Google использует механизм для локального поиска, который абстрагируется от точных GPS-координат пользователя к концептуальной «Области Поиска» (например, магазин, торговый центр или район). Система выбирает наиболее подходящую область из иерархии вложенных территорий, учитывая контекст (точность координат, скорость движения), и использует её название как запрос для предоставления релевантных локальных результатов, в том числе при «пустых» запросах.

Описание

Какую проблему решает

Патент решает проблему ограниченности локального поиска, основанного исключительно на сырых географических координатах (широта/долгота) и заданном радиусе. Пользователям часто требуется информация, релевантная концептуальной области вокруг них (например, информация о торговом центре в целом, а не о ближайшей точке внутри него), особенно при использовании мобильных устройств. Изобретение улучшает релевантность, абстрагируя координаты до наиболее подходящей Search Area (Области Поиска) и позволяя предоставлять результаты даже без явного текстового запроса пользователя.

Что запатентовано

Запатентована система и метод для перевода географического положения мобильного устройства в концептуальную Search Area. Система идентифицирует набор вложенных друг в друга областей (например, Магазин > ТЦ > Район > Город), соответствующих координатам устройства. Затем она оценивает и выбирает наиболее релевантную область из этого набора, используя её название в качестве поискового запроса для генерации локальной выдачи.

Как это работает

Ключевой механизм заключается в выборе оптимальной Search Area из иерархии:

  • Определение местоположения: Устройство передает свои географические координаты и контекст (точность, скорость движения) на сервер.
  • Идентификация кандидатов: Сервер определяет набор вложенных Search Areas, включающих эти координаты.
  • Оценка и выбор (Scoring): Система оценивает каждую область. Оценка базируется на контекстуальных факторах, таких как точность определения координат (Margin of Error), скорость и направление движения устройства, а также история взаимодействий.
  • Формирование запроса: Выбирается область с наивысшей оценкой. Её название (например, «Торговый Центр Атриум») используется как поисковый запрос.
  • Результат: Пользователю предоставляется наиболее релевантный результат для этой области, часто в ответ на «пустой запрос» (Empty Query).

Актуальность для SEO

Высокая. Описанные механизмы лежат в основе современного мобильного локального поиска, включая функции «Рядом со мной» (Near Me) и предоставление результатов без явного ввода запроса пользователем (Zero-Query Search). Абстрагирование координат до сущностей (Entities/Places) критически важно для понимания локального интента в таких продуктах, как Google Maps.

Важность для SEO

Патент имеет высокое значение (8/10) для локального SEO (Local SEO). Он демонстрирует, что Google может автоматически генерировать запросы, основанные на концептуальных областях или конкретных заведениях, исходя из контекста пользователя. Это подчеркивает критическую важность оптимизации под названия конкретных заведений, районов и торговых центров, поскольку именно они могут стать фактическим запросом, который обрабатывает система, даже если пользователь ничего не вводил.

Детальный разбор

Термины и определения

Search Area (Область Поиска)
Уровень абстракции, соответствующий географическому положению пользователя. Это концептуальное определение региона или сущности (например, магазин, ТЦ, район, город), которое система выбирает в качестве масштаба для выполнения поиска.
Geographical Location (Географическое положение)
Оценка физического местоположения устройства, обычно выраженная в координатах (широта и долгота) или адресе.
Nested Search Areas (Вложенные Области Поиска)
Иерархическая коллекция Search Areas, где одна область пространственно включает в себя другую (как матрешки). Например, магазин находится внутри ТЦ, который находится внутри города.
Margin of Error (Погрешность)
Степень неопределенности или точности в оценке Geographical Location. Используется как фактор при выборе масштаба Search Area.
Place Page (Страница Места)
Веб-страница, агрегирующая информацию о конкретном месте (сущности). Упоминается как один из типов возвращаемых результатов (например, профиль бизнеса в Google).
Empty Query / Binary Request (Пустой запрос / Бинарный запрос)
Запрос на поиск, инициированный пользователем без ввода текстовой или голосовой информации (например, нажатие кнопки «Поиск» при пустом поле ввода).
Search Area Determiner (Определитель области поиска)
Компонент системы, который выбирает наилучшую Search Area из списка кандидатов на основе Geographical Location и контекста.
Search Area Weighter (Взвешиватель области поиска)
Компонент (упомянутый в описании), который корректирует оценки (scores) для Search Areas на основе взаимодействий пользователя (например, если пользователь вручную меняет предложенную область).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод предоставления информации на основе местоположения на стороне сервера.

  1. Серверная система получает географическое положение мобильного устройства.
  2. Серверная система получает запрос на контент от устройства.
  3. Серверная система выбирает Search Area, соответствующую этому географическому положению.
  4. Выбор происходит из коллекции Search Areas, где как минимум одна область географически вложена (geographically nested) в другую.
  5. Серверная система определяет результат поиска, который является наиболее релевантно ранжированным (most-relevantly ranked) для выбранной Search Area.
  6. Серверная система предоставляет контент, представляющий этот результат, мобильному устройству.

Примечание: Хотя Claims 1 и 5 не перечисляют явно факторы для выбора (Scoring) Search Area, описание патента детально раскрывает, что этот выбор основан на оценке различных факторов, включая точность координат, скорость и направление движения.

Claim 3 (Зависимый от 2, который зависит от 1): Уточняет, как используется Search Area.

Каждой Search Area присваивается описательная фраза на человеческом языке (descriptive phrase). Определение результата поиска включает отправку запроса, содержащего эту описательную фразу, в поисковую систему.

Это ключевой механизм: система переводит координаты в название места (например, «San Francisco») и использует это название как текстовый запрос для поиска.

Claim 5 (Независимый пункт): Описывает процесс со стороны мобильного устройства.

  1. Устройство определяет свое географическое положение.
  2. Устройство отправляет его на удаленный сервер.
  3. Устройство отправляет запрос на контент, что заставляет сервер выбрать Search Area из вложенной коллекции и определить наиболее релевантный результат.
  4. Устройство получает контент результата и отображает его.

Claim 11 (Зависимый от 5): Описывает сценарий «пустого запроса».

Пользователь нажимает кнопку отправки запроса, не введя текст в поле поиска (Empty Query). Запрос на контент отправляется устройством в ответ на это действие.

Это реализация функции «Мне повезет» (I'm Feeling Lucky) для текущего местоположения.

Где и как применяется

Изобретение применяется на стыке понимания контекста пользователя и формирования поискового запроса в локальном поиске.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна обработать картографические данные и данные о сущностях для создания базы данных Nested Search Areas. Необходимо установить соответствие между координатами и иерархией именованных областей (районы, здания, заведения).

QUNDERSTANDING – Понимание Запросов
Основное применение патента. Когда система получает запрос (особенно Empty Query) с мобильного устройства, она интерпретирует контекст местоположения. Search Area Determiner анализирует координаты и контекстуальные сигналы (точность, скорость, направление), чтобы выбрать оптимальную Search Area. Этот процесс фактически переписывает пустой запрос в конкретный локальный запрос (например, в запрос «ТЦ Авиапарк»).

RANKING – Ранжирование (Local Ranking)
Система ранжирования получает сформированный запрос (название Search Area) и выполняет поиск для определения наиболее релевантного результата (most-relevantly ranked result) для этой области.

Входные данные:

  • Geographical Location (координаты) устройства.
  • Контекстные данные: погрешность (Margin of Error), скорость и направление движения.
  • Запрос на контент (может быть Empty Query).
  • Исторические данные о взаимодействии пользователей (для Search Area Weighter).

Выходные данные:

  • Контент, представляющий наиболее релевантный результат поиска для выбранной Search Area (например, URL или данные для Place Page).

На что влияет

  • Специфические запросы: Наибольшее влияние на локальные запросы, особенно те, которые выполняются без ввода текста (Empty Query, нажатие кнопки «Рядом»).
  • Конкретные типы контента и ниши: Критически важно для ритейла, ресторанов, туризма и любых бизнесов, привязанных к физическому местоположению. Влияет на ранжирование Place Pages и локальных веб-сайтов.

Когда применяется

  • Триггеры активации:
    • Пользователь отправляет Empty Query (нажимает «Поиск» без ввода текста).
    • Пользователь активирует функцию поиска поблизости (например, кнопка «Near me now»).
    • Автоматически при запуске поискового приложения или браузера на мобильном устройстве для предоставления локального контента.
  • Условия работы: Система должна определить местоположение устройства и сопоставить его с базой данных Nested Search Areas.

Пошаговый алгоритм

Этап 1: Инициализация и получение данных

  1. Определение местоположения: Мобильное устройство определяет свое Geographical Location и погрешность (Margin of Error), а также скорость и направление движения.
  2. Отправка запроса: Устройство отправляет эти данные на сервер вместе с запросом на контент (который может быть пустым).

Этап 2: Определение Области Поиска (Search Area Determination)

  1. Идентификация кандидатов: Сервер определяет коллекцию вложенных Search Areas, соответствующих координатам (например, Магазин А, ТЦ Б, Район В).
  2. Оценка (Scoring) кандидатов: Система оценивает каждую Search Area. Факторы оценки (описанные в патенте) включают:
    • Точность: Большая погрешность ведет к выбору более широкой области (ТЦ Б или Район В). Высокая точность позволяет выбрать узкую область (Магазин А).
    • Контекст движения: Высокая скорость ведет к выбору более широкой области.
    • Веса: Исторические предпочтения пользователей (управляется Search Area Weighter).
  3. Выбор: Выбирается Search Area с наивысшей оценкой.

Этап 3: Выполнение поиска и возврат результатов

  1. Формирование запроса: Система извлекает описательную фразу (descriptive phrase) для выбранной Search Area (например, «Магазин А») и использует её как поисковый запрос.
  2. Ранжирование: Поисковая система определяет наиболее релевантный результат.
  3. Возврат контента: Сервер отправляет контент результата на устройство.
  4. Отображение: Устройство отображает результат (например, автоматически открывает сайт Магазина А).

Какие данные и как использует

Данные на входе

  • Географические факторы:
    • Geographical Location: Координаты устройства (GPS, Wi-Fi, Cell ID).
    • Margin of Error: Точность определения координат.
  • Пользовательские факторы (Контекст устройства):
    • Скорость движения устройства.
    • Направление движения устройства.
  • Поведенческие факторы:
    • Взаимодействие пользователей с результатами для конкретных Search Areas (используется для корректировки весов).
    • Ручное изменение пользователем предложенной Search Area.
  • Системные данные:
    • База данных географических регионов и сущностей, включая их иерархию (Nested Search Areas) и границы.

Какие метрики используются и как они считаются

  • Search Area Score (Оценка Области Поиска): Ключевая метрика для выбора наилучшей Search Area. Рассчитывается на основе агрегации контекстуальных факторов и исторических весов. Хотя конкретная формула не приводится, логика такова:

Выводы

  1. От координат к сущностям (Entities): Ключевой вывод — Google стремится интерпретировать физическое местоположение не как точку на карте, а как концептуальную область или сущность (Entity). Система активно определяет, находится ли пользователь «в магазине X» или «в районе Z».
  2. Иерархия и вложенность мест: Google использует данные о том, как места вложены друг в друга (Nested Search Areas). Выбор правильного уровня абстракции является основной задачей патента.
  3. Контекст определяет масштаб: Выбор Search Area динамичен и зависит от контекста в реальном времени: точности GPS-сигнала (Margin of Error), скорости и направления движения. Неопределенность ведет к выбору более широкой области.
  4. Название места как запрос: Выбранная Search Area преобразуется в текстовый запрос (descriptive phrase). Это подчеркивает важность ранжирования по названиям географических сущностей и брендов.
  5. Механизм «Пустого запроса» (Zero-Query Search): Патент формализует обработку запросов без текста как команду «найди самое важное здесь». Это позволяет предоставлять высокорелевантные результаты мгновенно, минуя традиционный список выдачи.
  6. Обучение на основе обратной связи: Система использует ручную корректировку Search Area пользователем для машинного обучения (Search Area Weighter) и улучшения будущих автоматических выборов.

Практика

Best practices (это мы делаем)

  • Оптимизация Сущности Места (Entity Optimization): Сфокусируйтесь на том, чтобы ваша бизнес-сущность была четко определена и являлась наиболее релевантным результатом для своего названия. Это критично, так как название используется как запрос (descriptive phrase). Максимально прорабатывайте Google Business Profile (GBP) и локальные сигналы.
  • Четкое определение географической иерархии: Убедитесь, что Google понимает иерархию вашего местоположения. Подчеркивайте связь вашего бизнеса с более крупными Search Areas (ТЦ, район, улица). Если вы находитесь в известном месте, убедитесь, что эта связь очевидна в контенте и внешних упоминаниях (например, «Наш магазин в ТЦ Авиапарк»).
  • Оптимизация под «Пустые запросы» (Брендовый трафик): Стремитесь к тому, чтобы при активации поиска рядом с вашим бизнесом (без ключевых слов) ваша страница или Place Page была приоритетной. Это достигается за счет повышения общей авторитетности и доминирования по вашему брендовому запросу.
  • Усиление локальных сигналов (Local Signals): Работайте над получением локальных ссылок и упоминаний (Citations), которые подтверждают вашу принадлежность к определенной Search Area (например, ссылки с сайта ТЦ или новостного портала района).

Worst practices (это делать не надо)

  • Фокус только на гео-координатах и радиусе: Полагаться исключительно на близость к пользователю без учета концептуальной Search Area. Google может предпочесть результат, который лучше соответствует концептуальной области, а не тот, который физически ближе на несколько метров.
  • Несогласованные локальные данные (NAP): Расхождения в названии, адресе и телефоне могут помешать системе идентифицировать ваш бизнес как четкую Search Area или правильно определить его вложенность.
  • Игнорирование оптимизации сущности: Фокусироваться только на общих ключевых словах (например, «кафе рядом»), игнорируя оптимизацию самой сущности. Если Google выберет название вашего кафе как Search Area, вы должны быть №1 по этому запросу.

Стратегическое значение

Патент подтверждает стратегический приоритет Google в понимании мира через призму сущностей (Entities) и контекста. Для локального SEO это означает, что оптимизация должна быть направлена на то, чтобы стать каноническим ответом для физического места. Механизм Search Area позволяет Google предоставлять более умные и контекстуально зависимые локальные результаты, особенно на мобильных устройствах, и закладывает основу для проактивного поиска (поиска без запроса).

Практические примеры

Сценарий 1: Влияние точности GPS (Margin of Error)

  1. Ситуация: Пользователь находится внутри ТЦ «Метрополис» и нажимает кнопку «Near Me» (Empty Query).
  2. Вариант А (Низкая точность): GPS сигнал слабый, погрешность большая. Система не может точно идентифицировать магазин.
  3. Действие системы: Выбирает более широкую Search Area – «ТЦ Метрополис».
  4. Результат: Пользователю показывается Place Page или сайт ТЦ.
  5. Вариант Б (Высокая точность): Устройство подключено к Wi-Fi магазина «Zara», точность высокая.
  6. Действие системы: Выбирает узкую Search Area – «Zara Метрополис».
  7. Результат: Пользователю показывается Place Page или сайт магазина Zara.

Сценарий 2: Влияние скорости движения

  1. Ситуация: Пользователь едет в такси по центру города (высокая скорость) и открывает поисковое приложение.
  2. Действие системы: Система понимает, что результаты по конкретным зданиям быстро устареют. Она выбирает более широкую Search Area, например, «Центральный район».
  3. Результат: Пользователю предоставляется общая информация о районе или популярные категории заведений в нем, а не информация о здании, которое он только что проехал.

Вопросы и ответы

Что такое «Search Area» и чем она отличается от географических координат?

Search Area — это концептуальный уровень абстракции, который Google использует для понимания местоположения. В отличие от сырых координат (широты и долготы), Search Area представляет собой осмысленную сущность или регион (например, магазин, ТЦ, район или город). Система выбирает наиболее подходящую Search Area, чтобы предоставить контекстуально релевантные результаты, а не просто ближайшие точки.

Как Google определяет, какую Search Area выбрать, если я нахожусь в месте, которое принадлежит сразу нескольким областям (например, магазин в ТЦ в городе)?

Google использует систему оценки (scoring) для иерархии вложенных областей. Выбор зависит от нескольких факторов, описанных в патенте: точности определения местоположения (Margin of Error) — чем точнее сигнал, тем конкретнее область; скорости и направления движения пользователя; а также от накопленной статистики взаимодействий пользователей в этой локации (Search Area Weighter).

Что означает «Вложенные Области Поиска» (Nested Search Areas) для SEO?

Это означает, что Google понимает иерархию мест. Для SEO важно четко позиционировать свой бизнес в этой иерархии. Вы должны быть релевантны как для своей непосредственной сущности (ваш магазин), так и укреплять связь с родительскими сущностями (торговый центр или район, где вы находитесь), чтобы охватить пользователей, для которых система выбрала более широкую Search Area.

Патент говорит, что название Search Area используется как поисковый запрос. Что это значит на практике?

Это значит, что если система определила вашу Search Area как «Кафе Старбакс на Арбате», она может буквально выполнить поиск по этому запросу. Это подчеркивает критическую важность того, чтобы ваша веб-страница или Google Business Profile были лучшим и наиболее авторитетным ответом на запрос по вашему собственному названию и точному адресу.

Что такое «пустой запрос» (Empty Query) в контексте этого патента?

Это ситуация, когда пользователь инициирует поиск, не вводя никаких ключевых слов (например, нажимает кнопку «Поиск» при пустом поле ввода). В этом случае система использует описанный механизм: определяет текущую Search Area, использует её название как запрос и автоматически показывает пользователю наиболее релевантный результат для этого места. Это своего рода «Мне повезет» для локального поиска.

Как мой бизнес может стать результатом для «пустого запроса»?

Чтобы стать ответом по умолчанию для вашей локации, вы должны максимизировать сигналы релевантности и авторитетности вашей сущности (Entity). Это включает полную оптимизацию Google Business Profile, получение локальных ссылок и упоминаний, а также обеспечение того, чтобы ваш сайт был лучшим ответом на запрос по вашему названию.

Как влияет точность GPS (Margin of Error) на локальный поиск согласно патенту?

Точность GPS напрямую влияет на выбор Search Area. При высокой точности система может выбрать очень конкретную область (например, магазин). При низкой точности (большой погрешности) система выберет более широкую область (например, район или город), чтобы гарантировать релевантность результатов в пределах зоны неопределенности.

Упоминаются ли в патенте Place Pages (Страницы Мест)?

Да, Place Pages упоминаются как один из типов контента, который может быть возвращен в качестве результата поиска. Это подчеркивает важность этих агрегированных страниц (сегодня это часто реализуется через панели знаний или элементы Google Maps/GBP) как канонических источников информации о физических местах.

Использует ли система данные о поведении пользователей для выбора Search Area?

Да, в описании патента упоминается компонент Search Area Weighter, который корректирует оценки (scores) для различных Search Areas на основе взаимодействия пользователей. Если пользователи часто вручную меняют автоматически выбранную область А на область Б, система увеличит вес области Б для будущих поисков в этой локации.

Актуален ли этот патент для десктопного поиска?

Патент в первую очередь сфокусирован на мобильных устройствах с возможностью точного определения местоположения и контекста движения. Хотя концепции понимания локальных сущностей актуальны для всех типов поиска, описанные механизмы, особенно автоматический выбор Search Area на основе GPS и сценарии «пустых запросов», наиболее применимы к мобильному контексту.

Похожие патенты

Как Google разбирает локальные запросы на «Что» и «Где» для повышения точности выдачи
Google использует механизм для интерпретации локальных запросов, введенных в одну строку. Система генерирует различные комбинации разделения запроса на тему («Что») и местоположение («Где»), отправляет их в разные базы данных (например, Карты, Локальный поиск) и использует оценки уверенности (Confidence Scores) для выбора наилучшей интерпретации.
  • US7917490B2
  • 2011-03-29

  • Local SEO

  • Семантика и интент

Как Google динамически изменяет радиус локального поиска в зависимости от популярности бизнеса, типа запроса и активности пользователя
Google не использует фиксированный радиус для локального поиска. Система динамически определяет, насколько далеко пользователь готов пойти или поехать, учитывая тип запроса (кофейня или аэропорт), активность пользователя (пешком или за рулем) и популярность бизнеса. Это определяет, какие локальные компании попадают в выдачу (Local Pack и Карты).
  • US20150278860A1
  • 2015-10-01

  • Local SEO

  • Поведенческие сигналы

  • Персонализация

Как Google уточняет границы местности в локальном поиске, комбинируя полигоны, почтовые индексы и значимые центры активности
Google использует комплексный механизм для определения географической релевантности бизнеса. Система комбинирует расстояние до официальных границ региона (полигона), верификацию через почтовый индекс и расстояние до «центра активности» (например, центра города, а не геометрического центра). Это позволяет точнее ранжировать локальные результаты, компенсируя неточности карт и почтового зонирования.
  • US8898173B1
  • 2014-11-25

  • Local SEO

Как Google автоматически определяет зоны обслуживания (Coverage Areas) и использует физическую близость для локального ранжирования
Google связывает физические адреса компании с её веб-сайтом. На основе этих адресов, категории бизнеса и плотности населения система динамически определяет «зону обслуживания» (Coverage Area). При локальном поиске система проверяет, попадает ли пользователь в эту зону, и повышает сайт в выдаче, причем бустинг обратно пропорционален кратчайшему расстоянию до ближайшего филиала.
  • US8495046B1
  • 2013-07-23

  • Local SEO

  • SERP

Как Google выбирает, какое местоположение использовать для локализации поисковой выдачи, когда сигналы конфликтуют
Google использует иерархическую систему правил для выбора единственной «геолокации запроса» из множества доступных сигналов. Система анализирует физическое местоположение пользователя, локации в тексте запроса, историю поиска и настройки профиля. Затем она применяет строгую логику приоритетов, чтобы определить, какая локация наиболее релевантна для текущего интента, и соответствующим образом корректирует (смещает) ранжирование результатов.
  • US20150234889A1
  • 2015-08-20

  • Local SEO

  • Персонализация

Популярные патенты

Как Google использует личные данные пользователя (User Model) для понимания его намерений и персонализации выдачи
Google создает персональную модель пользователя (User Model) на основе его личного контента (письма, контакты, документы). Эта модель используется для определения неявного намерения пользователя (личный поиск или общий) и для аннотирования запроса контекстом из личных данных, чтобы предоставить точные персонализированные результаты.
  • US20150012558A1
  • 2015-01-08

  • Персонализация

  • Семантика и интент

  • Поведенческие сигналы

Как Google использует интерактивные визуальные цитаты для генерации и уточнения ответов в мультимодальном поиске (SGE/Lens)
Google использует механизм для улучшения точности ответов, генерируемых LLM в ответ на мультимодальные запросы (изображение + текст). Система находит визуально похожие изображения, извлекает текст из их источников и генерирует ответ. Этот ответ сопровождается «визуальными цитатами» (исходными изображениями). Если пользователь видит, что цитата визуально не соответствует запросу, он может её отклонить. Система удалит текст этого источника и перегенерирует ответ, повышая его точность.
  • US20240378237A1
  • 2024-11-14

  • Мультимедиа

  • EEAT и качество

  • Семантика и интент

Как Google использует данные о поведении пользователей внутри документов (время чтения разделов, закладки) для улучшения ранжирования
Google может собирать и анализировать данные о том, как пользователи взаимодействуют с электронными документами (например, PDF, DOC, HTML). Система отслеживает, какие разделы или страницы просматриваются дольше всего или добавляются в закладки. Эта агрегированная информация используется для повышения в ранжировании документов, чьи ключевые слова находятся в наиболее используемых (и, следовательно, ценных) разделах.
  • US8005811B2
  • 2011-08-23

  • Поведенческие сигналы

  • SERP

Как Google использует контекст пользователя для предложения запросов до начала ввода текста (Zero-Input Queries)
Google анализирует историю поисковых запросов, группируя их в «контекстные кластеры» на основе схожести темы и обстоятельств ввода (время, местоположение, интересы). Когда пользователь открывает строку поиска, система оценивает его текущий контекст и мгновенно предлагает релевантные категории запросов (например, «Кино» или «Рестораны»), предсказывая намерение еще до ввода символов.
  • US10146829B2
  • 2018-12-04

  • Семантика и интент

  • Персонализация

  • Поведенческие сигналы

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

  • Ссылки

  • Индексация

  • Техническое SEO

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 рассчитывает авторитетность страниц на основе их близости к доверенным сайтам-источникам (Seed Sites)
Google использует метод ранжирования страниц, основанный на измерении «расстояния» в ссылочном графе от набора доверенных исходных сайтов (Seed Sites) до целевой страницы. Чем короче путь от доверенных источников до страницы, тем выше ее рейтинг авторитетности. Длина ссылки увеличивается (а ее ценность падает), если исходная страница имеет большое количество исходящих ссылок. Этот механизм позволяет эффективно рассчитывать показатели доверия (Trust) в масштабах всего веба.
  • US9165040B1
  • 2015-10-20

  • Ссылки

  • EEAT и качество

  • Антиспам

Как Google интегрирует персональный и социальный контент (Email, посты друзей, календарь) в универсальную поисковую выдачу
Google использует этот механизм для глубокой персонализации поиска, интегрируя релевантный контент из личных источников пользователя (Gmail, Drive, Calendar) и от его социальных связей. Система индексирует этот контент с разрешения пользователя, ранжирует его с учетом социальных сигналов (Affinity) и адаптивно отображает в SERP, смешивая с публичными результатами.
  • US20150310100A1
  • 2015-10-29

  • Персонализация

  • Индексация

  • Поведенческие сигналы

Как Google рассчитывает «VisualRank» для изображений и медиафайлов, используя виртуальные ссылки на основе схожести и поведения пользователей
Google использует алгоритм (концептуально называемый VisualRank) для ранжирования изображений и других медиафайлов путем создания «виртуальных ссылок» между ними. Эти ссылки основаны на визуальной схожести контента, данных о кликах пользователей и контексте размещения (URL analysis). Это позволяет оценить качество и авторитетность медиафайлов даже без явных гиперссылок, при этом система активно избегает показа слишком похожих (дублирующихся) результатов.
  • US8732187B1
  • 2014-05-20

  • Ссылки

  • Мультимедиа

  • Поведенческие сигналы

Как Google персонализирует сниппеты и заголовки в выдаче на основе истории поиска и интересов пользователя
Google может динамически изменять сниппеты и заголовки (Title) результатов поиска, чтобы выделить ту часть контента на странице, которая соответствует известным интересам пользователя (история поиска, демография, недавний контекст). Это позволяет сделать представление выдачи более персонализированным, не обязательно изменяя ранжирование документов.
  • US9235626B2
  • 2016-01-12

  • Персонализация

  • SERP

  • Семантика и интент