Как Google использует историю физических перемещений пользователя для фильтрации и персонализации результатов поиска

Термины и определения

Actual Real-World Location (Фактическое реальное местоположение)

Сырые данные, указывающие на физическое местоположение устройства. Включают GPS-координаты, данные триангуляции WiFi, IP-адреса, отсканированные NFC-метки или QR-коды.

Client Device (Клиентское устройство)

Устройство пользователя (смартфон, планшет), которое собирает и передает данные о местоположении и используется для поиска.

Contextual Information (Контекстная информация)

Дополнительные данные, связанные с посещением местоположения: время визита, происходящие события, присутствие других людей, погода. Используется для создания детализированных фильтров.

Filter (Фильтр)

Опция в пользовательском интерфейсе, позволяющая выбрать подмножество (subset) из истории местоположений (например, по времени или категории) для включения в поисковый запрос.

Location Server (Сервер местоположений)

Сервер, который агрегирует данные о местоположении, обрабатывает их, идентифицирует User-Level Geographic Locations и взаимодействует с поисковым сервером.

User-Level Geographic Locations (Географические местоположения пользовательского уровня)

Интерпретированные и понятные пользователю названия мест, полученные из сырых данных о местоположении. Примеры: страна, город, район, достопримечательность (landmark), точка интереса (POI).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод интеграции истории местоположений в поиск.

1. Система получает набор записей данных о местоположении (location information data entries), связанных с учетной записью пользователя. Эти данные получены в результате физического присутствия устройства пользователя в этих местах.
2. Определяется набор географических местоположений, соответствующих этим записям.
3. Предоставляется пользовательский интерфейс (UI), включающий строку поиска и компонент интерфейса для включения одного или нескольких географических местоположений в запрос.
4. Запрос передается поисковой системе, и результаты отображаются.
5. Ключевой элемент: Компонент интерфейса включает опцию применения фильтра (option to apply a filter) к набору географических местоположений.
6. Требования к фильтру: Фильтр должен позволять выбрать подмножество местоположений на основе связанных данных. Конкретно упоминается возможность выбора мест, где устройство присутствовало в течение определенного периода времени (particular period of time), И/ИЛИ выбор всего набора местоположений.

Claim 2 (Зависимый): Дополняет Claim 1, указывая, что интерфейс также позволяет индивидуально выбирать одно или несколько конкретных географических местоположений из истории.

Claim 3 (Зависимый): Дополняет Claim 1, описывая получение и связывание контекстной информации (contextual information data entries) с записями о местоположении.

Claim 7 (Зависимый): Детализирует типы данных, используемых для фильтрации подмножеств. К ним относятся: время, событие, присутствие индивидуума или члена группы, данные из приложений, гранулярность или категория местоположения.

Где и как применяется

Изобретение затрагивает сбор пользовательских данных и этапы обработки запроса для обеспечения персонализации.

CRAWLING (Data Acquisition) – Сбор данных
Это не веб-краулинг, а сбор персональных данных. Система непрерывно собирает сигналы местоположения (GPS, WiFi, IP и т.д.) с клиентских устройств пользователей и передает их на Location Server.

INDEXING – Индексирование (Обработка пользовательских данных)
На этом этапе происходит обработка сырых данных пользователя:

1. Сырые данные (Actual Real-World Locations) анализируются.
2. Система сопоставляет их с известными User-Level Geographic Locations (POI, города).
3. К локациям привязывается Contextual Information (время посещения).
4. Структурированная история местоположений сохраняется и связывается с учетной записью.

QUNDERSTANDING – Понимание Запросов
Это основной этап применения. Когда пользователь инициирует поиск, система предоставляет интерфейс с опциями (Filter) для включения истории местоположений. Пользователь выбирает фильтр, и система модифицирует исходный запрос, добавляя к нему ограничения по местоположению и времени, уточняя интент на основе личного опыта.

RANKING / RERANKING – Ранжирование / Переранжирование
Модифицированный запрос выполняется. Результаты должны соответствовать как текстовому запросу, так и добавленным географическим ограничениям. В описании патента также упоминается возможность взвешивания результатов (weighting) на основе частоты посещения локации или уровня активности пользователя в этой локации.

Входные данные:

• Сырые сигналы местоположения (GPS, WiFi, IP и т.д.).
• Поисковые термины пользователя.
• Идентификатор учетной записи пользователя.
• Выбранные пользователем фильтры (места, временные рамки).

Выходные данные:

• Отфильтрованный набор результатов поиска, релевантный как введенным терминам, так и выбранным географическим/контекстным ограничениям из истории пользователя.

На что влияет

• Конкретные типы контента и ниши: Наибольшее влияние оказывается на локальный поиск (Local SEO) и ниши, связанные с физическими объектами: туризм, рестораны, ритейл, мероприятия. Влияет на контент, связанный с точками интереса (POI).
• Специфические запросы: Влияет на персонализированные запросы, где пользователь ищет что-то, связанное с его прошлым опытом (например, «то кафе в Париже» или «пицца» с фильтром по посещенным местам).

Когда применяется

• Условие применения: Необходимо, чтобы у пользователя была включена функция отслеживания местоположения (Location History) и имелась сохраненная история перемещений.
• Триггер активации: Явное действие пользователя. Механизм активируется только тогда, когда пользователь решает использовать предложенный интерфейс или Filter для включения своей истории местоположений в запрос. Это не автоматическая корректировка ранжирования.

Пошаговый алгоритм

Процесс А: Сбор и обработка данных о местоположении (Фоновый режим)

1. Получение данных: Location Server получает необработанную информацию о местоположении (например, GPS, данные Wi-Fi) и контекстные данные (например, время) от клиентского устройства.
2. Сравнение и идентификация: Сервер сравнивает необработанную информацию с известными данными для идентификации User-Level Geographic Locations (например, границы городов, базы данных POI).
3. Хранение данных: Сервер сохраняет идентифицированные локации и контекстные данные, связывая их с учетной записью пользователя в базе данных.

Процесс Б: Обработка поискового запроса (Реальное время)

1. Инициация поиска: Пользователь инициирует поиск.
2. Запрос истории местоположений: Сервер запрашивает у базы данных историю местоположений пользователя.
3. Предоставление пользовательского интерфейса: Сервер предоставляет интерфейс, включающий поле поиска и опции для фильтрации по истории местоположений (например, по времени, по категориям, индивидуальный выбор).
4. Получение ввода пользователя: Сервер получает окончательный поисковый запрос от пользователя, который включает ключевые слова и выбранные фильтры местоположений.
5. Передача на поисковый сервер: Сформулированный запрос передается на поисковый сервер для выполнения и отображения результатов.

Какие данные и как использует

Данные на входе

Система использует преимущественно данные, связанные с пользователем и его устройством.

• Географические и Технические факторы (Данные о местоположении):
  • GPS-координаты (global positioning system (GPS) coordinates).
  • Сила сигнала точек доступа WiFi (signal strength of one or more wifi access points).
  • IP-адрес (internet protocol (IP) address).
  • NFC-метки (near field communication (NFC) tags).
  • QR-коды (quick response (QR) codes).
  • Данные, введенные пользователем вручную.
• Временные факторы: Метки времени и даты, связанные с данными о местоположении. Критически важно для реализации временных фильтров (particular period of time).
• Пользовательские и Контекстные факторы:
  • Идентификатор учетной записи.
  • Присутствие других индивидов или членов группы в той же локации.
  • События (event), происходившие в локации во время присутствия пользователя.
  • Информация, предоставленная другими приложениями.

Какие метрики используются и как они считаются

Патент не детализирует формулы ранжирования, но описывает следующие механизмы обработки данных:

• Преобразование (Mapping): Процесс преобразования сырых сигналов (Actual Real-World Locations) в User-Level Geographic Locations разной гранулярности (от POI до страны).
• Логика фильтрации (Filtering Logic): Применение ограничений к истории местоположений на основе выбранных пользователем критериев (время, категория, событие).
• Взвешивание (Weighting) (Упомянуто как возможность): В описании патента упоминается, что результаты могут быть взвешены на основе:
  • Частоты (Frequency): Как часто пользователь посещал данную локацию.
  • Уровня активности (Level of activity / Intensity): Уровень активности, инициированной пользователем в данной локации.

1. Персонализация через явный контроль: Ключевая особенность патента — механизм глубокой персонализации, который активируется пользователем вручную через UI, а не применяется автоматически. Пользователь сам решает использовать свою историю как фильтр.
2. Связь онлайн-поиска и офлайн-реальности: Система напрямую связывает цифровой поиск с физическим миром. Чтобы контент появился в результатах такого поиска, он должен быть релевантен запросу И ассоциирован с местом, которое пользователь физически посетил.
3. Критичность контекста, особенно времени: Время посещения является ключевым элементом фильтрации. Патент явно защищает возможность фильтрации истории местоположений по "определенному периоду времени" (Claim 1).
4. Требование к точности географических данных (Mapping): Система зависит от способности точно преобразовывать сырые координаты в конкретные объекты (POI, города). Это подчеркивает важность точных данных о местах в базе знаний Google (Knowledge Graph).
5. Значение физического присутствия для Local SEO: Для локального бизнеса патент подчеркивает важность физических визитов. Если Google может точно идентифицировать визит, это увеличивает вероятность появления бизнеса в будущих персонализированных поисках этого пользователя.

Best practices (это мы делаем)

• Максимизация точности данных в Local SEO: Критически важно иметь точный и полный профиль в Google Business Profile (GBP) и использовать локальную микроразметку. Это необходимо, чтобы система могла корректно связать физический визит пользователя (например, по GPS) с конкретной сущностью вашего бизнеса (user-level geographic location).
• Стимулирование физических посещений (Online-to-Offline): Поскольку история посещений становится фильтром поиска, необходимо активно привлекать пользователей в физические точки. Чем больше релевантных пользователей посетит вашу локацию, тем выше вероятность появления в их персонализированной выдаче при использовании этого фильтра.
• Поощрение цифрового взаимодействия в офлайне: Мотивируйте клиентов к цифровому взаимодействию во время посещения. Предложение гостевого Wi-Fi увеличивает точность определения местоположения. Сканирование QR-кодов или использование NFC-меток также фиксируется как Location Information и может усилить сигналы активности (level of activity).
• Работа над возвращаемостью клиентов: Патент упоминает возможность взвешивания результатов по частоте посещений (frequency). Лояльные клиенты, которые часто посещают вашу локацию, с большей вероятностью увидят вас в топе при использовании этого механизма.

Worst practices (это делать не надо)

• Игнорирование персонализации и локальных данных: Пренебрежение оптимизацией GBP или неточность данных затрудняют Google ассоциацию посещений пользователей с вашим бизнесом, исключая вас из персонализированной выдачи.
• Манипуляции с местоположением (Virtual Offices): Попытки ранжироваться в локальном поиске без реального физического присутствия неэффективны в контексте этого патента, так как фильтр основан на реальных сигналах присутствия устройств пользователей (GPS, WiFi), а не на заявленных данных бизнеса.
• Игнорирование микро-локаций: Фокусировка только на широкой географии (город) и игнорирование районов или точек интереса (POI). Система использует гранулярные user-level geographic locations, поэтому важно быть привязанным к конкретному месту.

Стратегическое значение

Патент подтверждает стратегию Google на конвергенцию онлайн-поиска и офлайн-реальности. Для Google пользователь — это не только его поисковые запросы, но и его физические перемещения. Это подчеркивает важность построения целостной стратегии присутствия бренда как онлайн, так и офлайн (Omnichannel), и критическую важность точности данных об объектах и местах в Knowledge Graph для обеспечения видимости в персонализированном поиске.

Практические примеры

Сценарий 1: Поиск ресторана на основе прошлого опыта

1. Сбор данных (Фон): Пользователь посещает Рим с включенной историей местоположений. Google регистрирует его присутствие в различных районах.
2. Поисковый запрос: Вернувшись домой, пользователь ищет «лучшая карбонара».
3. Активация фильтра: Пользователь активирует опцию/фильтр «Места, где я был в прошлом месяце».
4. Обработка: Система модифицирует запрос, добавляя географическое ограничение (Рим).
5. Результат: SERP приоритизирует информацию о ресторанах в Риме. Рестораны с точными данными в GBP и качественным контентом о своих блюдах получают преимущество в этой персонализированной выдаче.

Сценарий 2: Поиск товара после посещения магазина

1. Сбор данных: Пользователь посещает магазин электроники (например, Best Buy), система фиксирует его присутствие.
2. Поиск: Позже пользователь ищет «отзывы на телевизор Samsung QLED».
3. Активация фильтра: Пользователь активирует фильтр «Места, где я был сегодня».
4. Результат: В выдаче повышается страница товара и отзывов на сайте Best Buy, так как система знает, что пользователь физически был в этом магазине и мог интересоваться этим товаром там.