Как Google использует известность (Prominence) и историю запросов для ранжирования географических объектов в поисковых подсказках Карт

Термины и определения

Geographic Feature (Географический объект)

Любое место, сущность или структура, связанная с географическим положением. Примеры: страны, города, регионы, улицы, а также конкретные локации, такие как бизнесы, достопримечательности (POI), остановки транспорта.

Query Prefix (Префикс запроса)

Частичный запрос, введенный пользователем (например, "new y"). Используется системой для генерации подсказок в реальном времени.

Feature Names (Названия объекта)

Одно или несколько названий, связанных с географическим объектом. Например, объект "New York City" может иметь названия "New York", "NYC".

Prominence Score (Оценка известности/значимости)

Показатель, указывающий на важность или известность объекта, независимый от запроса. Это априорная вероятность того, что пользователь заинтересуется объектом. Может основываться на частоте поиска, населении, количестве посещений или упоминаний в корпусе документов.

Query Logs (Логи запросов)

Исторические данные о запросах пользователей. Могут включать информацию о том, какой объект пользователь выбрал (кликнул) или какой объект был показан в ответ на запрос.

Feature-Name Score

Оценка, рассчитываемая для пары (объект, название). Указывает на вероятность того, что пользователь, вводящий данное название, ищет именно этот объект. P(Feature|Name).

Feature-Query Score

Итоговая оценка для пары (объект, префикс запроса). Рассчитывается на основе агрегации Feature-Name Scores для всех названий объекта, соответствующих префиксу. P(Feature|Prefix).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод идентификации и ранжирования географических объектов.

1. Система получает запрос (query).
2. Идентифицируются географические объекты, каждый из которых связан с названиями, включающими запрос, и имеет Prominence Score.
3. Для каждого объекта вычисляется Feature-Query Score. Этот процесс включает:
   1. Для каждого названия объекта, включающего запрос, вычисляется Feature-Name Score. Это вычисление основано на атрибуции вхождений названия в Query Log к объекту и расчете двух оценок:
      • First Score (Первая оценка): Пропорционален количеству вхождений названия, атрибутированных к объекту, и обратно пропорционален общему количеству вхождений названия в Query Log. (Оценка на основе поведения пользователей).
      • Second Score (Вторая оценка): Пропорционален Prominence Score объекта и обратно пропорционален сумме (aggregate) Prominence Scores всех объектов, связанных с этим названием. (Оценка на основе известности).
   2. Вычисление Feature-Query Score на основе идентифицированных Feature-Name Scores.
4. Географические объекты ранжируются в соответствии с их Feature-Query Scores.

Ядро изобретения заключается в обязательном комбинировании двух независимых сигналов — внутренней известности (Prominence) и исторического поведения пользователей (Query Logs) — для дисамбигуации и ранжирования географических подсказок.

Claim 4 и 5 (Зависимые): Уточняют, как происходит атрибуция вхождений в Query Log (используемая в First Score).

Атрибуция основывается на том, какой географический объект пользователь выбрал (кликнул) после отправки запроса (Claim 4) или какой объект был предоставлен (показан) пользователю в ответ на запрос (Claim 5). Это подтверждает использование прямых поведенческих сигналов.

Claim 6 (Зависимый): Уточняет метод агрегации.

Вычисление Feature-Query Score на основе Feature-Name Scores включает выбор максимального (maximum) Feature-Name Score среди всех названий объекта.

Где и как применяется

Изобретение применяется в рамках Interactive Mapping System (например, Google Maps) и затрагивает этап понимания запроса.

INDEXING – Индексирование и извлечение признаков
На этом этапе система предварительно рассчитывает Prominence Score для географических объектов и обрабатывает Query Logs. Эти данные сохраняются в базе данных (Features Database) для последующего использования.

QUNDERSTANDING – Понимание Запросов
Основное применение патента. Когда пользователь вводит Query Prefix в реальном времени, система использует описанный механизм для генерации и ранжирования поисковых подсказок (Query Suggestions).

Входные данные:

• Введенный пользователем Query Prefix.
• Features Database, включающая названия объектов и их Prominence Score.
• Query Logs, содержащие историю запросов и связанные с ними действия пользователей (клики/показы).

Выходные данные:

• Отранжированный список поисковых подсказок (названий географических объектов).

На что влияет

• Конкретные типы контента: Влияет на видимость локальных сущностей: бизнесов (рестораны, отели, магазины), достопримечательностей (POI), административных единиц (города, районы) и адресов.
• Специфические запросы: Наибольшее влияние на неоднозначные запросы (брендовые, локальные), где название может относиться к разным объектам или локациям.
• Конкретные ниши или тематики: Критично для всех ниш, связанных с локальным поиском (услуги, ритейл, гостеприимство и т.д.).

Когда применяется

• Триггеры активации: Активируется в реальном времени при вводе пользователем символов в строку поиска картографического сервиса.
• Условия работы: Применяется, когда введенный префикс соответствует названиям одного или нескольких известных системе географических объектов.

Пошаговый алгоритм

Процесс А: Офлайн-подготовка данных (INDEXING)

1. Расчет Prominence Score: Для каждого географического объекта рассчитывается оценка известности на основе внешних сигналов (популярность, упоминания, ссылки и т.д.).
2. Анализ Query Logs: Анализируются логи запросов для подсчета частоты использования различных названий.
3. Атрибуция запросов: Определяется, как часто ввод конкретного названия приводил к выбору конкретного географического объекта (на основе кликов или показанных результатов).

Процесс Б: Обработка запроса в реальном времени (QUNDERSTANDING)

1. Получение префикса: Система получает Query Prefix от пользователя.
2. Идентификация объектов-кандидатов: Отбираются объекты, у которых есть названия, соответствующие префиксу.
3. Итерация по объектам: Для каждого объекта-кандидата выполняется:
   1. Итерация по названиям: Для каждого названия объекта, соответствующего префиксу, выполняется:
      • Расчет Feature-Name Score: Вычисляется оценка $P(Объект|Название)$. Это делается путем комбинирования данных о поведении (First Score) и данных об известности (Second Score), как описано в Claim 1.
   2. Расчет Feature-Query Score: Вычисляется итоговая оценка объекта для данного префикса. Согласно Claim 6, это максимальный Feature-Name Score среди всех названий объекта.
4. Ранжирование: Объекты сортируются по убыванию их Feature-Query Score.
5. Предоставление подсказок: Названия топовых объектов предоставляются пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании следующих данных:

• Поведенческие факторы (Query Logs): Критически важные данные. Используются логи запросов, включающие частоту ввода названий и информацию о последующих действиях пользователя (какой объект был выбран или показан). Это используется для расчета First Score.
• Факторы известности (Prominence Score): Предварительно рассчитанная оценка важности/известности географического объекта. Используется для расчета Second Score. Патент упоминает, что она может быть основана на частоте поиска, количестве жителей, посетителей или упоминаний в корпусе документов.
• Контентные факторы (Feature Names): Названия географических объектов, хранящиеся в Features Database, включая синонимы и аббревиатуры.

Какие метрики используются и как они считаются

Система вычисляет несколько ключевых вероятностных метрик, определенных в Claim 1:

• First Score (Основан на поведении): Отражает долю рынка объекта для данного названия на основе исторических данных.

  $\text{First Score} \approx \frac{\text{Кол-во вхождений названия, атрибутированных к объекту}}{\text{Общее кол-во вхождений названия в Query Log}}$

• Second Score (Основан на известности): Отражает относительную значимость объекта среди его тезок.

  $\text{Second Score} \approx \frac{\text{Prominence Score объекта}}{\text{Сумма Prominence Scores всех объектов с этим названием}}$

• Feature-Name Score: Функция, комбинирующая First Score и Second Score (например, их произведение).
• Feature-Query Score: Агрегация Feature-Name Scores. Согласно Claim 6, это $MAX(\text{Feature-Name Scores})$.

1. Двойная система оценки для подсказок: Ранжирование географических объектов в Autocomplete не основано только на текстовом совпадении или только на популярности. Оно использует комбинацию двух типов сигналов: Prominence Score (внутренняя известность объекта) и Query Logs (историческое поведение пользователей).
2. Prominence как ключевой фактор Local SEO: Патент явно подтверждает важность Prominence Score (один из трех столпов Local SEO). Чем выше известность объекта (упоминания, посещаемость, популярность), тем выше вероятность его появления в подсказках, особенно при неоднозначных запросах.
3. Поведение пользователей определяет атрибуцию: Система активно отслеживает, какой объект выбирает пользователь после ввода запроса (данные о кликах). Это создает петлю обратной связи: популярные объекты, которые удовлетворяют интент пользователей, получают буст в подсказках.
4. Дисамбигуация намерений: Основная цель алгоритма — разрешить неоднозначность. Если название общее (например, название сети или популярное слово), система использует Prominence и поведение, чтобы определить, какой из объектов наиболее вероятен.
5. Агрегация по лучшему названию (Max Score): Итоговая оценка объекта может определяться его самым сильным названием (максимальный Feature-Name Score). Это означает, что объект должен быть четко ассоциирован хотя бы с одним популярным и однозначным названием, чтобы высоко ранжироваться в подсказках.

Best practices (это мы делаем)

• Усиление известности (Prominence): Работайте над повышением Prominence Score вашего бизнеса. Это стратегическая задача, включающая:
  • Получение качественных упоминаний (Citations) и ссылок с авторитетных локальных и отраслевых ресурсов (СМИ, блоги, каталоги).
  • Стимулирование реальной активности: отзывов, чекинов, посещений (если это влияет на расчет Prominence).
  • PR и работа над узнаваемостью бренда в целом.
• Оптимизация под поведенческие факторы (Query Logs): Необходимо стимулировать пользователей искать компанию по ее названию и выбирать именно ее профиль. Это увеличивает атрибуцию запросов к вашему объекту (First Score).
  • Используйте понятное, консистентное и реальное название в Google Business Profile (GBP) и других источниках (NAP).
  • Повышайте узнаваемость бренда через офлайн и онлайн рекламу, чтобы увеличить объем брендового трафика в Картах.
• Управление ассоциациями названий: Убедитесь, что ваш бизнес корректно ассоциируется со всеми релевантными способами его наименования (официальное, сокращенное, разговорное). Используйте микроразметку Schema.org (alternateName) на сайте для указания альтернативных названий.

Worst practices (это делать не надо)

• Спам в названии (Keyword Stuffing) в GBP: Добавление ключевых слов в название бизнеса может быть неэффективно для подсказок. Если пользователи не ищут бизнес по этому спамному названию (низкие данные в Query Logs), и если общий Prominence Score невысок, это не даст эффекта и может нарушить правила Google.
• Игнорирование офлайн-факторов: Фокус только на онлайн-оптимизации без работы над реальной известностью и популярностью бизнеса ограничивает потенциал роста Prominence Score.
• Неконсистентные данные (NAP): Использование разных названий и адресов в разных источниках затрудняет для системы корректную ассоциацию названий с объектом и может негативно сказаться на ранжировании.
• Накрутка поведенческих факторов: Попытки манипулировать Query Logs фейковыми запросами и кликами рискованны и, скорее всего, будут отфильтрованы.

Стратегическое значение

Патент подчеркивает стратегическую важность построения сильного, узнаваемого бренда в локальном поиске. Видимость в поисковых подсказках — это мощный инструмент направления трафика. Алгоритм отдает предпочтение объектам, которые доказали свою значимость как в целом (через Prominence), так и в контексте конкретных запросов (через поведение пользователей). Это подтверждает, что Local SEO требует комплексного подхода, выходящего за рамки технической оптимизации GBP.

Практические примеры

Сценарий: Разрешение неоднозначности для ресторана с общим названием

1. Ситуация: В городе есть два ресторана с названием "Централь": один известный и старый (Объект А), другой новый и малоизвестный (Объект Б).
2. Анализ по патенту:
   • Объект А имеет высокий Prominence Score и большой объем исторических данных в Query Logs, подтверждающих, что пользователи ищут именно его.
   • Объект Б имеет низкий Prominence Score и мало данных в Query Logs.
3. Расчет: При вводе префикса "Центр", система рассчитает Feature-Name Score для названия "Централь" для обоих объектов.
   • У Объекта А будут высокие First Score (поведение) и Second Score (Prominence).
   • У Объекта Б оба показателя будут низкими.
4. Результат: Объект А будет ранжироваться значительно выше в подсказках.
5. Действия для Объекта Б: Чтобы конкурировать, новому ресторану необходимо агрессивно наращивать Prominence (PR, отзывы, ссылки) и стимулировать пользователей искать его уникальным способом (например, "Централь на Ленина"), чтобы накопить положительную историю в Query Logs для этого конкретного названия.