Как Google использует превью изображений, Hovercards и механизм отклонения для управления связанными запросами

Термины и определения

Dismissal Element (Элемент отклонения)

Элемент UI (например, кнопка 'X'), позволяющий пользователю удалить связанный запрос из выдачи.

Dismissal Information (Информация об отклонениях)

Хранилище данных, где система записывает факты отклонения связанных запросов. Включает ассоциацию между исходным запросом и отклоненным связанным запросом.

Hovercard (Всплывающая карточка, Ховеркарта)

Элемент интерфейса (всплывающее окно, оверлей), который появляется при Preliminary Selection связанного запроса и отображает дополнительные результаты поиска (Hovercard Images) для этого запроса.

Preliminary Selection (Предварительный выбор)

Действие пользователя, указывающее на интерес к связанному запросу без финального выбора (например, наведение курсора, жест на тачскрине).

Preview Image (Превью-изображение)

Изображение, отображаемое вместе с текстом связанного запроса. Оно представляет собой результат поиска, релевантный этому связанному запросу (часто Топ-1 результат).

Related Query (Связанный запрос)

Запрос, связанный с исходным. Может быть уточнением (query refinement), например, добавлением фильтра, или предложением новой смежной темы (query suggestion).

Related Query Engine (Движок связанных запросов)

Компонент системы, отвечающий за идентификацию связанных запросов.

Ключевые утверждения (Анализ Claims)

Патент содержит несколько независимых пунктов, описывающих систему со стороны сервера (Claim 1) и клиента (Claim 6).

Claim 1 (Независимый пункт): Описывает метод, выполняемый системой поиска изображений.

1. Система получает запрос от клиентского устройства.
2. Предоставляет результаты поиска изображений.
3. Предоставляет один или несколько связанных запросов. Критически важно: каждый связанный запрос включает соответствующее множество (respective plurality) Preview Images.
4. Предоставляет инструкции клиентскому устройству для выполнения следующих операций:
   • Отображение связанных запросов. Например, Запрос А с одним превью А и элементом отклонения А; Запрос Б с превью Б и элементом отклонения Б.
   • Определение того, что пользователь совершил Preliminary Selection Запроса А (например, навел курсор).
   • В ответ на это — отображение Hovercard вблизи Запроса А, показывающего множество Preview Images для него.
   • Определение того, что пользователь выбрал элемент отклонения для Запроса Б.
   • В ответ на это — прекращение отображения Запроса Б и его превью.

Claim 4 (Зависимый от 1): Детализирует механизм обратной связи.

Система получает индикацию от клиентского устройства о том, что пользователь выбрал элемент отклонения. Вследствие этого система сохраняет ассоциацию между исходным запросом и отклоненным связанным запросом (в Dismissal Information).

Claim 5 (Зависимый от 1): Детализирует замену отклоненного запроса.

Система получает индикацию об отклонении и предоставляет новый связанный запрос (с новым превью и элементом отклонения) для отображения на клиентском устройстве взамен отклоненного.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, фокусируясь на понимании запросов, ранжировании и финальной презентации результатов.

QUNDERSTANDING – Понимание Запросов
Related Query Engine идентифицирует связанные запросы. Он использует Dismissal Information (данные о том, какие связанные запросы часто отклоняются пользователями для данного исходного запроса), чтобы отфильтровать или понизить некачественные предложения.

RANKING – Ранжирование
Ranking Engine используется для определения основных результатов поиска, а также для выбора того, какие изображения будут выбраны в качестве Preview Images и Hovercard Images для связанных запросов (например, изображения с самым высоким рангом). Кроме того, в патенте упоминается, что Ranking Engine может использовать Dismissal Information для корректировки текущих результатов поиска (например, понижая контент, связанный с отклоненным интентом).

METASEARCH – Метапоиск и Смешивание / RERANKING – Переранжирование (Презентационный слой)
Основное применение патента. На этом этапе система формирует финальную SERP, включая блоки связанных запросов с соответствующими изображениями. Система предоставляет инструкции (например, скрипты) клиентскому устройству для обработки интерактивных элементов (Hovercards, отклонение запросов) и управляет логикой замены отклоненных запросов.

Входные данные:

• Исходный запрос пользователя.
• База данных запросов (Query Database).
• Индекс ресурсов/изображений (Index Database).
• Информация об отклонениях (Dismissal Information).

Выходные данные:

• Результаты поиска по исходному запросу.
• Набор связанных запросов.
• Для каждого связанного запроса: множество Preview Images (для основного показа и для Hovercard).
• Инструкции для клиентского устройства по отображению UI и обработке взаимодействий.

На что влияет

• Конкретные типы контента: В первую очередь влияет на Поиск Изображений (Image Search). Однако упоминается, что методы могут применяться и к другим типам поиска (видео, новости, веб-поиск).
• Специфические запросы: Влияет на широкие или неоднозначные запросы, для которых существуют четкие пути уточнения или связанные темы, особенно если эти темы можно хорошо визуализировать.

Когда применяется

• Условия работы: Алгоритм применяется при генерации SERP, когда система идентифицирует подходящие связанные запросы.
• Триггеры активации:
  • Hovercard активируется при Preliminary Selection (наведении курсора).
  • Отклонение и замена запроса активируются при выборе Dismissal Element.

Пошаговый алгоритм

Процесс А: Обработка запроса (Система)

1. Получение запроса: Система получает запрос от клиента.
2. Идентификация результатов и связанных запросов: Search Engine находит результаты. Related Query Engine определяет связанные запросы, используя Query Database и фильтруя их с помощью Dismissal Information.
3. Выбор превью: Для каждого связанного запроса система выбирает одно Preview Image и множество Hovercard Images.
4. Формирование ответа: Система компилирует результаты, связанные запросы, изображения превью и инструкции (скрипты) для UI.
5. Отправка данных: Данные отправляются клиенту. (Изображения для Hovercard могут быть отправлены сразу или по запросу).

Процесс Б: Отображение и взаимодействие (Клиентское устройство)

1. Рендеринг SERP: Устройство отображает результаты и связанные запросы (текст + 1 Preview Image + Dismissal Element).
2. Обработка предварительного выбора: Устройство обнаруживает наведение курсора на связанный запрос.
3. Отображение Hovercard: Отображается Hovercard с дополнительными изображениями.
4. Обработка отклонения: Устройство обнаруживает клик по Dismissal Element. Отклоненный запрос удаляется из интерфейса.
5. Уведомление системы: Устройство отправляет системе индикацию об отклонении.

Процесс В: Обработка обратной связи (Система)

1. Получение индикации: Система получает уведомление об отклонении.
2. Запись данных: Система сохраняет ассоциацию между исходным запросом и отклоненным запросом в Dismissal Information.
3. Корректировка (опционально): Система может выбрать новый связанный запрос для замены или скорректировать текущие результаты поиска на основе полученного сигнала (например, понизив контент, связанный с отклоненным запросом).

Какие данные и как использует

Данные на входе

• Поведенческие факторы (Явные):
  • Preliminary Selection: Данные о наведении курсора (используются для активации Hovercard).
  • Dismissal: Явный сигнал от пользователя о нерелевантности связанного запроса (записывается в Dismissal Information). Это Explicit Negative Feedback.
  • Выбор связанного запроса (Клик): Сигнал для выполнения нового поиска.
• Мультимедиа факторы: Изображения из индекса используются как Preview Images и Hovercard Images.
• Системные данные:
  • Query Database: Используется для определения связей между запросами.
  • Index Database: Источник результатов поиска и превью-изображений.

Какие метрики используются и как они считаются

• Рейтинг изображений (Image Ranking): Используется для выбора Preview Images. Патент предполагает, что выбираются изображения с наивысшим рейтингом по связанному запросу (например, top ranked responsive image).
• Частота отклонений (Dismissal Rate): Система собирает Dismissal Information. Связанный запрос, который часто отклоняется при показе для данного исходного запроса, считается некачественным предложением. В патенте указано: "Связанный запрос, который часто отклоняется... не является хорошим связанным запросом для отображения".
• Влияние отклонений на ранжирование: Патент упоминает, что Ranking Engine может использовать информацию об отклонении. Например, если пользователь ищет [manhattan] и отклоняет [manhattan map], система может обновить результаты поиска, чтобы удалить часть или все результаты, связанные с картами.

1. Визуализация как ключевой фактор навигации: Google использует визуальные элементы (Preview Images) для повышения понятности и привлекательности связанных запросов. Это подчеркивает важность наличия качественных и релевантных изображений для представления контента.
2. Интерактивный превью для уточнения интента: Механизм Hovercard позволяет пользователю быстро оценить выдачу по связанному запросу без полного перехода (перезагрузки SERP), ускоряя поиск и уточнение интента.
3. Сбор явной негативной обратной связи (Explicit Negative Feedback): Dismissal Element является механизмом сбора явных сигналов о нерелевантности связей между запросами. Google собирает данные не только о том, что пользователи выбирают (клики), но и о том, что они активно отвергают.
4. Использование обратной связи для корректировки ранжирования: Собранная Dismissal Information используется для улучшения будущих предложений связанных запросов. Кроме того, патент прямо указывает на возможность использования этой информации для корректировки основных результатов поиска в реальном времени.
5. Приоритет для Image SEO: Поскольку Preview Images служат 'витриной' для связанных запросов, оптимизация изображений для занятия топовых позиций (особенно Топ-1) становится критически важной для привлечения трафика через эти блоки.

Best practices (это мы делаем)

• Оптимизация ключевых изображений для Топ-1: Необходимо стремиться занять первую позицию в Image Search по целевым запросам. Поскольку Preview Image часто является Топ-1 результатом, это обеспечит видимость вашего контента в блоках связанных запросов на смежных, часто более широких SERP.
• Соответствие изображений интенту запроса: Изображения должны быть высококачественными, привлекательными и точно отражать суть контента. Если изображение будет выбрано как Preview Image, оно должно соответствовать ожиданиям пользователя, чтобы стимулировать клик, а не отклонение.
• Анализ блоков Related Searches в нише: Изучайте, какие связанные запросы предлагает Google и какие изображения используются в качестве превью. Это дает представление о том, как Google связывает темы (Query Understanding) и какой визуальный контент считается наиболее релевантным.
• Расширение семантики с учетом визуального интента: При проработке тем учитывайте запросы с сильным визуальным компонентом и создавайте соответствующий контент (изображения, инфографику), чтобы занять место в блоках связанных запросов.

Worst practices (это делать не надо)

• Использование кликбейтных или нерелевантных изображений: Попытка обмануть пользователя с помощью привлекательных, но не соответствующих контенту изображений. Если такое изображение попадет в Preview Image и вызовет негативную реакцию или приведет к отклонению связанного запроса, это может дать негативные сигналы системе.
• Игнорирование Image SEO: Рассмотрение поиска по картинкам как второстепенного. Патент показывает, что изображения используются как важный элемент навигации и уточнения запросов на SERP.
• Низкое качество изображений: Использование стоковых, неуникальных или низкокачественных изображений снижает вероятность их выбора в качестве Preview Images и уменьшает CTR.

Стратегическое значение

Патент подтверждает стратегию Google по созданию более визуального, интерактивного и адаптивного поискового опыта. Для SEO это означает, что оптимизация визуального контента является интегральной частью стратегии. Патент также подчеркивает важность механизмов обратной связи: понимание того, как пользователи реагируют на связанные запросы (клики и отклонения), помогает Google уточнять связи между сущностями и интентами, что влияет на общее понимание контента системой.

Практические примеры

Сценарий: Оптимизация изображений для попадания в Preview Image (E-commerce)

1. Задача: Увеличить трафик на сайт по продаже кроссовок через блоки связанных запросов в Google Images.
2. Анализ: Пользователь ищет [nike air max]. В блоке Related Searches отображаются подсказки: [nike air max 270], [nike air max 90], [nike air max white]. Для каждой используется Preview Image.
3. Действия SEO-специалиста:
   • Проанализировать, какие изображения ранжируются на Топ-1 в Image Search по запросам [nike air max 270], [nike air max 90] и т.д.
   • Создать высококачественные, четкие и репрезентативные фотографии этих моделей на сайте.
   • Оптимизировать эти изображения (Alt-текст, окружающий текст, скорость загрузки, микроразметка Product), чтобы они заняли лидирующие позиции в поиске по картинкам.
4. Ожидаемый результат: Изображения сайта выбираются системой в качестве Preview Images для блоков связанных запросов. Это повышает визуальную привлекательность подсказок и увеличивает вероятность клика пользователем, перенаправляя трафик на сайт.