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

Как Google определяет географическую зону релевантности бизнеса на основе реального поведения пользователей (Catchment Areas)

RESOURCE CATCHMENT AREAS (Зоны охвата ресурсов)
  • US8775434B1
  • Google LLC
  • 2010-10-19
  • 2014-07-08
  • Local SEO
  • Поведенческие сигналы
  • Описание
  • Разбор
  • Выводы
  • Практика
  • FAQ
  • Похожие

Google определяет уникальную "зону охвата" (Catchment Area) для локального бизнеса, анализируя, из каких географических точек пользователи кликали на его результаты в поиске. Эта динамическая зона заменяет фиксированный радиус и используется для фильтрации кандидатов при локальном поиске, учитывая известность бренда, категорию бизнеса и физические препятствия.

Описание

Какую проблему решает

Патент решает фундаментальную проблему традиционного локального поиска, который использует фиксированный географический радиус (например, 50 миль) для определения релевантности. Этот подход не учитывает реальное поведение пользователей: готовность путешествовать сильно зависит от типа бизнеса. Пользователи ищут кофейни поблизости, но готовы ехать сотни миль до горнолыжного курорта или специализированной клиники. Фиксированный радиус либо исключает релевантные удаленные результаты, либо требует избыточных вычислительных ресурсов для обработки слишком широкой зоны.

Что запатентовано

Запатентована система определения индивидуальной Catchment Area (Зоны охвата) для каждого ресурса (например, веб-сайта локального бизнеса). Эта зона определяется не произвольным радиусом, а на основе анализа агрегированных данных Search Log Data: система смотрит, из каких географических локаций пользователи фактически взаимодействовали (кликали) с этим ресурсом в результатах поиска. Catchment Area определяет географическую зону, в пределах которой ресурс считается релевантным кандидатом.

Как это работает

Система работает в несколько этапов:

  • Сбор данных: Анализируются логи поиска, фиксирующие ресурс, местоположение запроса (Query Location) и факт взаимодействия пользователя (клик).
  • Определение локаций охвата: Идентифицируются Catchment Locations – это те Query Locations, откуда пользователи кликали на ресурс.
  • Формирование зоны охвата: Система определяет географическую зону (Catchment Area), включающую эти локации. Например, радиус может определяться по самой дальней точке клика от местоположения бизнеса (Business Location).
  • Корректировка зоны: Размер и форма зоны корректируются с учетом Catchment Size Factors: Prominence (известность), Category (тип бизнеса), Density (плотность конкурентов), а также Obstacle Data (реки, горы).
  • Индексирование: Ресурс индексируется в соответствии с его Catchment Area.
  • Поиск: При получении нового запроса с локацией система использует Catchment Area как фильтр, выбирая в качестве кандидатов только те ресурсы, чьи зоны охвата включают эту локацию.

Актуальность для SEO

Высокая. Описанные механизмы являются фундаментальными для современных систем локального поиска (Google Maps, Local Pack). Определение зоны релевантности на основе данных о поведении пользователей, а также баланс между близостью (Proximity) и известностью (Prominence) остаются центральными элементами локального ранжирования.

Важность для SEO

Патент имеет критическое значение для локального SEO (Local SEO). Он описывает механизм, который определяет географические границы, в пределах которых бизнес может конкурировать в поиске. Это не просто фактор ранжирования, а фильтр на этапе отбора кандидатов (Retrieval): если локация пользователя находится за пределами Catchment Area бизнеса, этот бизнес может вообще не попасть в выдачу. Понимание факторов, влияющих на размер Catchment Area (клики, известность, категория), является ключом к расширению географического охвата.

Детальный разбор

Термины и определения

Business Location (Местоположение бизнеса)
Физическое географическое местоположение бизнеса или сущности, связанной с ресурсом. Используется как центр для расчета Catchment Area.
Catchment Area (Зона охвата)
Географический регион, определенный для ресурса на основе Search Log Data. Определяет зону, в которой ресурс считается кандидатом для показа в ответ на локальные запросы.
Catchment Locations (Локации охвата)
Набор Query Locations, из которых пользователи взаимодействовали (кликали) с результатами поиска, ссылающимися на данный ресурс. Являются основой для определения Catchment Area.
Catchment Size Factors (Факторы размера зоны охвата)
Атрибуты, используемые для корректировки размера Catchment Area. Включают:
  • Prominence Factor/Attribute (Фактор известности): Уровень известности или значимости бизнеса. Более известные места имеют больший охват.
  • Category Factor/Attribute (Фактор категории): Зависимость охвата от типа бизнеса (например, пользователи едут дальше в парк развлечений, чем в магазин).
  • Co-location Factor/Attribute (Фактор совместного расположения): Учитывает количество других бизнесов поблизости. Места в торговых центрах могут иметь больший охват.
  • Density Factor/Attribute (Фактор плотности): Учитывает плотность аналогичных бизнесов в районе. В районах с высокой конкуренцией зоны охвата меньше.
Interaction Data (Данные о взаимодействии)
Данные из логов, указывающие, взаимодействовал ли пользователь с результатом поиска (например, клик).
Obstacle Data (Данные о препятствиях)
Географические данные (карты), указывающие на препятствия (реки, горы, границы), которые могут ограничивать передвижение. Используются для изменения формы Catchment Area и исключения локаций.
Query Location (Местоположение запроса)
Географическое местоположение, связанное с поисковым запросом. Может быть определено по местоположению устройства пользователя или явно указано/подразумевано в тексте запроса.
Search Log Data (Данные журнала поиска)
Агрегированные данные, включающие информацию о показанных ресурсах, Query Locations и Interaction Data.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод определения и использования зоны охвата ресурса, включая критически важный механизм обработки препятствий.

  1. Система идентифицирует в Search Log Data ресурс, локации запросов пользователей и информацию о том, взаимодействовали ли пользователи с ресурсом.
  2. Определяется Catchment Area для ресурса. Область включает локации, из которых ресурс был показан и выбран пользователем.
  3. Ресурс индексируется в соответствии с его Catchment Area.
  4. При получении нового поискового запроса с определенной локацией.
  5. Идентифицируется набор результатов, ссылающихся на ресурсы, чьи Catchment Areas включают эту локацию.
  6. Этот набор результатов предоставляется пользователю.

Детализация механизма определения Catchment Area в Claim 1:

  • Определение расстояния между местоположением ресурса (Business Location) и локацией первого пользовательского запроса (где ресурс был выбран).
  • Использование этого расстояния для определения Catchment Area.
  • Исключение локаций (Ключевая особенность): Система исключает локацию второго пользовательского запроса (даже если там был клик) из Catchment Area. Это делается путем:
    • Идентификации препятствия (используя Obstacle Data) между Business Location и этой локацией.
    • Исключения этой локации из зоны охвата.

Claim 3 (Зависимый от 2 и 1): Уточняет форму зоны. Catchment Area может быть определена как круг, центрированный на Business Location, с радиусом, пропорциональным расстоянию до самой дальней локации охвата (Catchment Location).

Claim 5 и 6 (Зависимые от 1): Уточняют корректировку размера. Размер Catchment Area корректируется на основе Prominence Factor (Claim 5), а также Category, Co-location Factor и Density Factor (Claim 6).

Claim 7 (Зависимый от 1): Уточняет, что Catchment Area может определяться только из локаций, где ресурс был выбран пороговое количество раз (порог по кликам).

Где и как применяется

Изобретение затрагивает два ключевых этапа поисковой архитектуры и критически важно для систем локального поиска (Local Search/Maps).

INDEXING – Индексирование и извлечение признаков
Основная работа по расчету происходит на этом этапе (офлайн). Система (Catchment Apparatus) анализирует Search Log Data, рассчитывает Catchment Locations, применяет корректирующие факторы (Prominence, Density и т.д.) и географические данные (Obstacle Data). Результатом является определенная Catchment Area, которая сохраняется в индексе и ассоциируется с ресурсом (или сущностью бизнеса).

RANKING – Ранжирование (Этап Retrieval / Отбор кандидатов L1)
На этом этапе изобретение применяется в реальном времени как эффективный фильтр. Когда поступает запрос с локальным интентом, система определяет Query Location. Вместо поиска ресурсов в фиксированном радиусе, система извлекает только те ресурсы, чьи предварительно рассчитанные Catchment Areas включают данный Query Location. Это значительно сокращает количество кандидатов для последующих, более сложных этапов ранжирования (L2/L3).

Входные данные (Индексирование):

  • Search Log Data (Ресурсы, Query Locations, Interaction Data/Клики).
  • Business Location (Физический адрес бизнеса).
  • Obstacle Data (Картографические данные о препятствиях).
  • Catchment Size Factors (Значения Prominence, Category, Density, Co-location).

Выходные данные (Индексирование):

  • Определенная географическая Catchment Area, ассоциированная с ресурсом в индексе.

На что влияет

  • Конкретные типы контента: В первую очередь влияет на ресурсы, связанные с локальными бизнесами и сущностями (страницы компаний, карточки в Google Maps и Local Pack).
  • Специфические запросы: Влияет на запросы с локальным интентом – как явным ("ресторан в Денвере"), так и неявным ("кофейня рядом").
  • Конкретные ниши или тематики: Влияет на все локальные ниши, но эффект сильно различается. У специализированных или уникальных бизнесов (Destination Businesses, например, тематические парки, специализированные YMYL-услуги) Catchment Area может быть значительно шире, чем у товаров повседневного спроса (кофейни, заправки).

Когда применяется

  • Временные рамки: Расчет Catchment Areas происходит периодически в офлайн-режиме при обработке логов. Использование для фильтрации происходит онлайн при обработке любого локального запроса.
  • Триггеры активации: Активируется, когда система идентифицирует локальный интент в запросе и определяет Query Location.
  • Условия работы: Для определения Catchment Area необходимо наличие достаточного количества накопленных Search Log Data для ресурса.

Пошаговый алгоритм

Процесс А: Определение Catchment Area (Офлайн / Индексирование)

  1. Доступ к данным: Система получает доступ к Search Log Data для конкретного ресурса.
  2. Выбор локаций охвата (Catchment Locations): Система выбирает те Query Locations, где было зафиксировано взаимодействие (клик) с ресурсом.
  3. Фильтрация локаций охвата:
    1. По порогам (Опционально): Фильтрация локаций, где количество взаимодействий или CTR ниже установленного порога (Catchment Threshold).
    2. По препятствиям: Использование Obstacle Data для идентификации препятствий между Business Location и Catchment Locations. Локации за препятствиями могут быть исключены.
  4. Определение базовой зоны охвата: Система определяет географическую область, включающую оставшиеся Catchment Locations. Например, определяется как круг, центрированный на Business Location, с радиусом до самой дальней Catchment Location. Форма может быть изменена так, чтобы граница проходила по линии препятствия.
  5. Корректировка размера зоны (Catchment Size Factors): Размер зоны корректируется на основе атрибутов бизнеса:
    • Увеличивается, если Prominence высокая.
    • Изменяется в зависимости от Category.
    • Увеличивается, если Co-location высокая (например, в ТЦ).
    • Уменьшается, если Density конкурентов высокая.
  6. Индексирование: Финальная Catchment Area сохраняется в индексе и ассоциируется с ресурсом.

Процесс Б: Использование Catchment Area при поиске (Онлайн / Ранжирование)

  1. Получение запроса: Система получает поисковый запрос и определяет связанный с ним Query Location.
  2. Отбор кандидатов (Фильтрация): Система выбирает кандидатов, фильтруя ресурсы по их Catchment Area. В набор попадают только те ресурсы, чья зона охвата включает Query Location.
  3. Ранжирование: Отобранные кандидаты передаются на последующие этапы ранжирования для расчета финальных оценок.
  4. Предоставление результатов: Финальный набор результатов предоставляется пользователю.

Какие данные и как использует

Данные на входе

  • Поведенческие факторы: Являются основой изобретения. Используются Interaction Data (клики) из Search Log Data. Анализируется как факт клика, так и их количество или частота (CTR) в разрезе географических локаций (Per-query-location Click-Through-Rate).
  • Географические факторы: Критически важные данные. Используются Query Location (полученное от устройства или из текста запроса), Business Location (физический адрес). Также используются Obstacle Data (данные карт о препятствиях, дорогах).
  • Факторы сущности/бизнеса (Catchment Size Factors):
    • Prominence (Известность/Авторитетность бизнеса).
    • Category (Тип бизнеса).
    • Co-location (Наличие других бизнесов рядом).
    • Density (Плотность конкуренции в районе).

Какие метрики используются и как они считаются

  • Distance (Расстояние): Расстояние между Business Location и Catchment Locations. Используется для определения максимального базового радиуса охвата.
  • Catchment Threshold (Порог охвата): Минимальное значение CTR или абсолютного количества кликов, необходимое для того, чтобы Query Location стала Catchment Location.
  • Catchment Size Factors Values: Метрики, используемые как множители для корректировки (увеличения или уменьшения) размера базовой Catchment Area на основе атрибутов бизнеса (Prominence, Density и т.д.).

Выводы

  1. Географическая релевантность динамична и индивидуальна: Google не использует универсальный радиус для всех бизнесов. Для каждого бизнеса рассчитывается индивидуальная Catchment Area, основанная на реальных данных о том, откуда приходят пользователи (клики в поиске).
  2. Поведение пользователей определяет географические границы: Клики (Interaction Data) используются для определения границ географической релевантности. Если пользователи из определенного района не взаимодействуют с ресурсом, этот район может быть исключен из Catchment Area.
  3. Известность и тип бизнеса напрямую влияют на охват: Патент явно указывает, что Prominence (известность) и Category (тип бизнеса) используются для корректировки размера Catchment Area. Авторитетные и уникальные бизнесы получают значительно больший охват.
  4. Контекст местоположения имеет значение: Система учитывает реальный мир: Density (плотность конкуренции) уменьшает охват, а Co-location (расположение рядом с другими точками притяжения) увеличивает его.
  5. Географические препятствия учитываются: Catchment Area не является идеальным кругом. Система использует Obstacle Data (реки, горы), чтобы исключить труднодоступные районы, даже если они находятся близко по прямой.
  6. Catchment Area как фильтр на этапе Retrieval: Это механизм жесткой фильтрации кандидатов. Если Query Location находится за пределами Catchment Area бизнеса, он, скорее всего, не будет рассматриваться как релевантный кандидат для выдачи.

Практика

Best practices (это мы делаем)

  • Построение бренда и известности (Prominence): Это ключевая стратегия для расширения географического охвата. Работайте над повышением общей авторитетности бизнеса (упоминания в СМИ, отзывы, локальные ссылки, брендовый трафик). Prominence является прямым фактором, увеличивающим размер Catchment Area.
  • Оптимизация вовлеченности (CTR) в целевых районах: Поскольку Catchment Area основана на кликах, критически важно оптимизировать сниппеты (включая GBP) так, чтобы стимулировать взаимодействие пользователей из желаемых географических зон. Это помогает расширить текущую Catchment Area.
  • Оптимизация под более широкую географическую релевантность (для специализированных бизнесов): Если ваш бизнес уникален (низкая Density, высокая Prominence), создавайте контент, нацеленный на более широкие регионы, откуда к вам готовы приезжать клиенты (например, оптимизация под регион, а не только город).
  • Учет географического контекста при выборе локации: При открытии нового бизнеса учитывайте факторы Co-location (близость к точкам притяжения увеличит охват) и Obstacles (реки или промзоны могут резко обрезать вашу Catchment Area).

Worst practices (это делать не надо)

  • Полагаться только на близость (Proximity): Ошибочно предполагать, что физическая близость к пользователю гарантирует ранжирование, особенно в конкурентных нишах (высокая Density). Без достаточного Prominence и истории взаимодействий ваша Catchment Area будет минимальной.
  • Попытки ранжироваться в неестественных зонах: Попытки агрессивно оптимизироваться под районы, отделенные значительными препятствиями (Obstacles) или находящиеся слишком далеко для вашей Category, будут неэффективны, так как система скорректирует Catchment Area на основе реальных данных и ограничений.
  • Игнорирование сигналов бренда в Local SEO: Фокусироваться только на технических аспектах (NAP, схема) недостаточно. Без сильного бренда (Prominence) географический охват будет ограничен.

Стратегическое значение

Этот патент подтверждает, что локальное ранжирование Google является сложной, основанной на данных системой, которая моделирует реальное поведение пользователей. Он подчеркивает переход от простых метрик расстояния к сложным моделям, учитывающим бренд, конкуренцию и географию. Для SEO-стратегии это означает, что успех в локальном поиске требует комплексного подхода, объединяющего традиционное SEO, маркетинг (для повышения Prominence) и глубокое понимание локального рынка и поведения пользователей.

Практические примеры

Сценарий 1: Влияние Prominence и Density

  • Бизнес А: Обычная кофейня в центре Нью-Йорка. Prominence низкая, Density конкурентов очень высокая.
  • Бизнес Б: Знаменитая уникальная кофейня в том же районе. Prominence высокая.
  • Результат: Catchment Area Бизнеса А будет очень маленькой (несколько кварталов), так как пользователи не поедут далеко при наличии альтернатив (влияние Density). Catchment Area Бизнеса Б будет значительно шире, так как система применит повышающий коэффициент за известность (влияние Prominence), и логи покажут, что пользователи готовы ехать дальше.

Сценарий 2: Влияние Obstacles

  • Бизнес: Ресторан на одном берегу реки. Город расположен на обоих берегах.
  • Ситуация: Пользователи с другого берега иногда кликают на ресторан (являются Catchment Locations).
  • Применение патента: Система анализирует Obstacle Data и видит реку. Если мостов мало и путь затруднен, система может изменить форму Catchment Area так, чтобы она в основном охватывала берег, на котором находится ресторан, исключив или ограничив охват на другом берегу, несмотря на близость по прямой и наличие некоторых кликов.

Вопросы и ответы

Чем Catchment Area отличается от фактора близости (Proximity)?

Фактор близости (Proximity) оценивает прямое расстояние от пользователя до бизнеса во время ранжирования. Catchment Area — это предварительно рассчитанная географическая зона релевантности бизнеса, основанная на поведении пользователей. Она используется на более раннем этапе как фильтр: если пользователь находится вне этой зоны, бизнес может вообще не попасть в список кандидатов для ранжирования.

Как я могу увеличить Catchment Area моего бизнеса?

Патент предлагает два основных пути. Первый — повышайте Prominence (известность и авторитет бренда), так как это прямой фактор увеличения размера зоны. Второй — оптимизируйте контент и сниппеты для повышения CTR из целевых, более удаленных районов, чтобы система зарегистрировала эти локации как Catchment Locations.

Что такое Prominence в контексте этого патента?

Prominence (Известность/Значимость) — это показатель того, насколько известен или важен бизнес. Патент приводит пример: знаменитый французский ресторан имеет большую Prominence, чем сеть фаст-фуда. Система использует этот показатель для увеличения Catchment Area, предполагая, что ради известного места люди готовы ехать дальше.

Как Google учитывает реки, горы или другие препятствия?

Система использует Obstacle Data (данные о препятствиях). Если между физическим адресом бизнеса и локацией пользователя существует значительное препятствие, затрудняющее доступ, эта локация может быть исключена из Catchment Area. Граница зоны охвата может быть изменена так, чтобы проходить вдоль этого препятствия.

Влияет ли плотность конкуренции на мою зону охвата?

Да, напрямую. Патент описывает Density Attribute (Атрибут плотности). В районах с высокой плотностью аналогичных бизнесов (например, много кофеен в центре города) Catchment Area для каждого отдельного бизнеса будет меньше, так как у пользователей много альтернатив и они не готовы ехать далеко.

Что такое Co-location и как это использовать?

Co-location (Совместное расположение) учитывает количество других бизнесов рядом. Если ваш бизнес находится в популярном месте (например, торговый центр, деловой район), система может увеличить вашу Catchment Area, предполагая, что пользователи готовы ехать дальше, чтобы посетить сразу несколько мест.

Означает ли этот патент, что CTR является фактором ранжирования?

В контексте этого патента CTR и клики используются не для прямого ранжирования результатов, а для определения географических границ релевантности (Catchment Area) на этапе индексирования. Если пользователи из определенного района систематически не кликают на ваш ресурс, этот район может быть исключен из вашей зоны охвата, что косвенно влияет на вашу способность ранжироваться там.

Как этот механизм влияет на новые бизнесы, у которых еще нет истории кликов?

Патент не уточняет обработку новых бизнесов, но для определения Catchment Area требуется история взаимодействий. Вероятно, для новых бизнесов Google может использовать стандартные радиусы или средние значения Catchment Area для данной категории (Category Factor) и региона, пока не накопится достаточно поведенческих данных.

Применяется ли этот механизм только к Google Maps или к органическому поиску тоже?

Патент описывает общий механизм индексирования ресурсов и отбора кандидатов в поисковой системе. Он наиболее очевиден в Google Maps и Local Pack, где географический фильтр критичен. Однако он также применяется и к органическому поиску, когда система идентифицирует локальный интент в запросе.

Как SEO-специалист может отслеживать Catchment Area своего бизнеса?

Прямого инструмента для визуализации Catchment Area Google не предоставляет. Однако её можно оценить косвенно, используя инструменты для отслеживания локальных позиций в виде тепловых карт (GeoGrids). Анализ того, в каких точках карты бизнес ранжируется высоко, дает хорошее представление о его текущей зоне охвата, определенной Google.

Похожие патенты

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 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 использует известность и авторитетность бизнеса (Location Prominence) вместо расстояния для ранжирования в локальном поиске
Google использует механизм дифференцированного ранжирования в локальном поиске. Внутри основной географической области (например, города или видимой карты) результаты ранжируются по «Известности» (Location Prominence), основанной на авторитетности, отзывах и упоминаниях бизнеса. За пределами этой области результаты ранжируются преимущественно по расстоянию. Это позволяет показывать наиболее значимые бизнесы, а не просто ближайшие к условному центру.
  • US7822751B2
  • 2010-10-26
  • Local SEO

  • EEAT и качество

  • SERP

Как Google динамически регулирует силу фактора близости в локальном поиске в зависимости от плотности результатов
Google использует механизм для динамической корректировки влияния расстояния на ранжирование локальных результатов. Если по запросу доступно много местных компаний (высокая плотность), влияние близости усиливается, и удаленные результаты быстро теряют позиции. Если компаний мало (низкая плотность), влияние близости ослабевает, позволяя ранжироваться более удаленным, но релевантным результатам. Система также гарантирует максимальное повышение для ближайшего результата, независимо от его абсолютного расстояния.
  • US20160070703A1
  • 2016-03-10
  • Local SEO

  • SERP

  • Семантика и интент

Как Google динамически регулирует влияние фактора близости в локальном поиске в зависимости от тематики запроса и региона
Google использует систему для определения того, насколько важна близость (расстояние) для конкретного поискового запроса и региона. Анализируя исторические данные о кликах и запросах маршрутов, система вычисляет «Фактор важности расстояния». Для запросов типа «Кофе» близость критична, и удаленные результаты пессимизируются. Для запросов типа «Аэропорт» близость менее важна, и качественные результаты могут ранжироваться высоко. Система также учитывает плотность региона (город или село), адаптируя ожидания пользователей по расстоянию.
  • US8463772B1
  • 2013-06-11
  • Local SEO

  • Поведенческие сигналы

Популярные патенты

Как Google динамически перестраивает SERP в реальном времени, основываясь на взаимодействии пользователя с подзадачами
Google использует специализированные AI-модели для разбивки сложных запросов (задач) на подзадачи. Система отслеживает, с какими подзадачами взаимодействует пользователь, и динамически обновляет выдачу, подгружая больше релевантного контента для этой подзадачи прямо во время скроллинга страницы. Это позволяет уточнять интент пользователя в реальном времени.
  • US20250209127A1
  • 2025-06-26
  • SERP

  • Поведенческие сигналы

  • Семантика и интент

Как Google динамически повышает порог качества для результатов поиска по «рискованным» запросам
Google оценивает «риск» поискового запроса, анализируя общее качество топовых результатов. Если запрос часто привлекает спам, кликбейт или нежелательный контент (особенно видео), система динамически повышает минимальный порог качества. Контент, не соответствующий этому повышенному стандарту, понижается в выдаче, при этом учитываются такие сигналы, как показатель просмотров (Watch Rate).
  • US11609949B2
  • 2023-03-21
  • Антиспам

  • SERP

  • Поведенческие сигналы

Как Google использует время просмотра (Watch Time) и поведение пользователей для расчета независимой от запроса оценки качества видео
Google рассчитывает независимый от запроса сигнал качества (Q) для видео, анализируя корреляции между поведенческими метриками: временем просмотра, рейтингами и количеством просмотров. Система использует математические функции (Predictor и Voting) для моделирования качества и определения достоверности данных, а также активно фильтрует спам в рейтингах. Этот сигнал Q затем используется для ранжирования видео в поиске.
  • US8903812B1
  • 2014-12-02
  • Поведенческие сигналы

  • SERP

  • Антиспам

Как Google определяет, действительно ли новость посвящена сущности, и строит хронологию событий
Google использует систему для определения релевантности новостей конкретным объектам (сущностям, событиям, темам). Система анализирует кластеры новостных статей (коллекции), оценивая общий интерес к объекту (поисковые запросы, социальные сети) и значимость объекта внутри коллекции (упоминания в заголовках, центральность в тексте). Ключевой механизм — оценка уместности событий: система проверяет, соответствует ли событие типу объекта (например, «новый метод лечения» для болезни), чтобы отфильтровать мимолетные упоминания и создать точную хронологию новостей.
  • US9881077B1
  • 2018-01-30
  • Семантика и интент

  • Поведенческие сигналы

Как Google подменяет ссылки в выдаче, чтобы обойти медленные редиректы на мобильные версии сайтов
Google оптимизирует скорость загрузки, определяя, когда клик по результату поиска вызовет условный редирект (например, с десктопной версии на мобильную). Система заранее подменяет исходную ссылку в выдаче на конечный URL редиректа. Это позволяет устройству пользователя сразу загружать нужную страницу, минуя промежуточный запрос и экономя время.
  • US9342615B2
  • 2016-05-17
  • Техническое SEO

  • SERP

  • Ссылки

Как Google использует язык интерфейса пользователя и поведенческие сигналы для определения языковой релевантности документа
Google определяет, для носителей каких языков релевантен документ, анализируя агрегированные данные о кликах. Система изучает, какой языковой интерфейс поиска (например, google.fr или google.de) использовали пользователи, кликнувшие на результат. Учитывая поведенческие факторы, такие как время пребывания на странице (Dwell Time) и позиция клика, Google рассчитывает Оценку Языковой Релевантности. Это позволяет определить целевую аудиторию страницы независимо от языка ее контента.
  • US9208231B1
  • 2015-12-08
  • Мультиязычность

  • Поведенческие сигналы

  • SERP

Как Google масштабирует расчет кратчайших путей в графе ссылок от авторитетных сайтов («Seed Nodes»)
Патент описывает инфраструктуру Google для распределенного вычисления кратчайших путей в огромных графах, таких как веб-граф. Система позволяет эффективно и отказоустойчиво рассчитывать расстояние от любого узла до ближайших авторитетных «Seed Nodes». Это foundational технология, которая делает возможным применение алгоритмов ранжирования, основанных на анализе ссылочного графа и распространении авторитетности (например, типа TrustRank) в масштабах всего интернета.
  • US8825646B1
  • 2014-09-02
  • Ссылки

Как Google группирует похожие запросы и поисковые подсказки, определяя интент пользователя через анализ сессий и кликов
Google использует графовую модель (Марковскую цепь) для кластеризации поисковых подсказок и связанных запросов. Система анализирует, какие запросы пользователи вводят в одной сессии и на какие документы они кликают. Это позволяет сгруппировать запросы, ведущие к схожему контенту, и предложить пользователю разнообразный набор подсказок, отражающих разные интенты.
  • US8423538B1
  • 2013-04-16
  • Семантика и интент

  • Поведенческие сигналы

  • SERP

Как Google использует данные веб-поиска и клики пользователей для классификации бизнесов и построения иерархии категорий
Google анализирует логи веб-поиска (введенные ключевые слова и последующие клики по результатам), чтобы понять, как пользователи интуитивно классифицируют бизнесы. Эти данные используются для автоматического построения динамической иерархической структуры категорий. Эта структура затем применяется для улучшения точности поиска, в частности, для оптимизации моделей распознавания речи в голосовых системах.
  • US7840407B2
  • 2010-11-23
  • Поведенческие сигналы

  • Семантика и интент

  • Структура сайта

Как Google предсказывает следующий запрос пользователя на основе контента текущей страницы и исторических данных
Google использует машинное обучение для анализа логов поведения пользователей, чтобы понять, что они ищут после посещения определенного контента. Система создает совместное векторное пространство (joint embedding) для документов и запросов, где близость отражает семантическую связь и вероятность совместной встречаемости. Это позволяет предлагать релевантные последующие запросы (query suggestions) в реальном времени, даже если ключевые слова для этих запросов на странице отсутствуют.
  • US9594851B1
  • 2017-03-14
  • Семантика и интент

  • Поведенческие сигналы

  • Персонализация

seohardcore