияет

  • Конкретные типы контента: Влияет на контент электронной коммерции. Патент явно указывает, что это могут быть как платные объявления (Ads), так и ссылки на веб-страницы (предположительно, органические результаты).
  • Специфические запросы: Наибольшее влияние на коммерческие запросы, где пользователи ищут товары или услуги.
  • Конкретные ниши или тематики: Влияет на все ниши E-commerce, особенно те, где много мелких и неизвестных продавцов, и где доверие является ключевым фактором для совершения покупки.

Когда применяется

Алгоритм применяется при выполнении следующих условий:

  • Триггеры активации: Когда результат поиска (реклама или ссылка) идентифицирован как принадлежащий продавцу, который использует систему Broker. Идентификация происходит путем сопоставления Visible URL результата с Business URL продавца.
  • Условия для Многоуровневых Значков: Значки более высокого уровня (указывающие на успешный опыт покупки) применяются, если характеристики продавца (репутация, низкий уровень возвратов) соответствуют определенным критериям.
  • Зависимость от запроса (Query Dependence): Патент описывает вариант, когда показ значка или его уровень зависит от конкретного запроса. Например, значок высокого уровня может показываться только по тем запросам, которые имеют высокий коэффициент конверсии для данного продавца. Если конверсия по запросу низкая, значок может быть базовым или отсутствовать.

Пошаговый алгоритм

Процесс А: Обработка запроса и генерация значков

  1. Получение запроса: Поисковая система получает поисковый запрос от пользователя.
  2. Идентификация контента: Система идентифицирует контент (рекламу, веб-страницы), который удовлетворяет поисковому запросу.
  3. Идентификация продавцов-участников: Система определяет, какой контент связан с продавцами, использующими платежную систему Broker. Это выполняется Badge Determination Module путем сравнения Visible URL контента с базой Business URLs.
  4. Получение характеристик продавца: Для идентифицированного контента система извлекает характеристики связанных продавцов (репутация, конверсия и т.д.), полученные ранее от Broker.
  5. Определение типа значка: Badge Association Module анализирует характеристики продавца, а также может учитывать сам запрос и данные о пользователе. На основе этого анализа определяется тип Badge для отображения (например, базовый значок или значок высокого уровня, указывающий на надежность). Также может быть принято решение не показывать значок вообще.
  6. Генерация и отображение: Badge Generation Module генерирует выбранные значки и отображает их вместе с соответствующим контентом в результатах поиска.

Процесс Б: Взаимодействие Поисковой системы и Брокера (Офлайн или API)

  1. Передача данных от Брокера: Broker передает поисковой системе список Business URLs продавцов, использующих его систему.
  2. Передача сигналов: Broker передает сигналы, описывающие характеристики продавцов (репутация, конверсия, объем заказов, возвраты).
  3. Обработка данных Поисковой системой: Поисковая система сохраняет эти данные для использования в Процессе А.

Какие данные и как использует

Данные на входе

Система использует данные, характеризующие продавцов и их контент.

  • Технические факторы (URLs):
    • Business URL: Идентификатор сайта продавца, предоставленный Broker'ом.
    • Visible URL: URL, отображаемый в результате поиска. Используется как ключ для сопоставления.
    • Destination URL: Целевой URL перехода.
  • Факторы качества/надежности продавца (Полученные от Broker):
    • Merchant reputation scores (Оценки репутации продавца).
    • Conversion rate (Коэффициент конверсии) продавца.
    • Географические локации покупателей, которые обычно покупают у продавца.
    • Даты и время, когда у продавца наблюдаются более высокие продажи.
    • Среднее количество заказов, обрабатываемых продавцом в день.
    • Количество отмененных заказов, возвратов и/или чарджбэков (chargebacks) у продавца.
  • Пользовательские факторы:
    • История покупок пользователя может быть проанализирована для выбора значков на основе вероятности того, что пользователь купит товар у данного продавца.
  • Данные запроса (Query Data):
    • Сам текст запроса используется для определения уровня значка (например, если запрос имеет высокую конверсию для данного продавца).

Какие метрики используются и как они считаются

Патент не предоставляет формул, но определяет ключевые метрики, влияющие на результат.

  • Сопоставление URL: Сравнение Visible URL с Business URL для определения применимости Badge.
  • Вероятность успешного опыта покупки (Likelihood of a successful buying experience): Метрика, используемая для выбора значков более высокого уровня. Рассчитывается на основе агрегации характеристик продавца (репутация, низкий уровень возвратов/чарджбэков).
  • Query-Dependent Conversion Rate: Коэффициент конверсии для конкретной пары (Продавец + Запрос). Используется для динамического определения уровня Badge для конкретного запроса.

Выводы

  1. Визуальное выделение как фактор доверия: Google активно использует визуальные индикаторы (Badges) в SERP для влияния на восприятие пользователем надежности результатов, что напрямую влияет на CTR. Это применяется как к рекламе, так и к органическим результатам.
  2. Значение данных о качестве продавца: Система полагается на данные о характеристиках продавца (репутация, конверсия, возвраты), получаемые от доверенного посредника (Broker). Качество работы продавца (Merchant Quality) является входным сигналом для системы аннотирования SERP.
  3. Многоуровневая оценка (Multilevel Badging): Система не просто отмечает участников программы, но и дифференцирует их. Значки могут иметь разные уровни, где высший уровень сигнализирует о высокой вероятности «успешного опыта покупки».
  4. Динамическая оценка на основе запроса: Решение о показе значка и его уровне может приниматься динамически в зависимости от запроса. Если пара (Запрос + Продавец) имеет высокую конверсию, система может показать более заметный значок.
  5. Важность Visible URL для идентификации: В описанной реализации идентификация продавца происходит по Visible URL, а не по Destination URL. Это важно учитывать при настройке рекламных кампаний и анализе отображения в поиске, особенно при использовании аффилиатных ссылок или сложных систем трекинга.
  6. Интеграция с платежными системами как сигнал доверия: Участие в известной системе электронной коммерции само по себе используется как сигнал доверия, который Google транслирует пользователям.

Практика

Best practices (это мы делаем)

  • Поддержание высокого качества обслуживания (Merchant Quality): Ключевая стратегия для E-commerce. Необходимо минимизировать отмены заказов, возвраты и чарджбэки. Патент показывает, что эти данные используются для определения уровня визуального выделения (Badge) в поиске. Высокое качество ведет к лучшим значкам и повышению доверия/CTR.
  • Участие в доверенных программах: Активно участвуйте в программах, которые предоставляют Google данные о качестве вашей работы (например, Google Merchant Center, рейтинги продавцов). Эти программы действуют как Broker в терминах патента, предоставляя сигналы надежности.
  • Мониторинг показателей конверсии по запросам: Анализируйте, какие запросы приводят к высоким конверсиям. Патент предполагает, что Google может агрессивнее выделять ваш контент именно по этим запросам (Query-Dependent Badging). Оптимизируйте контент и обслуживание для поддержания этих показателей.
  • Корректная настройка URL в рекламе: Убедитесь, что Visible URL в рекламных объявлениях соответствует основному домену (Business URL), зарегистрированному в доверенных программах. Поскольку решение о показе значка принимается на основе Visible URL, его корректность критична.

Worst practices (это делать не надо)

  • Игнорирование качества сервиса и возвратов: Продавцы с высоким уровнем чарджбэков или низкими оценками репутации рискуют не только потерять доступ к базовым значкам доверия, но и гарантированно не получат значки высокого уровня, сигнализирующие об «успешном опыте покупки».
  • Манипуляции с URL в рекламе, скрывающие основной домен: Использование Visible URL, которые не позволяют идентифицировать основной сайт продавца (например, использование доменов-прокладок в качестве видимого URL), может привести к тому, что система не сможет ассоциировать контент с продавцом и не покажет значки доверия.
  • Фокус только на SEO-оптимизации без учета бизнес-процессов: Оптимизация контента не компенсирует плохой сервис. Данные о реальных транзакциях и удовлетворенности клиентов напрямую влияют на то, как ваш сайт будет представлен в SERP.

Стратегическое значение

Патент подтверждает стратегию Google по интеграции сигналов доверия и качества обслуживания непосредственно в интерфейс поисковой выдачи. Для E-commerce SEO это означает, что репутация продавца и качество его бизнес-процессов являются неотъемлемой частью поисковой оптимизации. Долгосрочная стратегия должна включать не только работу с контентом и ссылками, но и оптимизацию пользовательского опыта от момента клика до получения товара и пост-обслуживания, так как данные об этом используются для влияния на CTR в SERP.

Практические примеры

Сценарий: Многоуровневое выделение продавцов в выдаче

  1. Запрос: «Купить кроссовки Nike Air Max».
  2. Результат А (Магазин 1): Магазин использует доверенную платежную систему (Broker), но имеет средний уровень возвратов (5%). Система показывает базовый значок (например, иконку корзины).
  3. Результат Б (Магазин 2): Магазин использует ту же систему Broker, но имеет отличную репутацию и низкий уровень возвратов (0.5%). Система определяет высокую «вероятность успешного опыта покупки». Показывается базовый значок плюс дополнительный значок высокого уровня (например, звезда или значок «Надежный продавец»).
  4. Результат В (Магазин 3): Магазин не использует систему Broker. Значки отсутствуют.
  5. Эффект: Пользователь с большей вероятностью кликнет на Результат Б, так как он визуально выделен как наиболее надежный вариант.

Сценарий: Зависимость выделения от запроса (Query Dependence)

  1. Продавец: «Мир Электроники».
  2. Запрос 1: «Купить iPhone». У продавца высокая конверсия по этому запросу. Система показывает значок высокого уровня.
  3. Запрос 2: «Купить чехол для телефона». У продавца низкая конверсия и много возвратов по этой категории товаров. Система показывает только базовый значок или не показывает его вообще, несмотря на то, что это тот же продавец.
  4. Эффект: Система динамически адаптирует уровень доверия в зависимости от контекста запроса и эффективности продавца в данной нише.

Вопросы и ответы

Применяется ли описанный механизм только к платной рекламе или также к органическим результатам?

Патент указывает, что механизм применяется к search result content в целом. В тексте уточняется, что результаты поиска могут включать как платные объявления (ads), так и ссылки на веб-страницы (web pages). Таким образом, механизм предназначен для визуального выделения контента как в платной выдаче, так и в органической, если этот контент связан с продавцом, использующим систему Broker.

Что такое Broker в контексте современного поиска Google?

В патенте Broker — это централизованная система электронной коммерции, которой доверяют пользователи (например, Google Checkout или PayPal). В современном контексте роль Broker, поставляющего данные о надежности продавцов, выполняют собственные системы Google, такие как Google Merchant Center и программы вроде «Рейтинги Продавцов» (Seller Ratings). Они агрегируют данные о транзакциях, отзывы и показатели эффективности продавцов.

Какие именно данные о продавце влияют на тип отображаемого значка (Badge)?

Патент перечисляет несколько характеристик, получаемых от Broker: оценки репутации, коэффициент конверсии (conversion rate), объем обработанных заказов, а также количество отмененных заказов, возвратов и чарджбэков (chargebacks). Эти данные используются для определения «вероятности успешного опыта покупки» и выбора соответствующего уровня значка.

Что означает «Многоуровневые значки» (Multilevel Badges)?

Это система, в которой значки могут иметь разные уровни. Базовый уровень (например, иконка корзины) просто указывает на то, что продавец принимает оплату через Broker. Более высокий уровень (например, звезда или значок надежности) указывает на то, что продавец не только использует систему, но и имеет высокие показатели качества и надежности, что предсказывает успешный опыт покупки.

Как система определяет, какой URL использовать для идентификации продавца: Visible URL или Destination URL?

В патенте четко указано, что для идентификации продавца и принятия решения о показе значка используется Visible URL (тот, который отображается в результатах поиска). Destination URL (куда ведет клик) может отличаться, но он не является ключом для идентификации в данном механизме. Это критически важно для настройки рекламных кампаний.

Может ли отображение значка зависеть от поискового запроса?

Да. Патент описывает механизм Query Dependence. Система может решить показать значок более высокого уровня только в том случае, если конкретный запрос имеет высокий коэффициент конверсии для данного продавца. Если конверсия по запросу низкая, значок может быть базовым или отсутствовать, даже если общая репутация продавца высока.

Как этот патент влияет на стратегию аффилиатного маркетинга?

Влияние значительно из-за фокуса на Visible URL. Если аффилиат размещает рекламу, но указывает в качестве Visible URL свой собственный домен, а не домен конечного продавца, система может не показать значок доверия, даже если продавец его заслуживает. Аффилиатам выгодно указывать Business URL продавца в качестве Visible URL, чтобы воспользоваться преимуществами значков доверия.

Что делать SEO-специалисту для получения значков более высокого уровня?

SEO-специалист должен сфокусироваться на улучшении общих бизнес-метрик магазина. Необходимо работать совместно с отделами обслуживания клиентов и логистики для снижения количества возвратов, отмен и чарджбэков, а также повышения общей конверсии и удовлетворенности клиентов. Эти операционные данные напрямую влияют на визуальное представление сайта в поиске.

Может ли система использовать данные о самом пользователе для выбора значка?

Да, патент упоминает такую возможность. Badge Association Module может анализировать историю покупок пользователя, чтобы выбрать значки на основе вероятности того, что данный конкретный пользователь совершит покупку у данного продавца. Это указывает на возможность персонализированного аннотирования SERP.

Какова основная цель этого изобретения с точки зрения Google?

Основная цель — повысить доверие пользователей к результатам поиска в электронной коммерции, особенно при взаимодействии с неизвестными продавцами. Визуально выделяя продавцов, использующих доверенную платежную систему и имеющих хорошую репутацию, Google стремится улучшить пользовательский опыт, повысить количество успешных транзакций и сделать свою платформу более привлекательной для онлайн-шопинга.

Похожие патенты

Как Google использует агрегированные поведенческие данные для маркировки результатов поиска и подсказок индикаторами ожидаемых действий
Google анализирует агрегированные данные о том, что пользователи делают после клика по результату поиска или подсказке (например, покупка, сохранение, бронирование). Если определенное действие статистически значимо для конкретного результата, Google добавляет к нему визуальный индикатор (значок или бейдж), чтобы помочь другим пользователям понять вероятный исход клика.
  • US11132406B2
  • 2021-09-28
  • Поведенческие сигналы

  • SERP

Как Google использует ИИ для анализа отзывов и создания «Бейджей», выделяющих конкретные сценарии использования продуктов в поиске
Google разрабатывает систему автоматического создания «Бейджей» для продуктов на основе анализа веб-данных (отзывов, описаний, FAQ) с помощью машинного обучения. Эти бейджи выделяют конкретные сценарии использования, преимущества или недостатки продукта (например, «Подходит для новичков» или «Хорош для путешествий»). Бейджи используются для ранжирования и аннотирования результатов поиска, помогая пользователям быстрее сравнивать товары.
  • US20240378256A1
  • 2024-11-14
  • SERP

  • Семантика и интент

Как Google использует машинное обучение для проверки логотипов и названий организаций перед показом в поисковой выдаче (включая рекламу)
Google применяет систему для валидации брендовых ассетов (изображений и названий организаций) перед их отображением в результатах поиска. Система использует ML-модели для двух проверок: является ли изображение приемлемым (не нарушает правила, не имитирует чужие бренды) и верифицирована ли организация (используя платежную информацию для рекламы, органический рейтинг и базы доверенных компаний). Это предотвращает спуфинг и повышает доверие пользователей.
  • US11954167B1
  • 2024-04-09
  • EEAT и качество

  • Антиспам

  • SERP

Как Google визуально выделяет популярные профили в поиске и использует частоту запросов для борьбы с фейковыми аккаунтами
Google использует данные о популярности (количество связей) и качестве (вовлеченность) профилей пользователей, чтобы визуально выделить наиболее авторитетные результаты при поиске людей или брендов. Если один профиль значительно популярнее других, он отображается крупнее. Система также динамически регулирует порог качества в зависимости от частоты запроса: чем популярнее имя, тем выше требования к профилю для его отображения, что помогает бороться со спамом.
  • US8935245B1
  • 2015-01-13
  • SERP

  • Антиспам

  • EEAT и качество

Как Google объединяет органические и рекламные результаты для брендовых запросов в единый блок
Google может объединять топовый органический результат поиска с платной рекламой, если оба они связаны с одним и тем же брендом. Этот механизм создает «комбинированный элемент контента», который выглядит как единый, обогащенный результат. Внешний вид этого блока формируется на основе настроек, заданных рекламодателем, что позволяет брендам контролировать представление своего основного сниппета в выдаче.
  • US9342839B2
  • 2016-05-17
  • SERP

Популярные патенты

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 кликов пользователей для определения интента, связанного с физическим адресом, и таргетинга рекламы
Google анализирует, какие поисковые запросы исторически приводят к наибольшему количеству кликов по бизнесам, расположенным по определенному адресу. Когда пользователь ищет этот адрес (или смотрит его на карте), Google использует этот «Самый популярный поисковый термин» (Most-Popular Search Term), чтобы определить намерение пользователя и показать релевантную информацию и рекламу.
  • US20150261858A1
  • 2015-09-17
  • Local SEO

  • Семантика и интент

  • Поведенческие сигналы

Как Google объединяет разные стратегии и поведенческие данные для генерации и выбора лучших альтернативных запросов
Google использует архитектуру, которая одновременно применяет множество стратегий (расширение, уточнение, синтаксис, анализ сессий) для генерации альтернативных запросов. Система оценивает качество этих вариантов с помощью показателей уверенности, основанных на поведении пользователей (например, длительности кликов) и критериях разнообразия. Лучшие альтернативы предлагаются пользователю, часто с превью результатов, чтобы помочь уточнить поиск.
  • US7565345B2
  • 2009-07-21
  • Поведенческие сигналы

  • SERP

Как Google использует семантические связи внутри контента для переранжирования и повышения разнообразия выдачи
Google использует метод для переоценки и переранжирования поисковой выдачи путем анализа семантических взаимодействий между терминами внутри документов. Система строит графы локальных и глобальных связей, а затем определяет взаимосвязи между самими документами на основе их семантического вклада (даже без гиперссылок). Это позволяет повысить разнообразие выдачи, особенно по неоднозначным запросам.
  • US7996379B1
  • 2011-08-09
  • Семантика и интент

  • Ссылки

  • SERP

Как Google вычисляет семантическую близость запросов, анализируя поведение пользователей при переформулировках
Google использует механизм для определения семантического расстояния между запросами (Generalized Edit Distance). Вместо подсчета изменений символов система анализирует исторические логи, чтобы понять, как пользователи переформулируют запросы. На основе этих данных вычисляется «стоимость» замены одного термина на другой с помощью Pointwise Mutual Information (PMI), что позволяет генерировать более релевантные подсказки и расширения запросов.
  • US8417692B2
  • 2013-04-09
  • Семантика и интент

  • Поведенческие сигналы

Как Google использует атрибуты пользователей и показатели предвзятости (Bias Measures) для персонализации ранжирования
Google анализирует, как разные группы пользователей (сегментированные по атрибутам, таким как интересы или демография) взаимодействуют с документами. Система вычисляет «показатель предвзятости» (Bias Measure), который показывает, насколько чаще или реже определенная группа взаимодействует с документом по сравнению с общей массой пользователей. При поиске Google определяет атрибуты пользователя и корректирует ранжирование, повышая или понижая документы на основе этих показателей предвзятости.
  • US9436742B1
  • 2016-09-06
  • Персонализация

  • Поведенческие сигналы

  • SERP

Как Google определяет основной контент страницы, анализируя визуальную структуру и характеристики разделов
Google использует систему для идентификации основного контента веб-страницы путем её разделения на логические разделы на основе визуального макета. Система оценивает характеристики каждого раздела (соотношение ссылок к тексту, количество слов, изображения, расположение) относительно характеристик всей страницы, чтобы выделить наиболее значимый контент и отделить его от навигации и шаблонов.
  • US20140372873A1
  • 2014-12-18
  • Структура сайта

  • Техническое SEO

  • Ссылки

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 автоматически определяет важность различных частей веб-страницы (DOM-узлов) для ранжирования
Google анализирует коллекции похожих структурированных документов (например, товарных карточек) и создает общую модель (DOM). Затем система изучает логи запросов и кликов, чтобы понять, какие части структуры (заголовки, основной контент, реклама) чаще всего содержат ключевые слова из успешных запросов. Этим частям присваивается больший вес при расчете релевантности.
  • US8538989B1
  • 2013-09-17
  • Семантика и интент

  • Индексация

  • Структура сайта

Как Google классифицирует запросы как навигационные или исследовательские, чтобы регулировать количество показываемых результатов
Google использует систему для динамического определения количества отображаемых результатов поиска. Система классифицирует запрос как навигационный (поиск конкретного места/ресурса) или исследовательский (поиск вариантов). Классификация основана на анализе компонентов оценки релевантности (совпадение по названию vs. категории) и энтропии исторических кликов. При навигационном интенте количество результатов сокращается.
  • US9015152B1
  • 2015-04-21
  • Семантика и интент

  • Поведенческие сигналы

  • Local SEO

seohardcore