Как Google выбирает и показывает рекламу в поисковых подсказках (Autocomplete) на основе частичного запроса

Термины и определения

Answer Box (Блок с ответом)

Элемент пользовательского интерфейса (например, выпадающее меню под строкой поиска), который отображает подсказки (Suggestions) и дополнительный контент (например, рекламу или прямые ответы) по мере ввода запроса.

Completion (Завершение запроса)

Вероятный полный запрос, который пользователь намеревается ввести, предсказанный на основе частичного ввода (Prefix). Например, для префикса «New Y» завершением может быть «New York Times».

Content Item (Единица контента)

Дополнительный контент, который система выбирает для показа в Answer Box. В контексте патента это преимущественно рекламные объявления (Ads), но также могут быть навигационные ссылки, ответы на вопросы и т.д.

Disabling Functions (DF1-DF4) (Функции отключения/Фильтры)

Набор строгих критериев качества и релевантности, используемых для фильтрации контента. Они гарантируют, что реклама будет показана только при высокой уверенности системы в ее полезности для пользователя.

ECPM (Effective Cost Per Thousand Impressions)

Эффективная цена за тысячу показов. Метрика дохода, используемая в аукционе.

Initial Score (Начальная оценка)

Оценка, рассчитываемая для пары «Content Item-Completion». Включает вероятность завершения и качество контента для этого завершения.

Final Score (Итоговая оценка)

Оценка, рассчитываемая для пары «Content Item-Prefix». Если контент подходит под несколько Completions, итоговая оценка является агрегацией (например, взвешенной суммой) начальных оценок.

pCTR (Predicted Click-Through Rate)

Прогнозируемый показатель кликабельности. Используется как мера качества и релевантности рекламы.

Prefix (Префикс)

Частичный текстовый ввод пользователя в строку поиска (например, «goog»).

P(completion|prefix)

Условная вероятность того, что пользователь намеревается ввести конкретное Completion, учитывая уже введенный Prefix.

Suggest Mixer

Компонент системы, отвечающий за расширение префикса до завершений, поиск связанного контента (в кэше или через Ad Mixer) и его смешивание (Blending) и ценообразование (Pricing).

Ключевые утверждения (Анализ Claims)

Патент фокусируется на методе выбора контента (рекламы) для показа в ответ на частичный ввод (Prefix).

Claim 1 (Независимый пункт): Описывает основной процесс выбора рекламы для частичного запроса.

1. Система получает частичный ввод (Prefix).
2. Идентифицируются возможные завершения (Completions).
3. Для каждого завершения определяется пара «Реклама-Завершение».
4. Для каждой пары рассчитывается Final Score. Эта оценка основана на (i) вероятности того, что данное завершение является целью пользователя, и (ii) мере качества соответствия рекламы этому завершению.
5. Для каждой рекламы определяется ставка (Bid).
6. Проводится аукцион для выбора рекламы на основе Ставок и Итоговых Оценок.
7. Идентифицируются данные для отображения выбранной рекламы.

Claim 5 (Зависимый от 1): Детализирует расчет Final Score в случае, когда одна реклама соответствует нескольким завершениям.

Если реклама соответствует нескольким Completions, её Final Score определяется на основе агрегации (aggregation) оценок для этой рекламы по всем соответствующим завершениям. Это ключевой механизм (Blending), позволяющий учитывать совокупную вероятность рекламы для префикса.

Claim 6 (Зависимый от 1): Указывает на использование фильтрации оценок.

Определение итоговых оценок включает фильтрацию (filtering) на основе одного или нескольких критериев. (Это относится к Disabling Functions, описанным в патенте).

Claim 11 (Зависимый от 1): Описывает условие ожидания.

Система определяет, достаточно ли высока вероятность хотя бы одного завершения. Если нет (т.е. интент слишком неопределен), система ждет дополнительного ввода от пользователя, прежде чем показывать рекламу.

Где и как применяется

Изобретение применяется исключительно в рамках системы автодополнения поисковых запросов (Google Suggest/Autocomplete) и работает до того, как пользователь отправит запрос и перейдет на основную страницу результатов поиска (SERP).

QUNDERSTANDING – Понимание Запросов

Это основной этап применения. Система в реальном времени обрабатывает Prefix, прогнозирует Completions и рассчитывает вероятности P(completion|prefix). Это происходит при взаимодействии Front End, Complete Server и Suggest Mixer.

METASEARCH – Метапоиск и Смешивание (в контексте Autocomplete)

Система выполняет специализированный поиск рекламы (через Cache Server или Ad Mixer), проводит аукцион (Blend and Price) и смешивает результаты (победившую рекламу) с обычными поисковыми подсказками для отображения в Answer Box.

Входные данные:

• Текстовый ввод пользователя (Prefix).
• Данные о популярных запросах (для прогнозирования Completions).
• База данных рекламных объявлений, их ставки (Bids) и показатели качества (pCTR).
• Контекст пользователя (страна, язык).

Выходные данные:

• Набор поисковых подсказок (Suggestions).
• Выбранное рекламное объявление (Selected Content Item) с данными для отображения (креатив, URL).

На что влияет

• Специфические запросы: Наибольшее влияние на навигационные и коммерческие запросы с четким интентом, где система может с высокой вероятностью предсказать завершение и найти высококачественную рекламу (например, брендовые запросы типа «ebay», «amazon»).
• Типы контента: Влияет на отображение рекламных объявлений и навигационных ссылок (Content Items) в блоке подсказок. Не влияет на ранжирование органических результатов.
• Ниши: Влияет на все ниши, где присутствует активная контекстная реклама.

Когда применяется

Алгоритм применяется в реальном времени по мере ввода пользователем символов в строку поиска, но активация показа рекламы происходит только при выполнении строгих условий.

• Триггеры активации: Пользователь ввел достаточно символов для генерации значимых подсказок.
• Пороговые значения (Условия показа рекламы):
  • Система должна определить одно или несколько Completions с достаточно высокой вероятностью (порог неопределенности).
  • Должна существовать высококачественная реклама, связанная с этими Completions.
  • Агрегированная оценка релевантности рекламы для Prefix должна превышать пороги, установленные фильтрами (Disabling Functions DF1, DF2).
  • Выбранная реклама должна быть значительно лучше конкурентов (DF3).
  • Ставка должна быть выше резервной цены (DF4).
• Исключения: Реклама не показывается, если Prefix слишком неоднозначен (ambiguous) или если качество доступной рекламы низкое.

Пошаговый алгоритм

Процесс динамического выбора контента:

1. Получение ввода: Front End получает частичный ввод пользователя (Prefix) и передает его на Complete Server.
2. Идентификация Завершений: Suggest Mixer расширяет префикс до списка возможных Completions и определяет вероятность каждого P(completion|prefix).
3. Поиск Контента: Для каждого Completion система ищет связанные рекламные объявления. Поиск происходит через Cache Lookup на Cache Server. При промахе кэша (Cache miss) инициируется обновление через Cache Updater и Ad Mixer.
4. Расчет Начальных Оценок: Для каждой пары «Реклама-Завершение» вычисляется начальная оценка, учитывающая вероятность завершения и качество рекламы (например, pCTR).
5. Агрегация и Фильтрация (Blend and Price):
   • Агрегация (Merging): Если одна реклама соответствует нескольким завершениям, её оценки агрегируются для получения Final Score для пары «Реклама-Префикс». Используется взвешенная сумма.
   • Фильтрация: Применяются Disabling Functions (DF1-DF4) для отсеивания кандидатов низкого качества или низкой релевантности для префикса.
6. Определение Ставок: Определяются ставки (Bids) для оставшихся рекламных кандидатов.
7. Проведение Аукциона: Проводится аукцион на основе агрегированных Final Scores и Bids для выбора победителя.
8. Удаление Дубликатов: Удаляются объявления от одного рекламодателя или ведущие на один домен (если это предусмотрено правилами).
9. Возврат Результатов: Suggest Mixer возвращает выбранную рекламу и подсказки на Complete Server для отправки пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на механизме выбора рекламы и использует следующие типы данных:

• Контентные факторы (Рекламы): Текст креатива, видимый URL (Visible URL), целевой URL (Destination URL). Видимый URL используется как прокси для определения схожести посадочных страниц при агрегации.
• Поведенческие факторы (Исторические данные): Журналы поисковых запросов (User search history data) используются для определения популярности запросов и расчета вероятностей P(completion|prefix). Исторические данные о кликах используются для расчета pCTR.
• Коммерческие факторы: Ставки рекламодателей (Bids), бюджеты (упоминается Budget throttling).
• Пользовательские факторы: Местоположение пользователя, язык (используются как часть ключа кэша и при выборе рекламы).

Какие метрики используются и как они считаются

Система вычисляет и использует следующие ключевые метрики:

1. Popularity Value (Популярность Завершения): Вероятность P(completion|prefix). Рассчитывается на основе частоты запросов в исторических данных. $P(Completion\ X) = \frac{\text{Частота запроса X}}{\sum_{i} \text{Частота запроса i}}$ (где i — все завершения для данного префикса).
2. Quality Metric (Метрика Качества Рекламы): Оценка релевантности рекламы для завершения (q). Может включать pCTR, «Naviness» score (оценка навигационной точности) и другие.
3. Aggregated Quality Metric (Агрегированная Метрика Качества): Взвешенная сумма метрик качества для рекламы по всем релевантным завершениям. $q_{merged} = \sum(q_i * c_i)$ (где q_i — качество для завершения i, c_i — вероятность завершения i).
4. Disabling Functions (Фильтры Качества):
   • DF1: Сумма вероятностей тех завершений, для которых качество рекламы выше порога T_0. $DF1 = \sum(c_i)$ (где q_i > T_0). Должно быть больше порога T_1.
   • DF2: Совокупная вероятность «попадания» в рекламу из префикса (Агрегированная метрика качества). Должно быть больше порога T_2.
   • DF3: Относительное превосходство. Качество выбранной рекламы (q_j) должно быть значительно выше качества невыбранной (q_i). $q_j > T_3 * q_i$.

1. Патент ориентирован на рекламу (PPC), а не на SEO: Основная цель патента — описать механизм выбора, оценки и проведения аукциона для рекламных объявлений в интерфейсе автодополнения (Google Suggest). Он не описывает ранжирование органических результатов или выбор самих органических подсказок.
2. Вероятностное понимание интента: Система не ждет финального запроса. Она работает в условиях неопределенности, рассчитывая вероятности P(completion|prefix) для прогнозирования намерения пользователя на основе частичного ввода (Prefix).
3. Агрегация релевантности (Blending): Ключевой механизм — агрегация оценок, если одна реклама релевантна нескольким вероятным завершениям запроса. Итоговая релевантность рекламы для префикса — это взвешенная сумма её релевантности для всех возможных завершений.
4. Чрезвычайно строгие фильтры качества: Система использует многоуровневые фильтры (Disabling Functions DF1-DF4), чтобы гарантировать показ рекламы только при очень высокой уверенности в её релевантности и качестве. Это необходимо, так как показ нерелевантной рекламы в строке ввода может сильно ухудшить пользовательский опыт.
5. Обход органической выдачи: Успешная работа этого механизма позволяет пользователю перейти на сайт (рекламодателя или навигационный ответ) напрямую из строки поиска, минуя просмотр страницы органических результатов (SERP).

Best practices (это мы делаем)

Для органического SEO (Search Engine Optimization) патент не дает прямых практических рекомендаций, так как он сфокусирован на рекламе (PPC/SEA).

Однако, для понимания поисковой экосистемы и поведения пользователей:

• Анализ подсказок как индикатора интента: Изучайте поисковые подсказки (Completions) для ваших ключевых префиксов. Это показывает, какие интенты Google считает наиболее вероятными (высокий P(completion|prefix)). Это подтверждает важность использования данных Autocomplete для сбора семантики и понимания потребностей аудитории.
• Укрепление брендового трафика и навигационных запросов: Убедитесь, что при вводе названия вашего бренда система автодополнения предлагает корректные подсказки и, возможно, навигационные ссылки (если система считает ваш сайт авторитетным ответом). Хотя патент фокусируется на рекламе, он упоминает и другой контент в Answer Box.

Для специалистов по контекстной рекламе (PPC/SEA) этот патент критически важен, так как описывает механизм показа рекламы в Suggest, включая важность pCTR и агрегацию по ключевым словам.

Worst practices (это делать не надо)

• Игнорирование Autocomplete при анализе спроса: Нельзя недооценивать данные из подсказок, так как они основаны на реальной популярности и вероятностной модели интента, описанной в патенте.
• Попытки манипулировать подсказками для показа рекламы: Механизм основан на сложных вероятностных моделях и строгих фильтрах качества (Disabling Functions). Искусственная «накрутка» популярности запросов вряд ли приведет к стабильному показу рекламы в Suggest, если качество самой рекламы (pCTR) и посадочной страницы низкое.

Стратегическое значение

Патент подчеркивает стремление Google предоставить пользователю ответ как можно быстрее, даже до того, как он закончит формулировать запрос. Для SEO это означает усиление конкуренции за внимание пользователя еще на этапе ввода запроса. Если система может удовлетворить коммерческий или навигационный интент пользователя прямо в Answer Box (через рекламу или прямой ответ), вероятность перехода пользователя на органический SERP снижается. Это подтверждает стратегическую важность концепции «Zero-Click Searches», где пользователь получает ценность без клика по органическим результатам.

Практические примеры

Практических примеров применения для органического SEO нет, так как патент описывает рекламный аукцион.

Пример работы механизма (Сценарий для PPC):

1. Ввод пользователя (Prefix): Пользователь вводит «iphone».
2. Прогнозирование (Completions): Система определяет вероятности: «iphone 16» (40%), «iphone 15 pro» (30%), «iphone repair» (10%).
3. Поиск Рекламы:
   • Реклама A (Магазин Apple) релевантна «iphone 16» и «iphone 15 pro».
   • Реклама B (Сервисный центр) релевантна «iphone repair».
4. Агрегация (Blending): Оценка Рекламы A агрегируется, учитывая её качество для обоих завершений и их вероятности (40% + 30%).
5. Аукцион и Фильтрация: Система сравнивает агрегированную оценку Рекламы A и оценку Рекламы B, учитывает ставки и применяет Disabling Functions.
6. Результат: Если Реклама A побеждает и проходит фильтры, она отображается в выпадающем меню под строкой поиска. Пользователь может кликнуть на неё и перейти в магазин Apple, минуя SERP.